Ítem
Acceso Abierto

Impact of the collection mode on labor income data. A study in the times of COVID-19

Mostrar el registro sencillo de la publicación
dc.contributor.gruplacGrupo de investigaciones. Facultad de Economía. Universidad del Rosarioes
dc.creatorGarcía Suaza, Andrés Felipe
dc.creatorLobo, José
dc.creatorMontoya, Sergio
dc.creatorOrdoñez-Herrera, Juan
dc.creatorOviedo Arango, Juan Daniel
dc.date.accessioned2022-09-14T21:36:12Z
dc.date.available2022-09-14T21:36:12Z
dc.date.created2022-09-13
dc.date.issued2022-09-14
dc.descriptionEl estricto confinamiento implementado por el Gobierno Nacional de Colombia para contener la expansión de la pandemia provocada por el COVID-19 generó desafíos en las operaciones de recolección de datos a través de encuestas de hogares. En consecuencia, las encuestas con la modalidad de recolección presencial migraron a una modalidad remota, a través de encuestas telefónicas, lo que pudo haber cambiado los posibles sesgos de reporte de variables como los ingresos. Este trabajo estudia el efecto del cambio en el modelo de recolección de información en la Gran Encuesta Integrada de Hogares (Gran Encuesta Integrada de Hogares) de Colombia sobre el reporte de ingresos laborales. Para ello, aprovechamos la variación geográfica en la implementación de métodos de recolección y una integración de la encuesta con un registro administrativo de seguridad social para cuantificar la variación en el reporte.es
dc.description.abstractThe strict confinement implemented by the National Government of Colombia to contain the expansion of the pandemic caused by COVID-19 generated challenges in data collection operations through household surveys. As a result, the surveys with face-to-face collection methods migrated to a remote mode, through telephone surveys, which could have changed the possible reporting biases of variables, such as income. This paper studies the effect of the change in the information collection model in the Great Integrated Household Survey (Gran Encuesta Integrada de Hogares) of Colombia on the report of labor income. To do this, we exploit the geographical variation in implementing collection methods and an integration of the survey with a social security administrative record to quantify the variation on the report.es
dc.format.extent30 ppes
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_35991
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/35991
dc.language.isoenges
dc.publisherUniversidad del Rosario
dc.publisher.departmentFacultad de Economía
dc.relation.urihttps://ideas.repec.org/p/col/000092/020396.html
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccesses
dc.rights.accesoAbierto (Texto Completo)es
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.source.bibliographicCitationAbowd, J. M., & Stinson, M. H. (2013). Estimating measurement error in annual job earnings: A comparison of survey and administrative data. Review of Economics and Statistics, 95(5), 1451– 1467.es
dc.source.bibliographicCitationAngel, S., Disslbacher, F., Humer, S., & Schnetzer, M. (2019). What did you really earn last year?: explaining measurement error in survey income data. Journal of the Royal Statistical Society: Series A (Statistics in Society), 182(4), 1411–1437.es
dc.source.bibliographicCitationAngel, S., Heuberger, R., & Lamei, N. (2018). Differences between household income from surveys and registers and how these affect the poverty headcount: Evidence from the Austrian SILC. Social Indicators Research, 138(2), 575–603.es
dc.source.bibliographicCitationBollinger, C. R. (1998). Measurement error in the current population survey: A nonparametric look. Journal of Labor Economics, 16(3), 576–594.es
dc.source.bibliographicCitationBound, J., Brown, C., Duncan, G. J., & Rodgers, W. L. (1994). Evidence on the validity of crosssectional and longitudinal labor market data. Journal of Labor Economics, 12, 345–368.es
dc.source.bibliographicCitationBound, J., Brown, C., & Mathiowetz, N. (2001). Measurement error in survey data. In: Handbook of econometrics (Vol. 5, pp. 3705–3843). Elsevier.es
dc.source.bibliographicCitationBound, J., & Krueger, A. B. (1991). The extent of measurement error in longitudinal earnings data: Do two wrongs make a right?. Journal of labor economics, 9(1), 1-24.es
dc.source.bibliographicCitationBowling, A. (2005). Mode of questionnaire administration can have serious effects on data quality. Journal of public health, 27(3), 281-291.es
dc.source.bibliographicCitationBurton, J., Crossley, T. F., Fisher, P., Gaia, A., & Jäkle, A. (2020). Understanding and reducing income reporting error in household survey (No. 2020-01). Understanding Society at the Institute for Social and Economic Research.es
dc.source.bibliographicCitationCaeyers, B., Chalmers, N., & Weerdt, J. (2010). A Comparison of CAPI and PAPI through a Randomized Field Experiment. Available at SSRN 1756224.es
dc.source.bibliographicCitationCanberra Group. (2011). Canberra Group Handbook on Household Income Statistics. United Nations.es
dc.source.bibliographicCitationChesher, A., & Schluter, C. (2002). Welfare measurement and measurement error. The Review of Economic Studies, 69(2), 357-378.es
dc.source.bibliographicCitationConsolini, P., & Donatiello, G. (2013). Improvements of data quality through the combined use of survey and administrative sources and micro simulation model. M. Jäntti, 1000, 125-139.es
dc.source.bibliographicCitationde Leeuw, E. D. (1992). Data quality in mail, telephone and face to face surveys. TT Publikaties, Plantage Daklaan 40, 1018CN Amsterdam.es
dc.source.bibliographicCitationDepartamento Nacional de Estadísticas [DANE]. (2020). Comunicado de Prensa – Acciones para garantizar la continuidad de la Gran Encuesta Integrada de Hogares (GEIH).es
dc.source.bibliographicCitationEconomic and Social Research Council [ESRC]. (2019). ESRC Question Bank FACTSHEET 6. https://www.ukdataservice.ac.uk/use-data/guides/methods-and-software-guideses
dc.source.bibliographicCitationEconomic Commission for Latin America and the Caribbean [ECLAC]. (2020). Recommendations for eliminating selection bias in household surveys during the coronavirus disease (COVID-19 pandemic).es
dc.source.bibliographicCitationEllis, C. H., & Krosnick, J. A. (1999). Comparing telephone and face to face surveys in terms of sample representativeness: a Meta-Analysis of Demographics Characteristics. Universidad de Michigan, NES.es
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectEncuestas de hogares en Colombiaes
dc.subjectSesgo de mediciónes
dc.subjectIngresos laboraleses
dc.subjectDatos administrativoses
dc.subjectCOVID-19es
dc.subject.ddcEconomíaes
dc.subject.jelC83es
dc.subject.jelC81es
dc.subject.jelJ31es
dc.subject.keywordHousehold surveyses
dc.subject.keywordMeasurement biases
dc.subject.keywordLabor incomees
dc.subject.keywordAdministrative dataes
dc.subject.keywordCOVID-19es
dc.subject.keywordColombiaes
dc.titleImpact of the collection mode on labor income data. A study in the times of COVID-19es
dc.typeworkingPaperes
dc.type.hasVersioninfo:eu-repo/semantics/draft
dc.type.spaDocumento de trabajoes
local.department.reportFacultad de Economíaes
Archivos
Bloque original
Mostrando1 - 2 de 2
Miniatura
Nombre:
index285.html
Tamaño:
223 B
Formato:
Hypertext Markup Language
Descripción:
Descargar
Miniatura
Nombre:
dt285R.pdf
Tamaño:
972.08 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Documentos de trabajo economía