📊 statistics

HICM: An approach towards Harmonizing Indian Census Migration data and its applications

Este artículo presenta HICM, un marco centrado en los datos diseñado para armonizar y corregir los sesgos sistemáticos en los datos de migración del censo indio, mejorando así su calidad y fiabilidad para el análisis longitudinal y la formulación de políticas.

Autores originales: Nivedita Batra, Chiranjoy Chattopadhyay, Mayurakshi Chaudhuri

Publicado 2026-04-15

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Nivedita Batra, Chiranjoy Chattopadhyay, Mayurakshi Chaudhuri

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que el censo de la India es como un gigantesco álbum de fotos de la familia india, tomado cada diez años. En este álbum, hay una sección especial que intenta contar cuántas personas se han mudado de una ciudad a otra, de un estado a otro.

El problema es que este álbum tiene hojas arrancadas, fotos borrosas y nombres escritos de formas diferentes en cada década. Si intentas hacer un álbum de recortes (un análisis) con estas fotos desordenadas, tu historia final será confusa y probablemente incorrecta.

Los autores de este paper, Niveditta, Chiranjoy y Mayurakshi, han creado una herramienta llamada HICM (una especie de "restaurador digital" o "maestro de la armonía") para arreglar este álbum antes de que alguien intente contar las historias.

Aquí te explico cómo funciona, usando analogías sencillas:

1. El Problema: El Álbum Desordenado

El censo indio tiene tres grandes problemas que hacen que los datos de migración sean poco fiables:

Las "Fichas Perdidas" (Datos Desconocidos): A veces, la gente no sabe decir de dónde vino exactamente o cuánto tiempo lleva viviendo en su nuevo hogar. Es como si en el álbum de fotos, a algunas personas les faltara la etiqueta que dice "¿De dónde venías?" o "¿Desde cuándo estás aquí?".
- El problema: Si ignoras estas fichas, pierdes información importante. Si las inventas al azar, puedes distorsionar la realidad.
La "Foto Faltante" (Inconsistencia de Cobertura): En 1991, hubo un problema político en el estado de Jammu y Cachemira, por lo que no se tomó la foto de las personas que llegaron allí. Pero en 2001 y 2011, sí se tomaron.
- El problema: Si comparas 1991 con 2001, es como comparar una foto de una familia donde falta un hermano con una foto donde todos están. No es justo.
El "Alfabeto Confuso" (Inconsistencia de Nombres): En 1991, los estados estaban numerados en orden alfabético (Andhra Pradesh era el 1, Bengala el 25). En 2001 y 2011, están numerados por geografía (Jammu y Cachemira es el 1). Además, algunos estados cambiaron de nombre (como "Orissa" que ahora es "Odisha").
- El problema: Es como si en 1991 llamaras a tu amigo "Juan" y en 2011 lo llamaras "Juanito", y en tu lista de contactos de 1991 lo pusieras en la posición 1, pero en la de 2011 en la posición 50. Una computadora se confundiría y pensaría que son dos personas distintas.

2. La Solución: El "Restaurador HICM"

Los autores proponen un proceso de tres pasos para arreglar el álbum:

Paso 1: Unificar el Lenguaje (Armonización)

Primero, ponen orden en la casa.

Analogía: Es como traducir todos los nombres de los estados a su nombre actual y reordenar las fichas para que todos sigan el mismo sistema de numeración (el geográfico). Ahora, "Orissa" se convierte en "Odisha" y todos los estados tienen el mismo número en todas las décadas.

Paso 2: Rellenar los Huecos (Imputación)

Aquí es donde usan la magia de las matemáticas para "adivinar" lo que falta de forma inteligente.

Para Jammu y Cachemira (1991): Como no tienen la foto de 1991, miran las fotos de 2001 y 2011. Observan que la gente que se mudó a Jammu en 2001 y 2011 venía de lugares similares. Usan una regla de proporción (como un pastel) para estimar cuánta gente probablemente llegó en 1991 basándose en cómo se comportó el flujo en los años siguientes. Es como reconstruir una parte rota de un mosaico usando las piezas de los años vecinos.
Para los "Sin Etiqueta" (Duración y Origen):
- Si alguien no sabe cuánto tiempo lleva viviendo allí, el equipo asume una regla sociológica: es más probable que la gente nueva (recién llegada) olvide decir cuánto tiempo lleva. Por lo tanto, distribuyen esas "fichas sin etiqueta" hacia los grupos de "menos de 1 año" o "pocos años", en lugar de repartirlas al azar.
- Si no saben de dónde vinieron, los distribuyen proporcionalmente entre los lugares de origen que sí se conocen, manteniendo el equilibrio del pastel.

3. El Resultado: Un Álbum Perfecto

Después de aplicar HICM, tienen tres conjuntos de datos (1991, 2001, 2011) que ahora son iguales en estructura y calidad.

¿Qué ganan con esto? Ahora pueden dibujar mapas de migración (redes) que conectan los estados.
El hallazgo: Al usar los datos arreglados, descubrieron que la migración entre estados ha crecido un 30% cada década. También vieron que ciertos grupos de estados se mueven juntos como "comunidades" (como amigos que siempre viajan juntos), y que estas comunidades son estables y reales, no artefactos de datos mal escritos.

En Resumen

Imagina que el censo de migración de la India era un rompecabezas donde faltaban piezas, algunas piezas tenían la imagen de otro rompecabezas y otras estaban rotas.

HICM es el manual y las herramientas que permiten:

Limpiar las piezas.
Inventar las piezas faltantes basándose en cómo encajan las piezas vecinas.
Asegurarse de que el rompecabezas final tenga la misma forma en 1991, 2001 y 2011.

Gracias a esto, los políticos y planificadores urbanos pueden tomar decisiones basadas en una historia real y clara sobre cómo se mueve la gente en la India, en lugar de adivinar con datos rotos.

A continuación se presenta un resumen técnico detallado del artículo "HICM: AN APPROACH TOWARDS HARMONIZING INDIAN CENSUS MIGRATION DATA AND ITS APPLICATIONS" (HICM: Un enfoque hacia la armonización de los datos de migración del censo indio y sus aplicaciones), traducido y estructurado al español.

Resumen Técnico: HICM

1. Problema Identificado

El análisis fiable de la migración en India depende críticamente de la calidad y consistencia de los datos del Censo. A pesar de ser un recurso longitudinal rico (con datos decenales desde hace más de tres décadas), los datos de migración interna presentan sesgos sistemáticos e inconsistencias que comprometen los análisis temporales y de redes. El artículo identifica tres categorías principales de problemas en los datos de los censos de 1991, 2001 y 2011:

Mediciones Inclasificables y Desconocidas:
- Origen no clasificado: Existe un subconjunto de migrantes cuya "última residencia" es desconocida (menos del 1% del total), lo que genera subregistros en el balance de migración neta.
- Duración de estancia desconocida: Una proporción significativa de migrantes (entre el 8% y el 16%) carece de datos sobre la duración de su estancia. Esto afecta el análisis de patrones de movilidad temporal.
Inconsistencia en la Cobertura (1991): El censo de 1991 excluyó a Jammu y Cachemira (J&K) debido a la inestabilidad política, mientras que los censos de 2001 y 2011 la incluyen. Esto crea un sesgo de representación y rompe la continuidad en los pares origen-destino para análisis longitudinales.
Inconsistencias de Nomenclatura e Indexación:
- Indexación: El índice numérico de los estados en 1991 era alfabético, mientras que en 2001 y 2011 es geográfico, lo que provoca errores computacionales silenciosos si no se corrige.
- Nombres: Variaciones en los nombres de los estados (ej. "Orissa" vs. "Odisha", "Pondicherry" vs. "Puducherry").
- Estructura de datos: El dataset de 1991 carecía de columnas de totales agregados, dificultando la comparación directa y la validación de sumas.

2. Metodología: El Marco HICM

Los autores proponen HICM, un marco centrado en los datos que utiliza estrategias de preprocesamiento, mitigación y validación basadas en diagnósticos estadísticos. El flujo de trabajo se divide en tres etapas principales:

A. Mitigación de Inconsistencias de Nomenclatura e Indexación:

Estandarización de los índices numéricos de los estados para alinear el dataset de 1991 con los de 2001 y 2011 (basado en la ubicación geográfica).
Normalización de los nombres de los estados a sus identificadores actuales.
Adición de columnas de totales agregados al dataset de 1991 para garantizar consistencia dimensional.

B. Mitigación de Inconsistencias de Cobertura (Imputación de J&K en 1991):

Para estimar los flujos de entrada a Jammu y Cachemira en 1991, se utiliza un Algoritmo de Suavizado de Ratios Temporales (Temporal Ratio Smoothing).
Se asume que las conexiones origen-destino cambian gradualmente. Se calcula un ratio de migración de salida suavizado ( $\tilde{R}_i$ ) como la media geométrica de los ratios entre 1991-2001 y 2001-2011 para cada estado de origen.
Se proyectan hacia atrás los flujos de 2001 utilizando este ratio para estimar los datos faltantes de 1991, preservando la estructura de las redes de migración.

C. Redistribución de Mediciones Desconocidas (Imputación):

Migrantes Inclasificables: Se redistribuyen proporcionalmente a los lugares de última residencia conocidos, basándose en la relación entre el flujo de migrantes desde un origen específico y el total de migrantes en el destino. Esto preserva el volumen total de migrantes.
Duración de Estancia Desconocida: Dado que la falta de datos persiste en todas las décadas, no se puede usar interpolación temporal directa. En su lugar, se aplica una asunción sociológica: los migrantes recientes tienen más probabilidades de tener datos de duración omitidos.
- Se define un vector de pesos fijos ( $w$ ) con decaimiento exponencial ( $w_1 \ge w_2 \ge ... \ge w_5$ ), asignando mayor peso a las categorías de corta duración (<1 año, 1-4 años).
- Los migrantes con "duración no declarada" se redistribuyen a los 5 intervalos de tiempo según estos pesos, manteniendo el conteo total de migrantes.

3. Contribuciones Clave

Perfilado de Sesgos: Es el primer trabajo que identifica y formaliza sistemáticamente dos tipos de sesgos (medición y representatividad) en tres décadas de datos de migración interestatal india.
Estrategias Matemáticas de Armonización: Propone métodos específicos (suavizado de ratios temporales y redistribución ponderada) para corregir estos vacíos sin alterar las restricciones globales de los datos del censo.
Conjunto de Datos Armonizado: Genera versiones limpias y completas de los datos de migración interestatal para 1991, 2001 y 2011, listas para análisis de redes y series temporales.

4. Resultados Experimentales

La validación de las estrategias de armonización mostró los siguientes resultados:

Consistencia Temporal: La imputación de los datos de entrada para J&K en 1991 resultó en una distribución de datos (visualizada mediante gráficos de violín) que se superpone suavemente con las distribuciones de 2001 y 2011, sin discontinuidades abruptas. La cuota de migrantes de J&K estimada para 1991 fue del 0.399%, coherente con el 0.57% (2001) y 0.62% (2011).
Preservación de la Distribución: Tras redistribuir los migrantes "inclasificables" y de "duración desconocida", los estadísticos descriptivos (media, desviación estándar, cuartiles Q1, Q2, Q3) de las distribuciones de entrada y salida se mantuvieron prácticamente idénticos. La imputación añadió completitud sin distorsionar la estructura subyacente de los datos.
Análisis de Redes:
- Se construyeron redes de migración interestatal para las tres décadas.
- Se observó un aumento del ~30% en el peso promedio de las aristas por década.
- Detección de Comunidades: El algoritmo de Louvain identificó 3 comunidades en 1991 y 4 en 2001/2011. La armonización permitió detectar cambios estructurales en las comunidades de migrantes a lo largo del tiempo, algo que sería difícil con datos crudos y sesgados.
- Maharashtra se mantuvo como el principal receptor y Uttar Pradesh como el principal emisor de migrantes en todas las décadas.

5. Significado e Impacto

El marco HICM es fundamental para:

Investigación Académica: Permite realizar análisis longitudinales robustos y comparaciones justas entre décadas, eliminando artefactos causados por cambios administrativos o errores de recolección.
Políticas Públicas: Proporciona una base de datos fiable para planificadores urbanos y formuladores de políticas que necesitan entender las desigualdades regionales y los patrones de desplazamiento.
Ciencia de Redes: Mejora la validez de métricas derivadas de redes (centralidad, asimetría de flujo, estructura comunitaria) que son sensibles a la falta de datos o a la asignación incorrecta de flujos.
Reproducibilidad: Ofrece un enfoque transparente y reproducible para la corrección de datos censales, estableciendo un estándar para futuros análisis de datos demográficos en India y otros contextos similares.

En conclusión, HICM transforma datos censales crudos y fragmentados en un recurso longitudinal coherente, facilitando un análisis más profundo y preciso de la dinámica de la migración interna en la India.