Imputación
En las bases de microdatos de 1999 y 2000 se encontró una concentración de los nacimientos registrados en las edades de la madre y del padre de 31 y 36 años. Esta distribución no esperada de los nacimientos por edad de la madre responde a un error en los microdatos originales, dado que no hay elementos demográficos que puedan explicar la concentración de nacimientos en las mujeres de 31 años y 36 años exclusivamente en 1999 y 2000.
En 1999 el problema aparece exclusivamente asociado a los nacimientos ocurridos en Montevideo y, en menor medida, Canelones. En el año 2000, en cambio, el patrón se repite en varios departamentos, fundamentalmente en Montevideo, Artigas, Canelones, Colonia, Rocha, San José, Soriano, Tacuarembó y Treinta y Tres. Asimismo, resulta llamativo que la concentración en la edad 31 se presente fuertemente entre los nacimientos de madres sin hijos anteriores.
Dado que la edad de la madre es una variable básica para el análisis de las tendencias en materia de la fecundidad de la población, y que la producción de tabulados a partir de la variable original puede inducir a errores de análisis e interpretación, el INE generó una nueva variable para los microdatos de 1999 y 2000 que corrige el problema descrito. Esta nueva variable que acompañará los microdatos lleva como nombre “edadm_ajustada”.
El método utilizado consistió en la identificación del subconjunto de casos con error, a partir de la siguiente condición: que la edad de la madre sea de 31 o 36 años, que el nacimiento haya ocurrido en los departamentos mencionados y que la paridez de la madre sea 0, 1 o 2.
El procedimiento se aplica primero para las mujeres de paridez 0 y luego se replica para las mujeres de paridez 1 y 2, no viéndose afectado el total de casos al interior de cada distribución de paridez. Los pasos seguidos para la imputación de la edad materna fueron los siguientes:
· Se seleccionó el universo de madres con edad 31 y 36 años y con paridad 0.
· Se generaron números aleatorios con una uniforme entre 0 y 1. La cantidad de números generados corresponde a la cantidad de madres de 31 y 36 años con paridad 0 y de los departamentos “problemáticos”. El número aleatorio se asocia a la fila de la base de datos de la madre de 31 o 36 años y paridad 0.
· Se determinó la cantidad de edades a imputar. Se calculó el porcentaje de filas a imputar como el coeficiente entre la cantidad a imputar y el universo fijado anteriormente. La cantidad a imputar se determinó en función de obtener la distribución de edades similares a los años 1996 y 1997 para el año 1999 y 2001 y 2002 para el año 2000.
· A los efectos de determinan cuáles son las filas a imputar se chequea si el número aleatorio correspondiente, asociado a la fila, es menor al coeficiente hallado en el punto anterior. Si es menor, la fila es candidata a la imputación y se llena su valor con NA (dato faltante). De esta forma, la variable edadm tiene valores con NA y valores originales.
· Para imputar la edad materna se usa la función na.locf de la biblioteca zoo del software R. La función imputa el valor faltante, el NA, con el dato inmediato anterior (o inmediato posterior, según se establezca). (Se probaron ambas alternativas y la distribución no tiene grandes cambios).
· El insumo para la función es la variable edadm, que está completa con datos originales y NA según lo establecido anteriormente. El uso de esta función es válido en la medida que la distribución de NA en las edades 31 y 36 de paridad 0 es aleatoria (no presenta ningún patrón especial) y la forma de llenado no genera problemas en la distribución global.
· Se crea la variable edadm_ajustada = na. (edadm)
Se aclara a los usuarios que este procedimiento fue aplicado para corregir la edad de la madre pero no la edad del padre, dado que esta última es una variable que presenta una elevada proporción de casos con información ignorada.
