Fuentes primarias y secundarias

1 · Definición

Una fuente primaria produce datos nuevos para responder la pregunta del propio estudio. Una fuente secundaria son datos que ya existían, generados por otro y con otro propósito.

2:38

El criterio es quién generó el dato y para qué, no quién lo tiene ahora. Una base que pasó un colega sigue siendo secundaria aunque venga sin publicar; y un relevamiento propio sigue siendo primario aunque use el cuestionario de otro.

2 · Para qué sirve

Distinguirlas importa porque, según de cuál se trate, cambia dónde está el trabajo y dónde están los riesgos.

Con una fuente primaria, el esfuerzo va al diseño y al operativo: hay que armar el cuestionario, capacitar encuestadores, salir a campo. A cambio, las variables se miden exactamente como uno quiere.

Con una fuente secundaria, el esfuerzo va a entender qué hay ahí adentro: qué universo cubre, cómo se definió cada variable, qué cambió entre períodos. Sale mucho más barato y casi nunca mide exactamente lo que uno querría.

3 · Cómo se elige

La pregunta no es cuál es mejor, sino si el dato que hace falta ya existe.

Relevar datos primarios cuando ya hay una fuente secundaria adecuada es gastar tiempo y plata para obtener una versión peor: para lo que la EPH mide y donde lo mide, ninguna tesis va a relevar una muestra de hogares mejor. Pero la EPH no cubre el área rural ni pregunta todo, y fuera de eso el dato propio puede ser la única opción.

Al revés, usar una fuente secundaria que no mide lo que la pregunta necesita —porque estaba a mano— es adaptar la pregunta al dato disponible, y eso casi siempre se nota.

Hay además tres cosas que solo puede dar el dato ajeno, y conviene tenerlas presentes antes de decidir salir a campo:

• El pasado. Ningún relevamiento propio puede medir 1995. Toda serie larga es secundaria por definición.
• El tamaño. Una encuesta nacional tiene decenas de miles de casos; un trabajo individual, unos cientos. Para estudiar algo poco frecuente, no hay comparación.
• La comparabilidad. Usar la misma definición que el organismo oficial permite que el resultado dialogue con todo lo demás que se publicó. Una definición propia, por mejor que sea, deja el número aislado.

En la práctica, además, las dos se combinan. Casi todo relevamiento propio se apoya en datos ajenos: el marco muestral sale de un censo o de un registro, los totales con los que se ajustan los ponderadores salen de las proyecciones oficiales de población, y muchas preguntas se toman de cuestionarios ya validados. El dato final es primario; buena parte de lo que lo hizo posible, no.

4 · Microdato o tabulado

Hay una segunda pregunta que se confunde con la primera y es independiente: con cuánta elaboración viene el dato. Que sea ajeno no dice si llega en bruto o ya resumido, y de eso depende lo que se puede hacer.

Trabajar con microdatos ajenos —la base usuario de la EPH, los microdatos del censo— tiene nombre propio: análisis secundario. No todos llegan en el mismo formato: la EPH se descarga como una planilla común, mientras que el INDEC publica los microdatos del Censo 2022 como una base REDATAM, que se procesa con ese programa de la CEPAL o con paquetes que la leen, como censo2022arg en R. Es la situación más común en una tesis y la más productiva, porque conserva todo el poder de la matriz de datos sin el costo del operativo.

Un tabulado publicado es otra cosa: ya perdió los casos individuales, así que no se puede recortar, cruzar ni recalcular —ver datos agrupados y sin agrupar—. Sirve para citar un número, no para analizar.

5 · Lo que hay que averiguar de una fuente secundaria

Antes de usar una base ajena, siete preguntas:

1. ¿Qué universo cubre? Y sobre todo: qué deja afuera.
2. ¿Cuál es la unidad de análisis? Una fila, ¿qué es? Personas, hogares, trámites y establecimientos no se mezclan.
3. ¿Cómo está definida exactamente cada variable? “Desocupado” tiene una definición operativa precisa que no coincide con el uso coloquial.
4. ¿Cambió algo entre períodos? Un cambio de clasificador, de formulario o de metodología rompe la comparabilidad de la serie.
5. ¿Hay ponderadores, y cuál corresponde? Si la fuente es una encuesta con diseño complejo, ignorarlos da resultados mal calculados. Y puede haber más de uno: la EPH trae PONDERA para uso general y PONDIIO para el ingreso de la ocupación principal, porque este último corrige además la no respuesta de ingresos.
6. ¿Cómo se codifican los faltantes? Muchas bases usan 0, 9, 99 o −1 para “no responde” o “no corresponde”. Tratarlos como números reales corre todos los promedios.
7. ¿Cuál es la última versión? Muchas series se corrigen hacia atrás.

Todo eso está en la documentación metodológica y en el diccionario de variables, que son los archivos que nadie abre y los que más tiempo ahorran.

6 · Cómo se cita

Una fuente secundaria se cita siempre, con cuatro elementos: organismo, nombre de la serie o relevamiento, período de referencia y fecha de consulta.

Fuente: INDEC, Encuesta Permanente de Hogares, base usuario, 1º trimestre de 2026, consultada el 9 de noviembre de 2026. Procesamiento propio.

Esa última frase —“procesamiento propio”— es importante y se olvida siempre: distingue el dato que publicó el organismo del número que se calculó a partir de su base. Si alguien no reproduce la cifra buscándola en la publicación original, la aclaración explica por qué.

En la lista de referencias de una tesis, la misma fuente va con el formato de APA 7 para bases de datos: autor, año, título en cursiva, la descripción entre corchetes y la dirección. Como la base puede cambiar en el mismo enlace, APA pide además la fecha de consulta:

La fecha de consulta no es un formalismo: los sitios reorganizan, las series se revisan y los archivos se reemplazan en el mismo enlace, sin aviso y sin cambiar de nombre. De ahí la regla que acompaña a la cita:

7 · Condiciones de uso y resguardo

Los microdatos ajenos vienen con obligaciones, y no son decorativas.

Las bases se publican anonimizadas: no traen nombre ni documento, y algunas variables se agrupan justamente para que nadie pueda ser identificado. Usarlas implica no intentar revertir eso —ni cruzando con otra base, ni buscando el caso único de un municipio chico— y no difundir resultados de celdas con tan pocos casos que señalen a alguien. En la estadística pública argentina eso está respaldado por el secreto estadístico de la Ley 17.622; en investigación, por el comité de ética. Ver ética y consentimiento.

Y hay una condición más simple que casi siempre se cumple sola pero conviene mirar: la licencia de uso. La mayoría de los organismos argentinos pide únicamente citar la fuente, pero no todos los datos que circulan son de uso libre, y un dato conseguido por un convenio puede tener restricciones sobre qué se publica.

Los pedidos de acceso a la información pública, por su parte, son una vía para conseguir datos que el Estado tiene y no publicó: la Ley 27.275 obliga a los organismos nacionales a responderlos, y muchas provincias tienen su propia ley. Lo que se recibe por esa vía es una fuente secundaria como cualquier otra, y se cita indicando el organismo, el número de expediente y la fecha de respuesta.

8 · Errores frecuentes

• Citar de segunda mano. Tomar un dato de una nota periodística que lo tomó de un informe que lo tomó del INDEC. En cada salto se pierde el universo, el período o una aclaración metodológica. Hay que ir a la fuente original.
• No declarar el período de referencia. “Según el INDEC, la pobreza es del X %” sin decir de qué semestre es no permite verificar nada.
• Mezclar fuentes en una misma serie. Empalmar datos de dos relevamientos distintos sin aclararlo produce saltos que después se interpretan como cambios reales.
• Usar una base sin leer la metodología. Es la causa más común de resultados raros: no es que el dato esté mal, es que mide otra cosa.
• Trabajar con el cuadro habiendo microdatos. Después no se puede recortar por edad, ni cruzar con otra variable, ni recalcular nada. El trabajo nace limitado por una decisión de los primeros diez minutos.
• Citar el enlace en lugar del archivo. Si la serie se revisa, el enlace pasa a devolver otros números y el trabajo deja de ser reproducible.
• Suponer que un dato publicado es definitivo. Muchas series tienen versiones provisorias que se corrigen meses después.
• Presentar datos ajenos como propios. Además de un problema ético, hace que el trabajo no se pueda verificar.

@misc{estadistica_ar_fuentes_primarias_y_secundarias,
  author       = {Montivero, Jorge Luis},
  title        = {{Fuentes primarias y secundarias}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/fuentes-primarias-y-secundarias}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-09}
}