Unidad de análisis

1 · Definición

La unidad de análisis es el tipo de elemento al que describen las variables y del cual se sacan conclusiones: la persona, el hogar, la escuela, el municipio, la consulta médica, el trámite.

2:44

Dicho de otro modo: es lo que se repite. Un estudio observa muchos casos de algo, y ese algo es la unidad. Si el archivo tiene 1.200 filas, la pregunta es qué hay 1.200: ¿personas, atenciones, meses, empresas? De esa respuesta dependen todas las demás, y por eso es la primera decisión de un diseño, antes que el tamaño de muestra y antes que el cuestionario.

La fila, en rigor, es la unidad de registro: lo que la base guarda en cada renglón. Cuando la base está armada para la pregunta, coincide con la unidad de análisis, y por eso la pregunta del destacado funciona casi siempre. Pero no siempre están armadas así, y la matriz de datos puede tener una fila por algo distinto de aquello sobre lo que se quiere concluir.

2 · Cómo se decide cuál es

No se elige por gusto: la fija la pregunta de investigación. Y hay una regla mecánica para encontrarla, que sirve casi siempre.

La pregunta	El sujeto	La unidad
¿Cuánto ganan los ocupados?	los ocupados	la persona ocupada
¿Qué proporción de los hogares alquila?	los hogares	el hogar
¿Cuánto dura una consulta?	una consulta	la consulta
¿Qué departamentos tienen más desempleo?	los departamentos	el departamento
¿Cómo cubre la prensa provincial la minería?	las notas publicadas	la nota periodística
¿Cómo evolucionó la inflación mensual?	los meses	el mes

Las dos últimas filas muestran que la unidad no tiene por qué ser alguien: puede ser un texto, como en el análisis de contenido, o un período, como en una serie de tiempo.

La persona y el hogar son las dos unidades que más se confunden, y no son intercambiables: hay hogares de una persona y hogares de siete. Detrás de «el ingreso promedio» hay por lo menos tres números distintos: el ingreso individual medio de las personas que perciben ingresos, el ingreso total familiar medio de los hogares, y el ingreso per cápita familiar, que reparte el del hogar entre sus integrantes. Los tres son correctos, cada uno para su propia pregunta, y la confusión más frecuente es entre los dos últimos.

3 · Unidad de análisis, de observación y de muestreo

Hay tres unidades que no siempre coinciden, y conviene distinguirlas:

• La unidad de análisis es sobre qué se concluye.
• La unidad de observación es de quién se toma el dato.
• La unidad de muestreo es lo que se sortea. Solo existe si hay muestra.

En un experimento aparece una cuarta: la unidad experimental, aquella a la que se le asigna el tratamiento al azar. Si se sortean cursos para probar un método de enseñanza y después se analizan alumnos, la cantidad de réplicas es la de cursos, no la de alumnos; tratar cada alumno como una réplica es pseudorreplicación. El detalle está en aleatorización y control.

La EPH tiene separadas las tres primeras:

Unidad	En la EPH
De muestreo	Áreas del aglomerado y, dentro de ellas, viviendas
De observación	Para el cuestionario del hogar, un informante que responde por todo el hogar; el individual se completa para cada integrante de 10 años y más, y registra quién respondió, que puede ser otro miembro
De análisis	La persona o el hogar, según la pregunta

En un estudio de escuelas se puede entrevistar a docentes para caracterizar instituciones. Y en un estudio de departamentos se releva a personas para después describir territorios.

Cuando difieren, el dato tiene que viajar de una unidad a la otra, y ese viaje tiene reglas:

• Hacia arriba —de la persona al hogar, del hogar al departamento— se agrega. Sumando, promediando o contando. Es legítimo y se hace todo el tiempo, pero al agregar se pierde la variación interna: dos departamentos con el mismo ingreso medio pueden tener repartos muy distintos.
• Hacia abajo —del departamento a la persona— se puede asignar, pero no deducir. Asignar es darle a cada persona un dato de su grupo como variable de contexto: el ingreso total de su hogar, la tasa de desocupación de su departamento. Es legítimo, y la variable dice algo sobre el entorno de la persona, no sobre ella. Lo que no se puede es deducir algo de la persona a partir del grupo: saber que un departamento tiene 30 % de desocupación no dice si alguien en particular está desocupado. Ese camino es el de la falacia ecológica.

Que difieran también afecta cómo se ponderan los resultados. Si se elige al azar un adulto por hogar y la unidad de análisis es el hogar, cada entrevistado representa a su hogar. Pero si la unidad de análisis son los adultos, un adulto que vive con otros tres tenía una chance en cuatro de ser elegido, y uno que vive solo, una chance segura. Su factor de expansión tiene que multiplicarse por la cantidad de adultos del hogar; si no, los que viven solos quedan sobrerrepresentados.

4 · Unidades que viven adentro de otras

Lo habitual es que las unidades estén anidadas: las personas viven en hogares, los hogares están en manzanas, las manzanas en localidades, las localidades en departamentos. Los alumnos están en cursos, los cursos en escuelas. Los pacientes están en salas, las salas en hospitales.

Esa estructura no es un detalle administrativo, y tiene dos consecuencias concretas:

• Se puede analizar en cualquier nivel, pero la conclusión vale solo para el nivel elegido. La misma base sirve para hablar de alumnos o de escuelas, y son dos estudios distintos con dos tamaños de muestra distintos.
• Las unidades del mismo grupo se parecen entre sí, y eso rompe el supuesto de independencia que casi todas las fórmulas asumen. Dos alumnos del mismo curso comparten docente, turno y barrio. Por eso existen el muestreo por conglomerados y el efecto de diseño: 300 alumnos de 10 cursos informan menos que 300 alumnos sueltos.

5 · Un ejemplo

La Encuesta Permanente de Hogares publica dos bases distintas para el mismo relevamiento:

• La base de hogares: una fila por hogar. Sirve para tipo de vivienda, régimen de tenencia, ingreso total familiar, cantidad de integrantes.
• La base de personas: una fila por individuo. Sirve para edad, nivel educativo, condición de actividad, ingreso de la ocupación principal.

No es una duplicación: son dos unidades de análisis, y cada pregunta de investigación corresponde a una sola. “¿Cuál es el ingreso mediano de los ocupados?” es una pregunta de personas. “¿Qué proporción de hogares es propietaria de su vivienda?” es de hogares. Mezclarlas da números que no significan nada.

Las dos bases se pueden unir, porque comparten la identificación del hogar: las variables CODUSU (la vivienda) y NRO_HOGAR (el hogar dentro de la vivienda). Esa clave alcanza para un trimestre. Si se apilan varios, la misma vivienda aparece repetida —la EPH vuelve a encuestarla—, y la clave tiene que sumar ANO4 y TRIMESTRE: si no, la persona de un trimestre se cruza con el hogar de otro y las filas se duplican. Con esa clave el dato viaja en los dos sentidos de la sección 3:

• De personas a hogares se agrega. Contar cuántos ocupados tiene cada hogar, o la edad del integrante mayor, y llevarlo a la base de hogares.
• De hogares a personas se asigna. Pegarle a cada integrante el régimen de tenencia de su vivienda o el ingreso total de su hogar, como variable de contexto.

# R — la clave del hogar; con un solo trimestre bastan CODUSU y NRO_HOGAR
clave <- c("ANO4", "TRIMESTRE", "CODUSU", "NRO_HOGAR")

# Llevar a cada persona el régimen de tenencia de su hogar
personas <- merge(personas, hogares[, c(clave, "II7")], by = clave)

# Y al revés: cuántos ocupados tiene cada hogar
personas$ocupado <- personas$ESTADO == 1
ocupados <- aggregate(ocupado ~ ANO4 + TRIMESTRE + CODUSU + NRO_HOGAR,
                      data = personas, FUN = sum)

Después de unir, la unidad de la base resultante es la de la base de la que se partió: una base de personas con datos del hogar sigue siendo de personas.

6 · Las dos falacias del nivel equivocado

Sacar una conclusión en un nivel distinto del que se midió tiene nombre propio, y se puede errar para los dos lados.

La falacia ecológica es concluir sobre individuos a partir de datos agregados. Si los departamentos con mayor proporción de población con estudios superiores tienen mayor ingreso medio, eso no demuestra que las personas con estudios superiores ganen más. Es una afirmación sobre departamentos, no sobre personas. Puede que la relación individual exista —de hecho existe—, pero el dato agregado por sí solo no la prueba.

El trabajo que mostró el problema es de William Robinson, en 1950, con datos del censo estadounidense de 1930; el nombre de falacia ecológica se lo puso después Hanan Selvin, en 1958. Entre los estados de los Estados Unidos, la proporción de población nacida en el extranjero tenía correlación positiva con la alfabetización: los estados con más inmigrantes leían más. A nivel de las personas, la correlación era negativa: los inmigrantes leían menos que los nativos. Las dos cosas eran ciertas al mismo tiempo, porque los inmigrantes se habían asentado en los estados más alfabetizados. El dato agregado no mentía; respondía otra pregunta.

La falacia atomista es el error inverso: concluir sobre grupos a partir de individuos. Que fumar aumente el riesgo de una persona no permite deducir cuánto bajaría la mortalidad de una provincia si se prohibiera fumar, porque a nivel poblacional entran efectos que no existen en el individuo —quién deja de fumar, qué pasa con el humo ajeno, cómo se reparte la exposición—. Lo que vale para cada persona no se traslada automáticamente al conjunto: el grupo tiene dinámicas propias que ningún dato individual registra.

Donde más tienta esa lectura es en un mapa: la imagen invita a concluir sobre la gente cuando lo que está pintado son territorios.

La paradoja de Simpson es el caso extremo: una relación no solo se debilita al cambiar de nivel de agregación, sino que puede darse vuelta por completo.

7 · Errores frecuentes

• Cambiar de unidad a mitad del análisis. Empezar contando consultas médicas y terminar hablando de pacientes. Una persona puede tener diez consultas: los totales no son comparables.
• Informar porcentajes sin decir sobre qué unidad. “El 30 % accede a internet” no significa lo mismo si el denominador son hogares o personas.
• Cambiar de nivel al concluir, en cualquiera de las dos direcciones: de territorios a personas o de personas a territorios.
• Confundir la unidad con el nivel de publicación. Un dato publicado por departamento puede provenir de un relevamiento de personas. Lo que cambia es la agregación, no la unidad original.
• Contar filas como si fueran unidades independientes: los dos ojos de un paciente, las cuatro entrevistas de una misma vivienda en el panel de la EPH.
• No decidirla antes del cuestionario. Si no está clara la unidad, las preguntas terminan mezclando niveles y después no hay forma de armar una tabla coherente.
• No declararla en la tesis. La sección de metodología tiene que decir explícitamente cuál es la unidad de análisis, cuál la de observación y, si hubo muestreo, cuál la de muestreo. Es lo primero que busca un evaluador para saber si las conclusiones hablan de lo que se midió.

@misc{estadistica_ar_unidad_de_analisis,
  author       = {Montivero, Jorge Luis},
  title        = {{Unidad de análisis}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/unidad-de-analisis}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-09}
}