Core ConceptIndicadores6 min read

Desagregación

El desglose de datos agregados por características de subgrupos, como sexo, edad, ubicación o estado de vulnerabilidad, para revelar inequidades y diferencias en el alcance y los resultados del programa.

Cuando Usar

La desagregación debe integrarse en todo sistema de monitoreo donde la equidad sea relevante — lo cual es virtualmente todos los programas de desarrollo y humanitarios. Se vuelve obligatorio cuando:

  • Los donantes requieren datos desagregados por sexo (USAID exige desagregación por sexo para todos los indicadores de desempeño; EU la requiere bajo el Plan de Acción de Género)
  • El programa tiene como objetivo subgrupos específicos (mujeres, niños, personas con discapacidad, minorías étnicas)
  • La teoría del cambio tiene como objetivo explícito reducir las inequidades
  • El monitoreo anterior ha mostrado que las mejoras agregadas enmascararon las disparidades

La desagregación no es solo una práctica técnica — es un compromiso de equidad operacionalizado en los sistemas de datos.

Cómo Funciona

Paso 1: Identificar variables de desagregación requeridas y significativas

No todos los indicadores necesitan todas las variables de desagregación. Decida qué variables son obligatorias (requisitos de donantes), cuáles son relevantes para el programa (edad para un programa juvenil), y cuáles son analíticamente significativas (ubicación para intervenciones dirigidas geográficamente). Las variables de desagregación estándar incluyen:

  • Sexo (obligatorio para la mayoría de donantes): masculino, femenino, otro/no desea decir
  • Grupo de edad: niño (0-17), joven (15-24), adulto (25-59), adulto mayor (60+)
  • Ubicación geográfica: distrito, urbano/rural, zona del programa
  • Estado de riqueza/vulnerabilidad: quintil de riqueza, estado de seguridad alimentaria, estado de desplazamiento
  • Estado de discapacidad: categorías del modelo de encuesta de discapacidad de WHO

Paso 2: Diseñar la recolección de datos para capturar datos de subgrupos

La desagregación requiere que los instrumentos de recolección de datos capturen las variables de subgrupos para cada encuestado o unidad de análisis. Esto significa agregar preguntas demográficas a las encuestas, asegurando que los listados capturen sexo y edad, y capacitar a los encuestadores en la categorización consistente.

Paso 3: Integrar la desagregación en el plan de análisis

Especifique qué indicadores serán analizados por qué variables. Documente esto en el plan de M&E y asegúrese de que el sistema de gestión de datos pueda producir tablas desagregadas.

Paso 4: Informar y actuar sobre hallazgos desagregados

Los datos desagregados no tienen valor si permanecen en hojas de cálculo. Incluya tablas desagregadas en los informes del programa y señale disparidades significativas. Cuando la desagregación revela que las mujeres, los niños o un grupo geográfico particular están teniendo un rendimiento inferior en relación con el agregado, trate esto como una señal de gestión del programa que requiere respuesta.

Componentes Clave

  • Plan de desagregación — especificando qué variables se recopilarán y qué indicadores se desagregarán
  • Diseño de instrumento de recolección de datos — asegurando que las variables demográficas se recopilen para todos los encuestados
  • Plantillas de informes — tablas estándar que muestran resultados agregados y desagregados lado a lado
  • Orientación de umbral mínimo — el tamaño de muestra de subgrupo mínimo por debajo del cual no se reportan resultados desagregados (típicamente n ≥ 30)
  • Análisis de equidad — comparación de resultados entre subgrupos para identificar y abordar disparidades

Mejores Prácticas

Desagregar por sexo como mínimo. La desagregación por sexo es el requisito más universal y el más comúnmente faltante. Si solo puede hacer una desagregación, comience aquí.

Recopilar datos en el nivel adecuado para la desagregación. Los datos agregados del hogar no pueden desagregarse a los resultados individuales de las mujeres. Diseñe la recolección de datos a nivel individual si se requiere desagregación individual.

Ser consistente en todos los puntos temporales. Las categorías de desagregación deben ser idénticas en la línea de base, la línea media y la línea final para permitir la comparación.

Muestrear teniendo en cuenta los subgrupos. Si un subgrupo constituye solo el 5% de la población pero necesita resultados estadísticamente significativos para ellos, necesita sobremuestrear ese grupo. El muestreo aleatorio de la población completa no producirá tamaños de muestra de subgrupo adecuados.

Reportar disparidad, no solo números desagregados. Decir "el 60% de las mujeres y el 75% de los hombres lograron el resultado" es más útil que listar ambos números en columnas separadas sin comentario.

Errores Comunes

Recopilar variables de desagregación pero no analizarlas. Muchos programas registran diligentemente sexo y edad en la recolección de datos pero producen solo números agregados en el análisis. Integre el análisis desagregado en la plantilla de informes para que no pueda omitirse.

Tamaños de muestra de subgrupo insuficientes. Cuando un subgrupo tiene menos de 30 encuestados, las conclusiones estadísticas no son confiables. Planifique tamaños de muestra para permitir un análisis significativo de subgrupos.

Demasiadas variables de desagregación. Desagregar cada indicador por sexo, edad, ubicación y riqueza simultáneamente es analíticamente valioso pero prácticamente abrumador. Priorice qué indicadores necesitan qué desagregación basándose en los objetivos de equidad del programa.

Ejemplos

Programa de salud, África subsahariana. Un programa de prevención del VIH financiado por PEPFAR reportó tasas agregadas de pruebas de VIH en el Año 1 que parecían fuertes (68% de la población objetivo probada). La desagregación por grupo de edad reveló que las tasas de prueba entre los de 15-24 años fueron solo del 41% — muy por debajo de la meta del programa — mientras que las tasas entre adultos de 25-49 años fueron del 82%. Este hallazgo impulsó actividades de participación juvenil dirigidas que elevaron las tasas de prueba juvenil al 67% para el Año 2.

Programa de educación, Asia meridional. Un programa de educación de niñas financiado por UNICEF en Pakistan desagregó los datos de asistencia escolar por quintil de riqueza además del sexo. Los datos revelaron que las niñas del quintil más pobre tenían tasas de asistencia 30 puntos porcentuales más bajas que las niñas del quintil medio, a pesar de que el programa proporcionaba estipendios a todas las niñas. La investigación reveló que los retrasos en el pago de los estipendios afectaban desproporcionadamente a las aldeas más remotas — un problema logístico que se corrigió en el período subsiguiente.

Temas Relacionados