Algunas medidas de pérdida de información en la anonimización en bases de datos de estadísticas oficiales: un caso de aplicación

Abstract

Existe en la actualidad un aumento significativo en la demanda de información por parte de los usuarios. Esto se debe, entre otros motivos, a las posibilidades de analizar conjuntos de datos que provienen de censos, encuestas y registros administrativos. Una de las dificultades que poseen los organismos generadores de esta información es preservar el secreto estadístico, es decir, que no sea posible la identificación de las unidades de análisis que forman parte de los operativos, a partir de los datos publicados. Por este motivo, el INDEC publica bases de datos usuario eliminando la información de la ubicación geográfica y variables relacionadas a los diseños muestrales lo cual imposibilitaría realizar análisis de datos apropiados. Por otra parte, hay muy pocos estudios publicados sobre la anonimización de bases de datos en los organismos oficiales de estadística a nivel mundial, y en particular en Argentina. El presente trabajo constituye un nuevo aporte, resultado de la continuación de estudios realizados sobre el tema por los autores, que contribuye a la sociabilización de la temática, considerando algunas medidas de pérdida de información relacionadas con el estudio del riesgo de divulgación y distintas técnicas de anonimización. Se presentan estas medidas en un caso de aplicación a una base preliminar correspondiente a la Encuesta Nacional de Gastos en Hogares (ENGHo). Se concluye que estas medidas dependen de las regulaciones de cada país, de las características propias de la temática en cuestión y del grado de modificación de los datos originales