La matriz de datos

1 · Definición

La matriz de datos es la tabla en la que se organiza la información para analizarla: cada fila es un caso de la unidad de análisis y cada columna es una variable.

2 · Para qué sirve

Porque es el formato que todo software estadístico espera. R, Python, SPSS, InfoStat y las tablas dinámicas de Excel están construidos sobre ese supuesto.

Una planilla que no respeta la estructura no se puede analizar sin rearmarla antes, y ese rearmado es donde se generan la mayoría de los errores de un trabajo: se pierden casos, se corren columnas, se duplican filas.

3 · La estructura

	Variable 1	Variable 2	Variable 3
Caso 1	dato	dato	dato
Caso 2	dato	dato	dato
Caso 3	dato	dato	dato

Tres reglas que hacen que funcione:

Una sola fila de encabezados, con nombres cortos, sin espacios ni acentos y sin repetirse. nivel_ed funciona en cualquier software; Nivel Educativo Alcanzado (máximo) da problemas en varios.

Una sola cosa por celda. Si en una celda dice “35 años, secundario completo”, son dos variables y van en dos columnas.

Nada más que datos. Sin títulos arriba, sin filas de totales al final, sin celdas combinadas, sin colores que signifiquen algo, sin notas al pie intercaladas. Todo eso va en otra hoja.

4 · Un ejemplo

Así se ve un fragmento del extracto del caso de los ingresos de la EPH:

aglomerado	sexo	edad	nivel_ed	ingreso_ocup_principal	ponderador
93	2	44	6	850000	141
32	1	37	4	1200000	288
22	2	29	5	600000	305

Cada fila es una persona; cada columna, una variable. Los valores son códigos, y lo que traduce esos códigos es el diccionario de variables, que va aparte.

5 · Cómo se interpreta

Mirar la matriz antes de analizar contesta preguntas que después son caras:

• ¿Cuántas filas hay? Tiene que coincidir con la cantidad de casos relevados. Si no coincide, hay duplicados o pérdidas.
• ¿Qué hay en las celdas vacías? Un blanco puede ser “no contestó”, “no corresponde” o “nos olvidamos de cargarlo”, y las tres cosas se tratan distinto. Ver datos faltantes.
• ¿Los valores son posibles? Una edad de 150, un ingreso negativo o un código de provincia que no existe se detectan mirando mínimos y máximos de cada columna, no leyendo fila por fila.

6 · Errores frecuentes

• Celdas combinadas. Son el enemigo número uno. Al exportar, el valor queda en la primera celda y el resto vacías, y el archivo se desarma.
• Encabezados en dos filas. Una fila con “Ingreso” abarcando tres columnas y otra abajo con “2024 / 2025 / 2026”. Es legible para una persona e ilegible para un programa: esas son tres variables con tres nombres.
• Totales dentro de la matriz. Una fila “TOTAL” al final se lee como un caso más y duplica todo. Los totales se calculan, no se guardan.
• Una fila por medición en vez de por caso. Si medís a cada paciente tres veces, hay que decidir si la unidad es el paciente o la medición. Las dos formas son válidas y tienen nombre: ver formato ancho y largo.
• Guardar el significado en el formato. Pintar de rojo las filas dudosas no sirve: el color no se exporta. Si una marca importa, va en una columna.
• Usar el mismo símbolo para faltante y para cero. Un ingreso vacío y un ingreso de cero son cosas distintas, y confundirlos corre todos los promedios.

7 · En el software

# R — lo primero que se hace con cualquier base
dim(datos)      # cuántas filas y columnas
str(datos)      # tipo de cada columna
summary(datos)  # mínimos, máximos y faltantes de un vistazo

# Python
datos.shape
datos.info()
datos.describe(include="all")

Excel:    Ctrl+Fin lleva a la última celda con datos: si cae más lejos
          de lo esperado, hay basura abajo o a la derecha
SPSS:     Vista de variables (define) / Vista de datos (la matriz)
InfoStat: Datos › Explorar

@misc{estadistica_ar_matriz_de_datos,
  author       = {Montivero, Jorge Luis},
  title        = {{La matriz de datos}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/matriz-de-datos}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-18}
}