The effect of classification errors upon statistical inference: A case analysis with census data

Resumen

La pregunta acerca de la exactitud de los datos eeneales ha inquietado durante tiempo a los dem6grafos. En 1950 la Oficina de Censoe de los Estados Unidos llev6 a cabo una extensa encuesta post-censal a efectos de estudiar eete problema. El resultado mas importante fue, que aunque el error bruto de clasificación fue muy alto en muchas categorias, la tendencia a la compensación de los errores hizo que el error neto fuera relativamente pequeño,

Desafortunadamente, la encuesta solamenie estudió eetoe errores en la medida en que afectan a cada categoria. Nose hizo el estudio de la interacción de estos errores en tabulaciones de clasificacion crusada. El hecho de que los errotes de clasificación tuvieron un efecto casi despreciable en una categoría dada, no permite suponer que su efecto fuere también despreciable en clasificaciones crueadae.

Este estudio toma un ejemplo eepecifico del Censo de 1950, la clasificación crueada de ingreso por grado de educación alcanzado. El resultado de la eneuesta se usa para sugerir como las inferencias de esia tabla pueden estar distorcionadas por el error de clasificación.

Uno de los pordmetros cruciales de este análisis, la correlación enre errores en las dos caiegorías, no fue tabulado. Los autores hicieron tres hipótesis sobre esia correlacion: que los errores estaban correlacionados aleatoriamente, que tenían una alta correlación positiva, y que tenían una alta correlación negativa. Be derivaron tree estimaciones de la distribución “verdadera” del ingreso por qrado de educación a canzado para 1950 para todo el país. Las tres difirieron significativamente de la tabulación censal publicada.

Los autores concluyen que la correlación del error de clasificación puede aJectar seriamente las inferencias de los datos; que el error bruto no puede ser meramente ignorado porque su efecto en las categorías simples es leve; y que una estimación del error, incluyendo estimación de la correlación entre errores, es una parte esencial de eualquier informe censal.