El diccionario de variables

1 · Definición

El diccionario de variables —o libro de códigos— es el documento que describe cada columna de la base: qué mide, cómo se llama, qué valores puede tomar y qué significa cada código.

2 · Para qué sirve

Porque dentro de seis meses no vas a acordarte de si p21 era el ingreso de la ocupación principal o el ingreso total, ni de si 9 significaba “no sabe” o “nueve”.

Y porque sin él, nadie más puede usar tus datos: ni el director de tesis, ni el jurado, ni vos mismo el año que viene. Un relevamiento sin diccionario es un relevamiento que se pierde.

Además, escribirlo antes del trabajo de campo obliga a resolver decisiones que después serían irreversibles: qué categorías admite cada pregunta, cómo se codifica la no respuesta, en qué unidad se mide cada cosa.

3 · Qué lleva cada fila

Una fila por variable, y estas columnas como mínimo:

Campo	Qué va	Ejemplo
Nombre	El de la columna en la base, exacto	nivel_ed
Etiqueta	Cómo se llama en el informe	Máximo nivel educativo alcanzado
Definición	Qué mide, sin ambigüedad	Nivel más alto que cursó y si lo finalizó
Tipo	Numérica, texto, fecha	Numérica entera
Escala	Nominal, ordinal, intervalo, razón	Ordinal
Valores	Códigos y su significado	1 = Primario incompleto … 7 = Sin instrucción
Faltantes	Cómo se codifican	9 = Ns/Nc · vacío = no corresponde
Unidad	Si aplica	Pesos corrientes
Origen	Pregunta del cuestionario o fuente	P8 y P9 combinadas
Universo	A quiénes se les preguntó	Personas de 3 años y más

Ese último campo es el que más se olvida y el que más problemas evita: no todas las variables se le preguntan a todo el mundo. Si ingreso solo tiene sentido para ocupados, el diccionario tiene que decirlo, porque si no los vacíos de los inactivos parecen datos perdidos.

4 · Un ejemplo

Así documenta el INDEC la variable de condición de actividad de la EPH:

Campo	Contenido
Nombre	ESTADO
Etiqueta	Condición de actividad
Valores	0 = Entrevista no realizada · 1 = Ocupado · 2 = Desocupado · 3 = Inactivo · 4 = Menor de 10 años
Universo	Todas las personas del hogar

Sin esa tabla, un ESTADO = 4 parecería una categoría de actividad más. Con ella queda claro que son menores a los que no se les aplica el módulo —y en la base del primer trimestre de 2026 la correspondencia es exacta: los 4.674 casos con ESTADO = 4 son todos los menores de 10 años, ni uno más ni uno menos—.

Lo que pasa si no se lee: el caso de P21

P21 es el ingreso de la ocupación principal. En las 43.739 filas de la base no hay ni un solo valor vacío, lo que a primera vista parece una excelente noticia:

ESTADO	$n$	P21 = 0	P21 = −9	P21 > 0
Entrevista no realizada	86	86	0	0
Ocupado	19.573	399	3.726	15.448
Desocupado	1.423	1.423	0	0
Inactivo	17.983	17.983	0	0
Menor de 10 años	4.674	4.674	0	0

Promediando la columna, según cuánto se haya leído el diccionario:

Qué se calcula	Resultado
mean(P21) sobre las 43.739 filas	$349.724
Descartando los −9	$382.291
Lo correcto: ocupados con ingreso declarado	$990.201

5 · Cuándo se escribe

Antes de relevar, junto con el cuestionario. Se completa con los nombres de variable y las categorías previstas.

Durante el procesamiento se actualiza: cada variable derivada que se construye —un grupo de edad, un índice, una recodificación— se agrega con su fórmula.

Al cerrar, se revisa que coincida con la base real. Una variable en el diccionario que no está en la base, o al revés, es un error que hay que encontrar antes de entregar.

6 · Errores frecuentes

• No hacerlo. El error por defecto. Se posterga hasta que el trabajo termina y para entonces ya nadie se acuerda de la mitad de las decisiones.
• Documentar solo las variables “importantes”. Las que no se documentan son las que después generan dudas.
• No distinguir tipos de faltante. “No contestó”, “no corresponde” y “no se cargó” son tres cosas distintas y se tratan distinto. Si comparten código, la distinción se pierde para siempre.
• Cambiar un nombre de variable y no actualizar el diccionario. A partir de ahí el documento miente, que es peor que no tenerlo.
• Guardarlo dentro de la misma planilla que los datos. Va en una hoja aparte o en un archivo aparte; nunca arriba de la matriz de datos.
• Omitir el universo de cada variable. Sin él, los vacíos legítimos se confunden con datos perdidos.

7 · En el software

# R — las etiquetas viajan con el objeto si se usa labelled
library(labelled)
var_label(datos$nivel_ed) <- "Máximo nivel educativo alcanzado"
val_labels(datos$nivel_ed) <- c("Primario incompleto" = 1, "Primario completo" = 2)

# Exportar el diccionario a una tabla
look_for(datos)

# Python — pandas no guarda etiquetas; se mantiene aparte
diccionario = pd.read_csv("diccionario.csv")
datos["nivel_ed"] = datos["nivel_ed"].map(
    dict(zip(diccionario.codigo, diccionario.etiqueta))
)

Excel:    Una hoja "Diccionario" en el mismo libro, nunca en la hoja de datos
SPSS:     Vista de variables: etiqueta, valores y perdidos por variable.
          Es de las pocas herramientas donde el diccionario vive en el archivo

@misc{estadistica_ar_diccionario_de_variables,
  author       = {Montivero, Jorge Luis},
  title        = {{El diccionario de variables}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/diccionario-de-variables}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-27}
}