¿Se aprende a registrar? Aprendizaje contable con el uso de Mi Diario Financiero
Errores de registro y su evolución con las quincenas de uso
Helen Granados Rodríguez — SDDE / ODEB
2026-10-16
Pregunta. A medida que una empresa usa Mi Diario Financiero (MDF) quincena tras quincena, ¿registra mejor? Es decir, ¿bajan los errores de registro contable — tipo de movimiento invertido, campos sin diligenciar, montos imposibles, registro tardío — y, cuando una empresa comete un error, deja de repetirlo en las 2 o 4 quincenas siguientes?
Prerrequisitos. Este cuaderno lee la base cruda
Base_Anonimizada_de_Ingresos_Gastos.xlsx(noig_limpia.csv, porque la limpieza ya corrigió algunos de los errores que aquí se quieren medir, por ejemplo Ventas registradas como Salida) y la caracterización limpiacar_limpia.csv(producida porlimpieza_caracterizacion.Rmd), solo para el sector y las variables de heterogeneidad.
0. Librerías, parámetros y funciones
library(tidyverse) # manipulación y visualización (incluye lubridate)
library(readxl) # lectura de Excel
library(scales) # formato de ejes
library(knitr) # tablas
library(kableExtra) # formato de tablas
library(patchwork) # combinar gráficas
library(sandwich) # errores agrupados por empresa (vcovCL)
library(lmtest) # coeftest
# Paleta institucional (la misma de analisis_MDF_v2_1)
COL_POS <- "#1baf7a"
COL_NEG <- "#e34948"
COL_AZUL <- "#1A5276"
COL_GRIS <- "#898781"# ── Parámetros del análisis (cambiar aquí, no dentro del código) ─────────────
FECHA_CORTE <- as.Date("2026-08-13") # igual que limpieza_MDF.Rmd
DIAS_TARDIO <- 30 # registro tardío: cargado > 30 días después de la transacción
K_TOPE_CURVA <- 8 # en las curvas, k >= K_TOPE_CURVA se agrupa
K_TOPE_DUMMY <- 6 # en el modelo con dummies, k >= K_TOPE_DUMMY se agrupa
MIN_Q_FIJO <- 6 # panel fijo: empresas con al menos 6 quincenas de uso
HORIZONTES <- c(2, 4) # ventanas de no repetición (quincenas de uso siguientes)
# ── Formato colombiano: miles con punto, decimales con coma ─────────────────
options(knitr.kable.NA = "—")
fmt <- function(x, d = 2) {
out <- formatC(round(x, d), format = "f", digits = d, big.mark = ".", decimal.mark = ",")
out[is.na(x)] <- "—"
out
}
fmt_pct <- function(x, d = 1) ifelse(is.na(x), "—", paste0(fmt(100 * x, d), "%"))
fmt_pp <- function(x, d = 1) ifelse(is.na(x), "—", paste0(ifelse(x > 0, "+", ""), fmt(100 * x, d), " pp"))
fmt_p <- function(p) case_when(is.na(p) ~ "—", p < 0.001 ~ "< 0,001", TRUE ~ fmt(p, 3))
fmt_ic <- function(lo, hi, d = 1) ifelse(is.na(lo) | is.na(hi), "—",
paste0("[", fmt(100 * lo, d), "; ", fmt(100 * hi, d), "]"))
estilo <- function(k, ...) kable_styling(k, bootstrap_options = c("striped", "hover"), ...)
es_sig <- function(p) !is.na(p) & p < 0.05
# ── Modelos lineales con errores agrupados por empresa ───────────────────────
# Modelo de probabilidad lineal con efectos fijos de empresa (dummies) y,
# opcionalmente, de mes calendario. Devuelve una fila por término pedido.
ajustar <- function(formula, datos, terminos, nombre) {
m <- lm(formula, data = datos)
usadas <- datos[as.integer(rownames(model.frame(m))), ] # filas sin NA que entran al modelo
ct <- coeftest(m, vcov. = vcovCL(m, cluster = usadas$ID, type = "HC1"))
map_dfr(terminos, function(t) {
if (!t %in% rownames(ct)) {
return(tibble(Modelo = nombre, termino = t, coef = NA_real_, ee = NA_real_, p = NA_real_))
}
tibble(Modelo = nombre, termino = t, coef = ct[t, 1], ee = ct[t, 2], p = ct[t, 4])
}) %>%
mutate(ic_lo = coef - 1.96 * ee, ic_hi = coef + 1.96 * ee,
obs = nobs(m), empresas = n_distinct(datos$ID))
}
# Índice calendario de quincena (igual que analisis_MDF_v2_1): 1–15 y 16–fin de mes
q_index <- function(d) (year(d) - 2024) * 24 + (month(d) - 1) * 2 + if_else(day(d) <= 15, 1, 2)1. Estrategia en una página
- Base sin corregir. Se reconstruye la base de
transacciones aplicando solo los pasos de
limpieza_MDF.Rmdque no tocan el contenido del registro: duplicados exactos (Capa 1), re-ingestas de lotes (Capa 2), fechas futuras e IDs nulos. Se conservan elTipo, laCategoría, elMétodo de Pago, laCuentay elMontotal como los dejó la empresa. - Errores observables. Se define un catálogo de errores que se pueden leer en la base y que dependen de la empresa (no del sistema). Antes, se descartan los campos que llena la aplicación (sección 3.1).
- Experiencia. Para cada empresa, k = número de orden de la quincena de uso: k = 1 es la primera quincena con transacciones, k = 2 la segunda, etc. Cuenta quincenas usadas, no quincenas de calendario (una empresa que deja de registrar un mes no gana experiencia ese mes).
- Tres lecturas complementarias:
- Curva descriptiva: tasa de error promedio por k, con todas las empresas y con un panel fijo (empresas con ≥ 6 quincenas), para separar aprendizaje de composición.
- Modelo dentro de empresa: tasa de error de la empresa i en su quincena k contra log(k), con efectos fijos de empresa y de mes calendario. El efecto fijo de mes absorbe cambios de la aplicación que afectan a todos a la vez. Como k cuenta quincenas usadas, el efecto se identifica con las empresas que usan la app de forma intermitente (la experiencia acumulada difiere del tiempo transcurrido).
- No repetición: de las empresas que cometen un error, ¿qué proporción no lo vuelve a cometer en sus 2 y 4 quincenas de uso siguientes? Se compara con la probabilidad de cometerlo en ese mismo horizonte cuando no se cometió antes.
2. Base de trabajo
ig_raw <- read_excel("Base_Anonimizada_de_Ingresos_Gastos.xlsx", sheet = "Ingresos_Gastos")
car <- read_csv("car_limpia.csv", show_col_types = FALSE)
# ── Replica de los pasos de limpieza_MDF.Rmd que no alteran el contenido ─────
n0 <- nrow(ig_raw)
ig <- ig_raw %>% distinct() # Capa 1
n1 <- nrow(ig)
LLAVE <- c("ID", "Fecha de la transacción", "Tipo", "Monto", "Categoría", "Método de Pago")
ig <- ig %>%
arrange(`Fecha de cargue de información al sistema`) %>% # conservar el más antiguo
distinct(across(all_of(LLAVE)), .keep_all = TRUE) # Capa 2
n2 <- nrow(ig)
ig <- ig %>%
filter(as.Date(`Fecha de la transacción`) <= FECHA_CORTE, !is.na(ID))
# ── Fechas ───────────────────────────────────────────────────────────────────
parse_mdf <- function(x) {
x %>% str_replace_all("p\\. m\\.", "PM") %>% str_replace_all("a\\. m\\.", "AM") %>%
str_trim() %>% parse_date_time(orders = "d/m/y, I:M p", quiet = TRUE)
}
ig <- ig %>%
mutate(
fecha = as.Date(`Fecha de la transacción`),
cargue_dt = parse_mdf(`Fecha de cargue de información al sistema`),
q_idx = q_index(fecha),
mes = (q_idx - 1) %/% 2, # mes calendario de la transacción
q_cargue = if_else(is.na(cargue_dt), NA_real_, q_index(as.Date(cargue_dt))),
mes_cargue = floor_date(as.Date(cargue_dt), "month"),
dias_cargue = as.numeric(difftime(cargue_dt, as.POSIXct(fecha, tz = "UTC"), units = "days"))
) %>%
left_join(car %>% select(ID, Sector, Educación, `Registro de Facturas`, Presupuesto,
Perfil_Digital),
by = "ID")
tibble(
Paso = c("Base cruda", "Capa 1: filas idénticas", "Capa 2: re-ingestas de lotes",
"Fechas futuras e IDs nulos", "Base de trabajo (sin correcciones de contenido)"),
Filas = c(n0, n1, n2, NA, nrow(ig)),
Nota = c("", "", "", "", "Debe coincidir con las filas de ig_limpia.csv")
) %>%
mutate(Filas = fmt(Filas, 0)) %>%
kable(caption = "Tabla 1. Construcción de la base de trabajo") %>%
estilo(full_width = FALSE)| Paso | Filas | Nota |
|---|---|---|
| Base cruda | 19.309 | |
| Capa 1: filas idénticas | 16.721 | |
| Capa 2: re-ingestas de lotes | 13.179 | |
| Fechas futuras e IDs nulos | — | |
| Base de trabajo (sin correcciones de contenido) | 13.113 | Debe coincidir con las filas de ig_limpia.csv |
La base de trabajo tiene 13.113 transacciones de 564 empresas: las
mismas filas de ig_limpia.csv, pero con el contenido
original.
3. ¿Qué cuenta como un error de registro?
3.1 Lo que no se puede usar: campos que llena la aplicación
Antes de medir aprendizaje hay que separar los errores de la empresa de los “errores” del sistema. Si la aplicación cambia, la tasa de error cambia para todos al tiempo y eso se confunde con aprendizaje.
Fijo / Variable (Tipo de Gasto). La
idea de evaluar si un costo está bien clasificado como fijo o variable
no se puede aplicar: cada categoría tiene un único tipo
de gasto en toda la base (Tabla 2a). Es decir, el campo lo asigna la
aplicación a partir de la categoría, no la empresa. Por ejemplo,
Servicios públicos aparece siempre como Variable y
Arriendo siempre como Fijo.
tg_cat <- ig %>%
filter(Tipo == "Salida", !is.na(`Tipo de Gasto`), !is.na(Categoría)) %>%
group_by(Categoría) %>%
summarise(Transacciones = n(),
`Valores distintos de Tipo de Gasto` = n_distinct(`Tipo de Gasto`),
`Tipo de Gasto` = paste(sort(unique(`Tipo de Gasto`)), collapse = " / "),
.groups = "drop") %>%
arrange(desc(Transacciones))
tg_cat %>%
kable(caption = "Tabla 2a. Salidas: Tipo de Gasto según la categoría — un solo valor por categoría",
format.args = list(big.mark = ".")) %>%
estilo(full_width = FALSE) %>%
scroll_box(height = "350px")| Categoría | Transacciones | Valores distintos de Tipo de Gasto | Tipo de Gasto |
|---|---|---|---|
| Materia prima | 1.309 | 1 | Variable |
| Gastos personales | 1.072 | 1 | Variable |
| Mercancías | 617 | 1 | Variable |
| Suministros | 452 | 1 | Variable |
| Gastos Administrativos | 403 | 1 | Variable |
| Servicios tercerizados | 394 | 1 | Variable |
| Servicios públicos | 251 | 1 | Variable |
| Ahorro | 212 | 1 | Variable |
| Pago a empleados | 159 | 1 | Variable |
| Cuota de préstamo informal | 130 | 1 | Variable |
| Arriendo | 121 | 1 | Fijo |
| Mobiliario y maquinaria | 77 | 1 | Variable |
| Cuota de préstamo formal | 70 | 1 | Variable |
| Marketing y publicidad | 51 | 1 | Variable |
| Transporte | 38 | 1 | Variable |
| Impuestos | 20 | 1 | Variable |
| Gastos de software | 16 | 1 | Fijo |
| En seguros | 12 | 1 | Fijo |
| Ventas | 3 | 1 | Variable |
| Comisiones pagadas | 1 | 1 | Variable |
| Ventas de acciones | 1 | 1 | Variable |
0 de 21 categorías tienen más de un tipo de gasto.
Tipo de Gasto en entradas. Las entradas no deberían tener tipo de gasto, pero muchas lo tienen. Su frecuencia depende del mes en que se cargó la información (Tabla 2b), no de la empresa: es un valor por defecto del sistema que cambió con el tiempo. Tampoco sirve como error de la empresa.
ig %>%
filter(Tipo == "Entrada", !is.na(mes_cargue)) %>%
group_by(`Mes de cargue` = format(mes_cargue, "%Y-%m")) %>%
summarise(Entradas = n(),
`% con Tipo de Gasto` = fmt_pct(mean(!is.na(`Tipo de Gasto`))),
.groups = "drop") %>%
kable(caption = "Tabla 2b. Entradas con Tipo de Gasto asignado, por mes de cargue",
format.args = list(big.mark = ".")) %>%
estilo(full_width = FALSE)| Mes de cargue | Entradas | % con Tipo de Gasto |
|---|---|---|
| 2025-08 | 32 | 56,2% |
| 2025-09 | 49 | 100,0% |
| 2025-10 | 35 | 100,0% |
| 2025-11 | 43 | 53,5% |
| 2025-12 | 37 | 24,3% |
| 2026-01 | 269 | 94,8% |
| 2026-02 | 1.016 | 13,8% |
| 2026-03 | 917 | 47,4% |
| 2026-04 | 1.407 | 25,2% |
| 2026-05 | 1.469 | 10,0% |
| 2026-06 | 1.394 | 2,9% |
| 2026-07 | 578 | 0,0% |
Cuenta. Es texto libre con muchas variantes de escritura (“Negui”, “Dauplata”, “Billetera Moul”), que parecen errores de transcripción más que de contabilidad, y el campo deja de diligenciarse con el tiempo (Tabla 2c). Se usa solo de forma descriptiva (error E5 más abajo).
ig %>%
filter(!is.na(mes_cargue)) %>%
group_by(`Mes de cargue` = format(mes_cargue, "%Y-%m")) %>%
summarise(Transacciones = n(), `% con Cuenta diligenciada` = fmt_pct(mean(!is.na(Cuenta))),
.groups = "drop") %>%
kable(caption = "Tabla 2c. Diligenciamiento del campo Cuenta por mes de cargue",
format.args = list(big.mark = ".")) %>%
estilo(full_width = FALSE)| Mes de cargue | Transacciones | % con Cuenta diligenciada |
|---|---|---|
| 2025-08 | 77 | 77,9% |
| 2025-09 | 111 | 99,1% |
| 2025-10 | 81 | 98,8% |
| 2025-11 | 87 | 97,7% |
| 2025-12 | 79 | 92,4% |
| 2026-01 | 484 | 91,5% |
| 2026-02 | 1.970 | 71,1% |
| 2026-03 | 1.559 | 39,6% |
| 2026-04 | 2.406 | 31,6% |
| 2026-05 | 2.507 | 19,0% |
| 2026-06 | 2.595 | 21,6% |
| 2026-07 | 980 | 9,7% |
3.2 Catálogo de errores
| Código | Error | Definición operativa | Lectura contable |
|---|---|---|---|
| E1 | Tipo de movimiento inconsistente con la categoría | Entrada con categoría de gasto (Mercancías, Materia prima, Suministros, Gastos personales, Pago a empleados…); Salida con categoría de ingreso (Ventas, Préstamos formales, Premios, Cuentas por cobrar…); Arriendo como Entrada en empresas de Comercio, Industria o Agro | El movimiento está al revés (un gasto anotado como ingreso) o la categoría está mal elegida (una venta de mercancía anotada en Mercancías y no en Ventas). En ambos casos el estado de resultados queda mal |
| E2 | Categoría vacía o irreconocible | Categoría NA o texto que no corresponde a ninguna
cuenta (“CONACIÓN”, “Aperio”…) |
No clasifica el movimiento |
| E3 | Método de pago vacío | Método de Pago = NA |
No identifica por dónde entra o sale la plata |
| E4 | Monto imposible | Monto = $0 o menor a $1.000 | Probable omisión de los miles (“50” por “50.000”) |
| E5 | Método y cuenta contradictorios (descriptivo) | Pago en efectivo registrado en una cuenta digital o bancaria, o pago digital registrado en caja | Registra la plata en la cuenta equivocada |
| E6 | Registro tardío | Cargado más de 30 días después de la fecha de la transacción | Registro no oportuno: se reconstruye de memoria |
| Núcleo | Al menos un error E1–E4 | Indicador resumen de calidad del registro |
Quedan fuera, por ambiguas: Cuota de préstamo informal como entrada (puede ser un préstamo recibido), Donaciones, Comisiones y Premios como entrada (pueden ser ingresos reales), Servicios como salida y Arriendo como entrada en empresas de Servicios u Otros (pueden subarrendar). E6 no es un error de clasificación sino de oportunidad; se reporta aparte y no entra en el núcleo.
CAT_GASTO <- c("Materia prima", "Mercancías", "Suministros", "Servicios tercerizados",
"Gastos Administrativos", "Gastos personales", "Pago a empleados", "Compras",
"Proveedores", "Servicios públicos", "Transporte", "Impuestos", "En seguros",
"Gastos de software", "Marketing y publicidad", "Mobiliario y maquinaria",
"Gasto de Papelería")
CAT_INGRESO <- c("Ventas", "Ventas de acciones", "Préstamos formales", "Premios",
"Cuentas por cobrar")
CAT_IRRECONOCIBLE <- c("CONACIÓN", "Aperio", "Transferencia desde Naoqui")
SECT_SIN_ARRIENDO <- c("Comercio", "Industria", "Agro")
MET_DIGITAL <- c("Transferencias", "Bre-B", "Billetera digital", "QR", "Link de pagos",
"Consignación", "Tarjeta de débito", "Tarjeta de crédito")
cta <- str_to_lower(coalesce(ig$Cuenta, ""))
ig <- ig %>%
mutate(
# E1 y sus tres componentes
e1_gasto_como_entrada = Tipo == "Entrada" & Categoría %in% CAT_GASTO,
e1_ingreso_como_salida = Tipo == "Salida" & Categoría %in% CAT_INGRESO,
e1_arriendo_como_ingreso = Tipo == "Entrada" & Categoría %in% "Arriendo" &
Sector %in% SECT_SIN_ARRIENDO,
E1 = e1_gasto_como_entrada | e1_ingreso_como_salida | e1_arriendo_como_ingreso,
E2 = is.na(Categoría) | Categoría %in% CAT_IRRECONOCIBLE,
E3 = is.na(`Método de Pago`),
E4 = Monto < 1000,
# E5: solo donde la cuenta se identifica como caja o como digital/banco
cta_caja = str_detect(cta, "efecti|caja|cash"),
cta_digital = str_detect(cta, paste0("nequi|negui|negri|negú|negüi|daviplata|davipl|dauplata|",
"billetera|b digital|b\\. digital|bre-b|brc-b|bold|ahorro|",
"corriente|bancolombia|davivienda|banco|moul|houll")),
op_E5 = xor(cta_caja, cta_digital) &
(`Método de Pago` %in% c("Efectivo", MET_DIGITAL)),
E5 = op_E5 & ((`Método de Pago` == "Efectivo" & cta_digital) |
(`Método de Pago` %in% MET_DIGITAL & cta_caja)),
E6 = !is.na(dias_cargue) & dias_cargue > DIAS_TARDIO,
E_nucleo = E1 | E2 | E3 | E4
) %>%
select(-cta_caja, -cta_digital)
ERRORES <- c(E1 = "E1 Tipo inconsistente con la categoría",
E2 = "E2 Categoría vacía o irreconocible",
E3 = "E3 Método de pago vacío",
E4 = "E4 Monto imposible (< $1.000)",
E6 = "E6 Registro tardío (> 30 días)",
E_nucleo = "Núcleo: algún error E1–E4")
resumen_err <- function(v, etiqueta, datos = ig) {
x <- datos[[v]]
tibble(Error = etiqueta, Transacciones = sum(x), `% de transacciones` = mean(x),
Empresas = n_distinct(datos$ID[x]),
`% de empresas` = n_distinct(datos$ID[x]) / n_distinct(datos$ID))
}
tab_err <- bind_rows(
resumen_err("E1", "E1 Tipo inconsistente con la categoría"),
resumen_err("e1_gasto_como_entrada", " · gasto registrado como entrada"),
resumen_err("e1_ingreso_como_salida", " · ingreso registrado como salida"),
resumen_err("e1_arriendo_como_ingreso", " · arriendo como entrada (Comercio/Industria/Agro)"),
resumen_err("E2", ERRORES["E2"]),
resumen_err("E3", ERRORES["E3"]),
resumen_err("E4", ERRORES["E4"]),
resumen_err("E5", "E5 Método y cuenta contradictorios*", filter(ig, op_E5)),
resumen_err("E6", ERRORES["E6"]),
resumen_err("E_nucleo", ERRORES["E_nucleo"])
)
tab_err %>%
mutate(Transacciones = fmt(Transacciones, 0), `% de transacciones` = fmt_pct(`% de transacciones`),
`% de empresas` = fmt_pct(`% de empresas`)) %>%
kable(caption = "Tabla 3. Frecuencia de cada error en la base de trabajo") %>%
estilo(full_width = FALSE) %>%
footnote(general = paste0("* E5 se calcula solo sobre las ", fmt(sum(ig$op_E5), 0),
" transacciones con cuenta identificable como caja o como digital/banco."))| Error | Transacciones | % de transacciones | Empresas | % de empresas |
|---|---|---|---|---|
| E1 Tipo inconsistente con la categoría | 195 | 1,5% | 61 | 10,8% |
| · gasto registrado como entrada | 87 | 0,7% | 50 | 8,9% |
| · ingreso registrado como salida | 4 | 0,0% | 4 | 0,7% |
| · arriendo como entrada (Comercio/Industria/Agro) | 104 | 0,8% | 8 | 1,4% |
| E2 Categoría vacía o irreconocible | 369 | 2,8% | 17 | 3,0% |
| E3 Método de pago vacío | 1.579 | 12,0% | 178 | 31,6% |
| E4 Monto imposible (< $1.000) | 728 | 5,6% | 70 | 12,4% |
| E5 Método y cuenta contradictorios* | 75 | 1,8% | 37 | 9,7% |
| E6 Registro tardío (> 30 días) | 4.635 | 35,3% | 261 | 46,3% |
| Núcleo: algún error E1–E4 | 2.422 | 18,5% | 228 | 40,4% |
| Note: | ||||
| * E5 se calcula solo sobre las 4.189 transacciones con cuenta identificable como caja o como digital/banco. |
3.3 El caso del arriendo como ingreso
arr <- ig %>%
filter(Tipo == "Entrada", Categoría == "Arriendo") %>%
group_by(Sector = coalesce(Sector, "(sin caracterización)")) %>%
summarise(Transacciones = n(), Empresas = n_distinct(ID),
`Transacciones de la empresa con más casos` = max(table(ID)),
`Monto mediano` = median(Monto), .groups = "drop") %>%
arrange(desc(Transacciones))
arr %>%
mutate(`Monto mediano` = paste0("$", fmt(`Monto mediano`, 0))) %>%
kable(caption = "Tabla 4. Arriendo registrado como entrada, por sector",
format.args = list(big.mark = ".")) %>%
estilo(full_width = FALSE)| Sector | Transacciones | Empresas | Transacciones de la empresa con más casos | Monto mediano |
|---|---|---|---|---|
| Comercio | 104 | 8 | 73 | $58.200 |
| Servicios | 7 | 6 | 2 | $40.000 |
| Otros | 6 | 1 | 6 | $49.500 |
ids_arr_com <- ig %>% filter(e1_arriendo_como_ingreso) %>% distinct(ID) %>% pull()
n_arr_tambien_sal <- ig %>%
filter(ID %in% ids_arr_com, Tipo == "Salida", Categoría == "Arriendo") %>%
distinct(ID) %>% nrow()El arriendo como ingreso en empresas de comercio, industria o agro está muy concentrado: 8 empresas, de las cuales 2 también registran arriendo como salida (pagan arriendo y además lo anotan como entrada). Por eso pesa poco en las tasas promedio por empresa, aunque es el ejemplo más claro de confusión ingreso–gasto.
3.4 Transacciones sin fecha de cargue
sin_cargue <- ig %>% filter(is.na(cargue_dt))
sin_cargue %>%
count(`Fecha de la transacción` = fecha, name = "Transacciones") %>%
arrange(desc(Transacciones)) %>%
slice_head(n = 8) %>%
kable(caption = "Tabla 4b. Transacciones sin fecha de cargue: días más frecuentes") %>%
estilo(full_width = FALSE)| Fecha de la transacción | Transacciones |
|---|---|
| 2025-07-24 | 35 |
| 2025-09-02 | 20 |
| 2025-07-29 | 16 |
| 2026-02-17 | 16 |
| 2026-02-18 | 10 |
| 2025-07-30 | 9 |
| 2025-09-24 | 6 |
| 2026-02-16 | 6 |
ig %>%
mutate(Grupo = if_else(is.na(cargue_dt), "Sin fecha de cargue", "Con fecha de cargue")) %>%
group_by(Grupo) %>%
summarise(Transacciones = n(), Empresas = n_distinct(ID),
across(c(E1, E2, E3, E4, E_nucleo), mean), .groups = "drop") %>%
mutate(across(c(E1, E2, E3, E4, E_nucleo), fmt_pct)) %>%
rename(`Núcleo (E1–E4)` = E_nucleo) %>%
kable(caption = "Tabla 4c. Tasa de error según si la transacción tiene fecha de cargue",
format.args = list(big.mark = ".")) %>%
estilo(full_width = FALSE)| Grupo | Transacciones | Empresas | E1 | E2 | E3 | E4 | Núcleo (E1–E4) |
|---|---|---|---|---|---|---|---|
| Con fecha de cargue | 12.936 | 548 | 1,2% | 2,8% | 11,8% | 5,5% | 18,0% |
| Sin fecha de cargue | 177 | 61 | 23,7% | 1,1% | 33,3% | 7,3% | 54,8% |
top_dias <- sin_cargue %>% count(fecha, sort = TRUE) %>% slice_head(n = 8)
share_top <- sum(top_dias$n) / nrow(sin_cargue)
razon_err <- mean(sin_cargue$E_nucleo) / mean(ig$E_nucleo[!is.na(ig$cargue_dt)])
n_sc <- nrow(sin_cargue); n_sc_emp <- n_distinct(sin_cargue$ID)
# Se excluyen del análisis de experiencia
ig <- ig %>% filter(!is.na(cargue_dt))177 transacciones (61 empresas) no tienen fecha de cargue. El 66,7% se concentra en ocho días (Tabla 4b), lo que sugiere jornadas de registro asistido o de prueba más que uso cotidiano, y su tasa de error núcleo es 3,0 veces la del resto (Tabla 4c). Como sin fecha de cargue no se puede ubicar el momento de uso, se excluyen del análisis de experiencia. Si se dejaran, inflarían el error de la primera quincena y fabricarían una curva de aprendizaje. Quedan 12.936 transacciones de 548 empresas.
4. La experiencia: quincenas de uso
ig <- ig %>%
group_by(ID) %>%
mutate(k = dense_rank(q_idx), # 1 = primera quincena con transacciones
nq = n_distinct(q_idx)) %>%
ungroup()
ig %>%
distinct(ID, nq) %>%
mutate(`Quincenas de uso` = case_when(nq == 1 ~ "1", nq == 2 ~ "2", nq == 3 ~ "3",
nq <= 5 ~ "4–5", nq <= 9 ~ "6–9", TRUE ~ "10 o más"),
`Quincenas de uso` = factor(`Quincenas de uso`,
levels = c("1", "2", "3", "4–5", "6–9", "10 o más"))) %>%
count(`Quincenas de uso`, name = "Empresas") %>%
arrange(`Quincenas de uso`) %>%
mutate(`% de empresas` = fmt_pct(Empresas / sum(Empresas))) %>%
kable(caption = "Tabla 5. Empresas según el número de quincenas en que usaron MDF") %>%
estilo(full_width = FALSE)| Quincenas de uso | Empresas | % de empresas |
|---|---|---|
| 1 | 270 | 49,3% |
| 2 | 102 | 18,6% |
| 3 | 51 | 9,3% |
| 4–5 | 60 | 10,9% |
| 6–9 | 44 | 8,0% |
| 10 o más | 21 | 3,8% |
270 empresas (49,3%) usan MDF en una sola quincena: no aportan a la pregunta de aprendizaje dentro de la empresa. El análisis dentro de empresa usa las 278 empresas con 2 o más quincenas.
# Panel empresa × quincena de uso: tasa de error = % de transacciones de la quincena con error
construir_panel <- function(datos, kvar = "k", calvar = "mes") {
datos %>%
group_by(ID, k = .data[[kvar]], cal = .data[[calvar]]) %>%
summarise(n = n(),
across(c(E1, E2, E3, E4, E6, E_nucleo), mean),
.groups = "drop") %>%
group_by(ID) %>%
mutate(nq = n()) %>%
ungroup() %>%
mutate(lk = log(k), ln = log(n))
}
# Nota: una quincena de uso cae en un solo mes calendario (q_idx → mes es función).
panel <- construir_panel(ig)
stopifnot(nrow(panel) == nrow(distinct(ig, ID, q_idx)))5. Curva de aprendizaje descriptiva
Cada punto es la tasa de error promedio de las empresas en su k-ésima quincena de uso (cada empresa-quincena pesa lo mismo, sin importar cuántas transacciones registró). Los intervalos son al 95% con errores agrupados por empresa.
curva <- function(p, v, tope) {
d <- p %>% mutate(kc = factor(pmin(k, tope)))
m <- lm(reformulate("0 + kc", v), data = d)
V <- vcovCL(m, cluster = d$ID, type = "HC1")
tibble(k = as.integer(levels(d$kc)), tasa = coef(m), ee = sqrt(diag(V)),
empresas = as.integer(table(d$kc)), error = v)
}
curvas <- bind_rows(
map_dfr(names(ERRORES), ~ curva(panel, .x, K_TOPE_CURVA)) %>% mutate(Muestra = "Todas las empresas"),
map_dfr(names(ERRORES), ~ curva(filter(panel, nq >= MIN_Q_FIJO), .x, MIN_Q_FIJO)) %>%
mutate(Muestra = paste0("Panel fijo (≥ ", MIN_Q_FIJO, " quincenas)"))
) %>%
mutate(error = factor(ERRORES[error], levels = ERRORES),
lo = pmax(tasa - 1.96 * ee, 0), hi = tasa + 1.96 * ee)
ggplot(curvas, aes(k, tasa, colour = Muestra, fill = Muestra)) +
geom_ribbon(aes(ymin = lo, ymax = hi), alpha = 0.15, colour = NA) +
geom_line(linewidth = 0.9) + geom_point(size = 1.8) +
facet_wrap(~ error, scales = "free_y", ncol = 3) +
scale_x_continuous(breaks = 1:K_TOPE_CURVA,
labels = c(1:(K_TOPE_CURVA - 1), paste0(K_TOPE_CURVA, "+"))) +
scale_y_continuous(labels = label_percent(decimal.mark = ",")) +
scale_colour_manual(values = c(COL_AZUL, "#e67e22")) +
scale_fill_manual(values = c(COL_AZUL, "#e67e22")) +
labs(x = "Quincena de uso (k)", y = "% de transacciones con error",
title = "Figura 1. Tasa de error según la quincena de uso de MDF",
subtitle = "En el panel fijo, la última categoría agrupa k ≥ 6",
colour = NULL, fill = NULL) +
theme_minimal(base_size = 11) + theme(legend.position = "bottom")
curvas %>%
filter(Muestra == "Todas las empresas") %>%
transmute(error, k = if_else(k == K_TOPE_CURVA, paste0(k, "+"), as.character(k)),
valor = paste0(fmt_pct(tasa), " (", empresas, ")")) %>%
pivot_wider(names_from = k, values_from = valor) %>%
rename(Error = error) %>%
kable(caption = "Tabla 6. % de transacciones con error por quincena de uso — todas las empresas (entre paréntesis: empresas)") %>%
estilo(full_width = TRUE)| Error | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8+ |
|---|---|---|---|---|---|---|---|---|
| E1 Tipo inconsistente con la categoría | 0,6% (548) | 0,2% (278) | 0,5% (176) | 0,4% (125) | 1,6% (94) | 0,7% (65) | 0,2% (50) | 1,1% (178) |
| E2 Categoría vacía o irreconocible | 0,9% (548) | 0,6% (278) | 0,2% (176) | 0,8% (125) | 0,3% (94) | 0,8% (65) | 3,7% (50) | 8,6% (178) |
| E3 Método de pago vacío | 15,6% (548) | 17,6% (278) | 17,1% (176) | 16,1% (125) | 7,6% (94) | 9,5% (65) | 9,6% (50) | 7,4% (178) |
| E4 Monto imposible (< $1.000) | 4,6% (548) | 8,4% (278) | 7,9% (176) | 4,2% (125) | 2,8% (94) | 0,5% (65) | 1,2% (50) | 1,9% (178) |
| E6 Registro tardío (> 30 días) | 37,2% (548) | 36,2% (278) | 31,2% (176) | 30,1% (125) | 27,3% (94) | 27,0% (65) | 36,6% (50) | 48,1% (178) |
| Núcleo: algún error E1–E4 | 18,5% (548) | 19,8% (278) | 19,7% (176) | 19,6% (125) | 10,6% (94) | 11,5% (65) | 12,6% (50) | 16,9% (178) |
Cómo leerla. La curva de “todas las empresas” mezcla dos cosas: aprendizaje y composición (quiénes siguen usando la app). El panel fijo sigue a las mismas empresas en todas sus quincenas, pero es pequeño. Por eso la evidencia principal es el modelo dentro de empresa (sección 6).
6. Modelo dentro de empresa
\[\text{error}_{ik} = \alpha_i + \beta \log(k) + \gamma_{\text{mes}} + \delta \log(n_{ik}) + \varepsilon_{ik}\]
- \(\alpha_i\): efecto fijo de empresa (compara a cada empresa consigo misma).
- \(\gamma_{\text{mes}}\): efecto fijo de mes calendario (absorbe cambios de la aplicación y estacionalidad comunes a todas).
- \(n_{ik}\): número de transacciones de la quincena (más transacciones = más oportunidades de error).
- \(\beta < 0\) indica aprendizaje. Con log(k), \(\beta \times \log 2\) es el cambio en la tasa de error al duplicar la experiencia (p. ej. pasar de la 2.ª a la 4.ª quincena).
pm <- filter(panel, nq >= 2)
especificaciones <- list(
"EF empresa" = "~ lk + factor(ID)",
"EF empresa + mes" = "~ lk + factor(ID) + factor(cal)",
"EF empresa + mes + log(n)" = "~ lk + ln + factor(ID) + factor(cal)"
)
res_fe <- map_dfr(c("E1", "E2", "E3", "E4", "E6", "E_nucleo"), function(v) {
imap_dfr(especificaciones, function(rhs, nom) {
ajustar(as.formula(paste(v, rhs)), pm, "lk", nom) %>% mutate(error = v)
})
})
res_fe %>%
mutate(Error = ERRORES[error],
`Cambio al duplicar k` = fmt_pp(coef * log(2)),
`IC 95% (pp)` = fmt_ic(ic_lo * log(2), ic_hi * log(2)),
`p-valor` = fmt_p(p)) %>%
select(Error, Modelo, `Cambio al duplicar k`, `IC 95% (pp)`, `p-valor`, Obs. = obs, Empresas = empresas) %>%
kable(caption = "Tabla 7. Efecto de la experiencia sobre la tasa de error (modelo de probabilidad lineal, errores agrupados por empresa)",
format.args = list(big.mark = ".")) %>%
estilo(full_width = TRUE) %>%
collapse_rows(columns = 1, valign = "top")| Error | Modelo | Cambio al duplicar k | IC 95% (pp) | p-valor | Obs. | Empresas |
|---|---|---|---|---|---|---|
| E1 Tipo inconsistente con la categoría | EF empresa | -0,0 pp | [-0,6; 0,6] | 0,943 | 1.244 | 278 |
| EF empresa + mes | -0,1 pp | [-0,8; 0,7] | 0,868 | 1.244 | 278 | |
| EF empresa + mes + log(n) | -0,1 pp | [-0,8; 0,6] | 0,771 | 1.244 | 278 | |
| E2 Categoría vacía o irreconocible | EF empresa | +1,6 pp | [-0,3; 3,6] | 0,097 | 1.244 | 278 |
| EF empresa + mes | +0,6 pp | [-0,4; 1,5] | 0,234 | 1.244 | 278 | |
| EF empresa + mes + log(n) | +0,7 pp | [-0,3; 1,6] | 0,173 | 1.244 | 278 | |
| E3 Método de pago vacío | EF empresa | +1,2 pp | [-0,3; 2,7] | 0,125 | 1.244 | 278 |
| EF empresa + mes | +2,1 pp | [-0,2; 4,4] | 0,071 | 1.244 | 278 | |
| EF empresa + mes + log(n) | +2,2 pp | [-0,1; 4,4] | 0,063 | 1.244 | 278 | |
| E4 Monto imposible (< $1.000) | EF empresa | -0,9 pp | [-2,8; 0,9] | 0,325 | 1.244 | 278 |
| EF empresa + mes | -0,5 pp | [-3,0; 1,9] | 0,678 | 1.244 | 278 | |
| EF empresa + mes + log(n) | -0,7 pp | [-3,1; 1,7] | 0,577 | 1.244 | 278 | |
| E6 Registro tardío (> 30 días) | EF empresa | -14,5 pp | [-18,0; -10,9] | < 0,001 | 1.244 | 278 |
| EF empresa + mes | -5,6 pp | [-10,9; -0,3] | 0,039 | 1.244 | 278 | |
| EF empresa + mes + log(n) | -5,6 pp | [-10,9; -0,4] | 0,036 | 1.244 | 278 | |
| Núcleo: algún error E1–E4 | EF empresa | +1,1 pp | [-2,0; 4,1] | 0,493 | 1.244 | 278 |
| EF empresa + mes | +0,8 pp | [-2,4; 4,1] | 0,613 | 1.244 | 278 | |
| EF empresa + mes + log(n) | +0,9 pp | [-2,3; 4,2] | 0,575 | 1.244 | 278 |
# Sin forma funcional: dummies de k (k = 1 es la base), con EF de empresa y de mes
pm_d <- pm %>% mutate(kd = factor(pmin(k, K_TOPE_DUMMY)))
terms_d <- paste0("kd", 2:K_TOPE_DUMMY)
res_d <- map_dfr(c("E1", "E3", "E4", "E6", "E_nucleo"), function(v) {
ajustar(as.formula(paste(v, "~ kd + factor(ID) + factor(cal)")), pm_d, terms_d, v) %>%
mutate(error = v)
})
res_d %>%
mutate(k = str_remove(termino, "kd"),
k = if_else(k == as.character(K_TOPE_DUMMY), paste0(k, "+"), k),
valor = paste0(fmt_pp(coef), if_else(es_sig(p), " *", ""))) %>%
select(error, k, valor) %>%
pivot_wider(names_from = k, values_from = valor) %>%
mutate(error = ERRORES[error]) %>%
rename(`Error (diferencia vs. k = 1)` = error) %>%
kable(caption = "Tabla 8. Diferencia en la tasa de error frente a la primera quincena de uso, dentro de empresa y controlando por mes (* p < 0,05)") %>%
estilo(full_width = TRUE)| Error (diferencia vs. k = 1) | 2 | 3 | 4 | 5 | 6+ |
|---|---|---|---|---|---|
| E1 Tipo inconsistente con la categoría | -0,2 pp | -0,1 pp | -0,5 pp | +0,5 pp | -0,7 pp |
| E3 Método de pago vacío | +2,0 pp | +3,9 pp | +5,5 pp | +4,5 pp | +7,9 pp * |
| E4 Monto imposible (< $1.000) | +1,3 pp | +1,4 pp | -2,4 pp | -1,4 pp | -2,0 pp |
| E6 Registro tardío (> 30 días) | -7,8 pp * | -13,1 pp * | -14,1 pp * | -18,1 pp * | -11,1 pp |
| Núcleo: algún error E1–E4 | -0,5 pp | +0,0 pp | +0,8 pp | -1,7 pp | +1,4 pp |
Lectura. Con efectos fijos de empresa y de mes, los errores que bajan de forma estadísticamente significativa con el uso son: E6 Registro tardío (> 30 días). Para el indicador núcleo (E1–E4) el efecto es +0,9 pp por cada duplicación de la experiencia (p = 0,575). El registro tardío (E6) cambia -5,6 pp por cada duplicación de la experiencia (p = 0,036), aunque este resultado no es robusto (sección 9).
El tipo de movimiento inconsistente (E1) no cambia con la experiencia: -0,1 pp por cada duplicación de la experiencia (p = 0,771).
7. ¿Se corrige el error? No repetición a 2 y 4 quincenas
Dos medidas complementarias, ambas sobre la secuencia de quincenas de uso de cada empresa:
- Primer error (Tabla 9). Para cada empresa y tipo de error se toma la primera quincena en que lo comete. Entre las que tienen al menos h quincenas de uso posteriores, ¿qué % no lo repite en las h siguientes? Y, entre las que tienen al menos 4 quincenas posteriores, ¿qué % no lo vuelve a cometer nunca en lo que resta del período?
- Transiciones (Tabla 10). En cualquier quincena k, compara la probabilidad de cometer el error en las h quincenas siguientes si lo cometió en k frente a si no lo cometió. Si la primera es mucho mayor, el error es un hábito persistente de la empresa; si fueran parecidas, el error sería ocasional.
# Máximo de b en las h posiciones siguientes; NA si no hay h quincenas posteriores
fut_max <- function(b, h) {
n <- length(b); out <- rep(NA_real_, n)
if (n > h) for (i in seq_len(n - h)) out[i] <- max(b[(i + 1):(i + h)])
out
}
panel_b <- panel %>%
arrange(ID, k) %>%
mutate(across(c(E1, E2, E3, E4, E6, E_nucleo), ~ as.integer(.x > 0), .names = "b_{.col}"))
# ── Tabla 9: primer error ────────────────────────────────────────────────────
primer_error <- map_dfr(c("E1", "E2", "E3", "E4", "E6", "E_nucleo"), function(v) {
bv <- paste0("b_", v)
panel_b %>%
group_by(ID) %>%
summarise(
k0 = if (any(.data[[bv]] == 1)) which(.data[[bv]] == 1)[1] else NA_integer_,
despues = if (is.na(k0)) NA_integer_ else n() - k0,
no_rep2 = if (!is.na(k0) && despues >= 2) max(.data[[bv]][(k0 + 1):(k0 + 2)]) == 0 else NA,
no_rep4 = if (!is.na(k0) && despues >= 4) max(.data[[bv]][(k0 + 1):(k0 + 4)]) == 0 else NA,
nunca = if (!is.na(k0) && despues >= 4) max(.data[[bv]][(k0 + 1):n()]) == 0 else NA,
.groups = "drop") %>%
summarise(error = v,
`Empresas que lo cometen` = sum(!is.na(k0)),
n2 = sum(!is.na(no_rep2)), r2 = mean(no_rep2, na.rm = TRUE),
n4 = sum(!is.na(no_rep4)), r4 = mean(no_rep4, na.rm = TRUE),
rnunca = mean(nunca, na.rm = TRUE))
})
primer_error %>%
transmute(Error = ERRORES[error], `Empresas que lo cometen`,
`No lo repite en 2 q.` = paste0(fmt_pct(r2), " (n = ", n2, ")"),
`No lo repite en 4 q.` = paste0(fmt_pct(r4), " (n = ", n4, ")"),
`No lo repite nunca (≥ 4 q. de seguimiento)` = fmt_pct(rnunca)) %>%
kable(caption = "Tabla 9. ¿Qué % de empresas no repite el error tras cometerlo por primera vez?") %>%
estilo(full_width = TRUE)| Error | Empresas que lo cometen | No lo repite en 2 q. | No lo repite en 4 q. | No lo repite nunca (≥ 4 q. de seguimiento) |
|---|---|---|---|---|
| E1 Tipo inconsistente con la categoría | 22 | 69,2% (n = 13) | 55,6% (n = 9) | 55,6% |
| E2 Categoría vacía o irreconocible | 15 | 25,0% (n = 4) | 0,0% (n = 2) | 0,0% |
| E3 Método de pago vacío | 169 | 29,2% (n = 65) | 25,9% (n = 27) | 22,2% |
| E4 Monto imposible (< $1.000) | 64 | 32,4% (n = 37) | 35,0% (n = 20) | 35,0% |
| E6 Registro tardío (> 30 días) | 261 | 26,6% (n = 128) | 11,6% (n = 69) | 10,1% |
| Núcleo: algún error E1–E4 | 196 | 25,3% (n = 83) | 25,6% (n = 39) | 17,9% |
# ── Tabla 10: transiciones ───────────────────────────────────────────────────
transiciones <- map_dfr(c("E1", "E2", "E3", "E4", "E6", "E_nucleo"), function(v) {
bv <- paste0("b_", v)
map_dfr(HORIZONTES, function(h) {
panel_b %>%
group_by(ID) %>%
mutate(fut = fut_max(.data[[bv]], h)) %>%
ungroup() %>%
filter(!is.na(fut)) %>%
summarise(error = v, h = h,
p_con = mean(fut[.data[[bv]] == 1]), n_con = sum(.data[[bv]] == 1),
p_sin = mean(fut[.data[[bv]] == 0]), n_sin = sum(.data[[bv]] == 0))
})
})
transiciones %>%
transmute(Error = ERRORES[error], `Horizonte (quincenas)` = h,
`P(error en las h siguientes | error en k)` = paste0(fmt_pct(p_con), " (", n_con, ")"),
`P(error en las h siguientes | sin error en k)` = paste0(fmt_pct(p_sin), " (", n_sin, ")"),
`Razón` = fmt(p_con / p_sin, 1)) %>%
kable(caption = "Tabla 10. Persistencia del error: probabilidad de cometerlo en las h quincenas siguientes (entre paréntesis: empresa-quincenas)") %>%
estilo(full_width = TRUE) %>%
collapse_rows(columns = 1, valign = "top")| Error | Horizonte (quincenas) | P(error en las h siguientes | error en k) | P(error en las h siguientes | sin error en k) | Razón |
|---|---|---|---|---|
| E1 Tipo inconsistente con la categoría | 2 | 58,1% (31) | 3,8% (657) | 15,3 |
| 4 | 68,0% (25) | 9,4% (362) | 7,2 | |
| E2 Categoría vacía o irreconocible | 2 | 95,8% (24) | 1,5% (664) | 63,6 |
| 4 | 100,0% (18) | 3,8% (369) | 26,4 | |
| E3 Método de pago vacío | 2 | 73,4% (143) | 18,7% (545) | 3,9 |
| 4 | 78,1% (73) | 31,8% (314) | 2,5 | |
| E4 Monto imposible (< $1.000) | 2 | 67,1% (70) | 8,6% (618) | 7,8 |
| 4 | 72,2% (36) | 13,7% (351) | 5,3 | |
| E6 Registro tardío (> 30 días) | 2 | 77,3% (406) | 28,7% (282) | 2,7 |
| 4 | 91,7% (252) | 53,3% (135) | 1,7 | |
| Núcleo: algún error E1–E4 | 2 | 77,6% (201) | 24,0% (487) | 3,2 |
| 4 | 81,1% (111) | 40,6% (276) | 2,0 |
Lectura. El error de tipo de movimiento (E1) es el que más se corrige: 69,2% de las empresas que lo cometen no lo repiten en las 2 quincenas siguientes y 55,6% en las 4 siguientes (n = 13 y 9 empresas, respectivamente). En cambio, el método de pago vacío (E3) y el monto imposible (E4) se comportan como hábitos: solo 29,2% y 32,4% no los repiten en 2 quincenas, y quien los comete en una quincena tiene 3,9 y 7,8 veces más probabilidad de cometerlos en las 2 siguientes que quien no.
Cuidado con la interpretación. La Tabla 10 no separa “el error genera más error” de “hay empresas que siempre registran así”. Lo segundo es lo más probable: son rasgos estables de la forma de registrar de cada empresa, que el uso por sí solo no cambia.
8. ¿Se van las empresas que se equivocan?
Si las empresas con más errores abandonan la app, la curva de “todas las empresas” bajaría sin que nadie aprendiera. Se compara la probabilidad de seguir usando MDF después de la primera quincena según si la empresa cometió o no el error en esa primera quincena.
k1 <- panel %>% filter(k == 1)
map_dfr(c("E1", "E3", "E4", "E6", "E_nucleo"), function(v) {
tibble(Error = ERRORES[v],
`Siguen (con error en k = 1)` = mean(k1$nq[k1[[v]] > 0] >= 2),
`Siguen (sin error en k = 1)` = mean(k1$nq[k1[[v]] == 0] >= 2),
`Empresas con error en k = 1` = sum(k1[[v]] > 0),
p = suppressWarnings(prop.test(
c(sum(k1$nq[k1[[v]] > 0] >= 2), sum(k1$nq[k1[[v]] == 0] >= 2)),
c(sum(k1[[v]] > 0), sum(k1[[v]] == 0)))$p.value))
}) %>%
mutate(across(starts_with("Siguen"), fmt_pct), p = fmt_p(p)) %>%
rename(`p-valor (diferencia)` = p) %>%
kable(caption = "Tabla 11. % de empresas que usan MDF en una segunda quincena, según su desempeño en la primera") %>%
estilo(full_width = FALSE)| Error | Siguen (con error en k = 1) | Siguen (sin error en k = 1) | Empresas con error en k = 1 | p-valor (diferencia) |
|---|---|---|---|---|
| E1 Tipo inconsistente con la categoría | 66,7% | 50,6% | 6 | 0,708 |
| E3 Método de pago vacío | 53,6% | 50,0% | 112 | 0,570 |
| E4 Monto imposible (< $1.000) | 80,0% | 48,7% | 35 | < 0,001 |
| E6 Registro tardío (> 30 días) | 68,5% | 38,7% | 222 | < 0,001 |
| Núcleo: algún error E1–E4 | 56,0% | 49,0% | 134 | 0,195 |
Las empresas que se equivocan en su primera quincena no abandonan más que las demás; si acaso, siguen un poco más. La atrición no fabrica una curva de aprendizaje.
9. Robustez
Cuatro variaciones del modelo principal (EF empresa + mes + log(n)):
- Experiencia por fecha de cargue. k = orden de la quincena en que la empresa subió información (en lugar de la fecha de la transacción), con efecto fijo del mes de cargue. Es la medida más cercana a “veces que la empresa usó la plataforma”, pero muchas empresas suben todo en uno o dos lotes.
- Sin registros tardíos. Se excluyen las transacciones cargadas con más de 30 días de retraso (información histórica), que no reflejan uso en tiempo real.
- Solo desde el primer cargue. Se conservan únicamente las transacciones ocurridas desde la fecha del primer cargue de la empresa. Al vincularse, muchas empresas suben de una vez el historial de meses anteriores: esas transacciones quedan con k bajo y con registro tardío por construcción, lo que puede fabricar una caída de E6 sin aprendizaje. Esta muestra elimina ese efecto mecánico.
- Sin la empresa con más transacciones. Para verificar que una sola empresa no arrastre el resultado.
ig_c <- ig %>%
filter(!is.na(q_cargue)) %>%
group_by(ID) %>% mutate(k_cargue = dense_rank(q_cargue)) %>% ungroup() %>%
mutate(mes_c = as.character(mes_cargue))
p_cargue <- construir_panel(ig_c, kvar = "k_cargue", calvar = "mes_c") %>% filter(nq >= 2)
ig_rt <- ig %>%
filter(!E6) %>%
group_by(ID) %>% mutate(k_rt = dense_rank(q_idx)) %>% ungroup()
p_rt <- construir_panel(ig_rt, kvar = "k_rt") %>% filter(nq >= 2)
id_grande <- ig %>% count(ID, sort = TRUE) %>% slice(1) %>% pull(ID)
p_sg <- pm %>% filter(ID != id_grande)
# Solo transacciones ocurridas desde el primer cargue de la empresa (uso "en tiempo real")
ig_post <- ig %>%
group_by(ID) %>%
filter(fecha >= as.Date(min(cargue_dt, na.rm = TRUE))) %>%
mutate(k_post = dense_rank(q_idx)) %>%
ungroup()
p_post <- construir_panel(ig_post, kvar = "k_post") %>% filter(nq >= 2)
muestras <- list("Principal (k por fecha de transacción)" = pm,
"k por fecha de cargue" = p_cargue,
"Sin registros tardíos" = p_rt,
"Solo desde el primer cargue" = p_post,
"Sin la empresa más grande" = p_sg)
res_rob <- map_dfr(c("E1", "E3", "E4", "E_nucleo", "E6"), function(v) {
imap_dfr(muestras, function(d, nom) {
if (v == "E6" && nom == "Sin registros tardíos") return(NULL)
ajustar(as.formula(paste(v, "~ lk + ln + factor(ID) + factor(cal)")), d, "lk", nom) %>%
mutate(error = v)
})
})
res_rob %>%
mutate(Error = ERRORES[error],
`Cambio al duplicar k` = paste0(fmt_pp(coef * log(2)), if_else(es_sig(p), " *", "")),
`IC 95% (pp)` = fmt_ic(ic_lo * log(2), ic_hi * log(2))) %>%
select(Error, Muestra = Modelo, `Cambio al duplicar k`, `IC 95% (pp)`, Obs. = obs, Empresas = empresas) %>%
kable(caption = "Tabla 12. Robustez del efecto de la experiencia (* p < 0,05)",
format.args = list(big.mark = ".")) %>%
estilo(full_width = TRUE) %>%
collapse_rows(columns = 1, valign = "top")| Error | Muestra | Cambio al duplicar k | IC 95% (pp) | Obs. | Empresas |
|---|---|---|---|---|---|
| E1 Tipo inconsistente con la categoría | Principal (k por fecha de transacción) | -0,1 pp | [-0,8; 0,6] | 1.244 | 278 |
| k por fecha de cargue | -0,7 pp | [-2,2; 0,9] | 772 | 241 | |
| Sin registros tardíos | -0,2 pp | [-1,6; 1,2] | 783 | 205 | |
| Solo desde el primer cargue | -0,6 pp | [-2,1; 0,9] | 689 | 159 | |
| Sin la empresa más grande | -0,1 pp | [-0,8; 0,6] | 1.233 | 277 | |
| E3 Método de pago vacío | Principal (k por fecha de transacción) | +2,2 pp | [-0,1; 4,4] | 1.244 | 278 |
| k por fecha de cargue | +4,4 pp * | [0,1; 8,7] | 772 | 241 | |
| Sin registros tardíos | +4,0 pp | [-0,1; 8,0] | 783 | 205 | |
| Solo desde el primer cargue | +3,3 pp | [-2,0; 8,5] | 689 | 159 | |
| Sin la empresa más grande | +2,1 pp | [-0,2; 4,4] | 1.233 | 277 | |
| E4 Monto imposible (< $1.000) | Principal (k por fecha de transacción) | -0,7 pp | [-3,1; 1,7] | 1.244 | 278 |
| k por fecha de cargue | -3,5 pp | [-7,0; 0,1] | 772 | 241 | |
| Sin registros tardíos | -1,0 pp | [-3,9; 1,8] | 783 | 205 | |
| Solo desde el primer cargue | -1,5 pp | [-4,8; 1,7] | 689 | 159 | |
| Sin la empresa más grande | -0,7 pp | [-3,1; 1,7] | 1.233 | 277 | |
| Núcleo: algún error E1–E4 | Principal (k por fecha de transacción) | +0,9 pp | [-2,3; 4,2] | 1.244 | 278 |
| k por fecha de cargue | +0,5 pp | [-5,0; 6,1] | 772 | 241 | |
| Sin registros tardíos | +1,5 pp | [-3,3; 6,4] | 783 | 205 | |
| Solo desde el primer cargue | +1,6 pp | [-3,9; 7,0] | 689 | 159 | |
| Sin la empresa más grande | +0,9 pp | [-2,4; 4,1] | 1.233 | 277 | |
| E6 Registro tardío (> 30 días) | Principal (k por fecha de transacción) | -5,6 pp * | [-10,9; -0,4] | 1.244 | 278 |
| k por fecha de cargue | +1,5 pp | [-6,9; 9,9] | 772 | 241 | |
| Solo desde el primer cargue | -4,8 pp | [-12,0; 2,4] | 689 | 159 | |
| Sin la empresa más grande | -5,6 pp * | [-10,8; -0,3] | 1.233 | 277 |
Lectura. Para el indicador núcleo (E1–E4), ninguna variación muestra un efecto significativo. El método de pago vacío (E3) tiene coeficiente positivo en 5 de 5 variaciones (significativo en 1): si algo, se diligencia menos con el uso, un patrón compatible con fatiga de registro.
El registro tardío (E6) es el resultado más sensible. En la especificación principal baja -5,6 pp (p = 0,036) por cada duplicación de la experiencia, pero con k por fecha de cargue el cambio es +1,5 pp (p = 0,721) y solo con transacciones desde el primer cargue es -4,8 pp (p = 0,190). La mejora de la especificación principal parece venir sobre todo del cargue del historial al vincularse (transacciones antiguas, con k bajo y tardías por construcción), no de que las empresas aprendan a registrar a tiempo.
10. Heterogeneidad (exploratorio)
¿Aprenden más rápido quienes ya llevaban registros en Excel o software, quienes tienen educación técnica o superior, o quienes hacen presupuesto? Se agrega la interacción log(k) × grupo al modelo principal. Con estas muestras, las interacciones tienen poca potencia: un resultado no significativo no prueba que no haya diferencias.
grupos <- ig %>%
distinct(ID, Educación, `Registro de Facturas`, Presupuesto) %>%
mutate(
herramienta_previa = str_detect(coalesce(`Registro de Facturas`, ""),
"Excel|aplicaciones|POS|software"),
educ_superior = Educación %in% c("Técnico/tecnólogo completo", "Universitario grado completo",
"Universitario grado incompleto",
"Postgrado completo (Maestría/Doctorado)",
"Postgrado incompleto (Maestría/Doctorado)"),
hace_presupuesto = Presupuesto %in% "Sí"
) %>%
select(ID, herramienta_previa, educ_superior, hace_presupuesto)
pm_h <- pm %>% left_join(grupos, by = "ID")
ETQ_GRUPO <- c(herramienta_previa = "Ya usaba Excel, app o software",
educ_superior = "Educación técnica o superior",
hace_presupuesto = "Hace presupuesto")
res_het <- map_dfr(c("E_nucleo", "E6"), function(v) {
imap_dfr(ETQ_GRUPO, function(etq, g) {
f <- as.formula(paste0(v, " ~ lk + lk:", g, " + ln + factor(ID) + factor(cal)"))
ajustar(f, pm_h, c("lk", paste0("lk:", g, "TRUE")), etq) %>%
mutate(error = v, n_grupo = n_distinct(pm_h$ID[pm_h[[g]]]))
})
})
res_het %>%
mutate(Término = if_else(termino == "lk", "Pendiente del grupo base",
"Diferencia de pendiente del grupo"),
`Cambio al duplicar k` = paste0(fmt_pp(coef * log(2)), if_else(es_sig(p), " *", "")),
`p-valor` = fmt_p(p),
Error = ERRORES[error]) %>%
select(Error, Grupo = Modelo, `Empresas en el grupo` = n_grupo, Término, `Cambio al duplicar k`, `p-valor`) %>%
kable(caption = "Tabla 13. ¿Cambia el aprendizaje según el perfil de la empresa? (* p < 0,05)") %>%
estilo(full_width = TRUE) %>%
collapse_rows(columns = 1:3, valign = "top")| Error | Grupo | Empresas en el grupo | Término | Cambio al duplicar k | p-valor |
|---|---|---|---|---|---|
| Núcleo: algún error E1–E4 | Ya usaba Excel, app o software | 43 | Pendiente del grupo base | -0,4 pp | 0,816 |
| Diferencia de pendiente del grupo | +6,5 pp | 0,177 | |||
| Educación técnica o superior | 151 | Pendiente del grupo base | -0,1 pp | 0,963 | |
| Diferencia de pendiente del grupo | +1,6 pp | 0,562 | |||
| Hace presupuesto | 112 | Pendiente del grupo base | +0,0 pp | 0,978 | |
| Diferencia de pendiente del grupo | +2,3 pp | 0,454 | |||
| E6 Registro tardío (> 30 días) | Ya usaba Excel, app o software | 43 | Pendiente del grupo base | -7,1 pp * | 0,020 |
| Diferencia de pendiente del grupo | +7,2 pp | 0,188 | |||
| Educación técnica o superior | 151 | Pendiente del grupo base | -9,9 pp * | 0,005 | |
| Diferencia de pendiente del grupo | +7,0 pp | 0,072 | |||
| Hace presupuesto | 112 | Pendiente del grupo base | -5,6 pp | 0,051 | |
| Diferencia de pendiente del grupo | -0,1 pp | 0,981 |
Ninguna diferencia de pendiente es significativa: no hay evidencia de que algún perfil aprenda más rápido.
11. Señal exploratoria: ¿materia prima o mercancía en empresas de comercio?
Un comercio, en sentido estricto, compra mercancía para revender; la materia prima se transforma. Si las empresas de comercio aprendieran a clasificar sus costos, la proporción de compras anotadas como Materia prima debería bajar con el uso. No se trata como error, porque muchos negocios clasificados como comercio transforman lo que venden (por ejemplo, venta de comida preparada).
mp <- ig %>%
filter(Sector == "Comercio", Tipo == "Salida", Categoría %in% c("Materia prima", "Mercancías")) %>%
mutate(es_mp = Categoría == "Materia prima") %>%
group_by(ID, k, cal = mes) %>%
summarise(n = n(), es_mp = mean(es_mp), .groups = "drop") %>%
group_by(ID) %>% mutate(nq = n()) %>% ungroup() %>%
mutate(lk = log(k), ln = log(n))
mp_firma <- mp %>% group_by(ID) %>% summarise(mp = weighted.mean(es_mp, n))
n_solo_mp <- sum(mp_firma$mp == 1)
n_solo_mer <- sum(mp_firma$mp == 0)
n_mixtas <- sum(mp_firma$mp > 0 & mp_firma$mp < 1)
r_mp <- ajustar(es_mp ~ lk + ln + factor(ID) + factor(cal), filter(mp, nq >= 2), "lk",
"k por fecha de transacción (principal)")
# Robustez: experiencia por fecha de cargue
mp_c <- ig_c %>%
filter(Sector == "Comercio", Tipo == "Salida", Categoría %in% c("Materia prima", "Mercancías")) %>%
mutate(es_mp = Categoría == "Materia prima") %>%
group_by(ID, k = k_cargue, cal = mes_c) %>%
summarise(n = n(), es_mp = mean(es_mp), .groups = "drop") %>%
group_by(ID) %>% mutate(nq = n()) %>% ungroup() %>%
mutate(lk = log(k), ln = log(n))
r_mp_c <- ajustar(es_mp ~ lk + ln + factor(ID) + factor(cal), filter(mp_c, nq >= 2), "lk",
"k por fecha de cargue")
bind_rows(r_mp, r_mp_c) %>%
transmute(Modelo, `Cambio al duplicar k` = fmt_pp(coef * log(2)),
`IC 95% (pp)` = fmt_ic(ic_lo * log(2), ic_hi * log(2)), `p-valor` = fmt_p(p),
Obs. = obs, Empresas = empresas) %>%
kable(caption = "Tabla 14. Comercio: % de compras anotadas como materia prima y experiencia (EF empresa + mes + log(n))") %>%
estilo(full_width = FALSE)| Modelo | Cambio al duplicar k | IC 95% (pp) | p-valor | Obs. | Empresas |
|---|---|---|---|---|---|
| k por fecha de transacción (principal) | -5,9 pp | [-11,1; -0,8] | 0,025 | 325 | 77 |
| k por fecha de cargue | -4,7 pp | [-14,9; 5,4] | 0,362 | 219 | 68 |
De las 217 empresas de comercio que registran compras, 147 las anotan siempre como materia prima, 33 siempre como mercancía y 37 usan ambas. La mayoría elige una categoría y la mantiene. Dentro de las empresas con 2 o más quincenas, la proporción anotada como materia prima cambia -5,9 pp al duplicar la experiencia (p = 0,025): un desplazamiento estadísticamente significativo hacia Mercancías. Con la experiencia medida por fecha de cargue el cambio es -4,7 pp (p = 0,362; 68 empresas). Para saber si es aprendizaje habría que confirmar con ANIF qué venden estas empresas.
12. Conclusiones
- Calidad de la clasificación contable: no hay evidencia de aprendizaje con el uso. En la primera quincena, en promedio 18,5% de las transacciones de una empresa tiene al menos un error E1–E4. Dentro de una misma empresa, y descontando lo que cambia para todos en el mismo mes, la tasa de error núcleo cambia +0,9 pp por cada duplicación de la experiencia (p = 0,575). Las caídas que se ven en algunas quincenas de las curvas descriptivas reflejan quiénes siguen usando la app (composición): no aparecen al comparar a cada empresa consigo misma.
- Hay errores que se corrigen y errores que son hábitos. El tipo de movimiento inconsistente con la categoría (E1) es poco frecuente y, en la mayoría de las empresas, puntual: 69,2% no lo repite en las 2 quincenas siguientes y 55,6% en las 4 siguientes (con pocas empresas: n = 13 y 9). Dejar el método de pago vacío (E3) o anotar montos sin los miles (E4) se repite: solo 29,2% y 32,4% no los repiten en 2 quincenas. Son la forma de registrar de cada empresa, y el uso por sí solo no la cambia.
- Oportunidad del registro: la mejora aparente no es robusta. En la especificación principal el registro tardío (E6) baja -5,6 pp por cada duplicación de la experiencia (p = 0,036), pero el efecto desaparece al medir la experiencia por fecha de cargue o al usar solo las transacciones posteriores al primer cargue (sección 9). Lo más probable es que refleje el cargue del historial al vincularse, no aprendizaje.
- Clasificación de costos en comercio: señal débil, no robusta. Entre las empresas de comercio, la proporción de compras anotadas como Materia prima (en vez de Mercancías) cambia -5,9 pp al duplicar la experiencia (p = 0,025; 77 empresas), y -4,7 pp (p = 0,362) con la experiencia medida por fecha de cargue. Va en la dirección de aprendizaje (de materia prima hacia mercancía) en ambas mediciones, pero solo es significativa en una. Además es exploratoria: no sabemos cuáles de estos comercios transforman lo que venden.
- No se puede evaluar la clasificación fijo/variable: el campo lo asigna la aplicación según la categoría. Tampoco el tipo de gasto en las entradas, que depende del mes de cargue.
- Alcance. 49,3% de las empresas usó MDF una sola quincena, y solo 65 la usaron 6 quincenas o más. Los resultados describen a las empresas que siguieron usando la herramienta y tienen poca potencia para detectar mejoras pequeñas. La atrición no parece sesgar las conclusiones (sección 8).
Respuesta corta a la pregunta. Con la información disponible no hay evidencia de apropiación contable con el uso de MDF: los errores de clasificación no bajan a medida que las empresas acumulan quincenas. El único error que la mayoría corrige es el puntual de tipo de movimiento; los errores de diligenciamiento (método de pago, montos) son persistentes. La única señal en dirección de aprendizaje, débil y no robusta, es la clasificación de compras en comercio, que tiende a desplazarse de materia prima hacia mercancía.
Implicación práctica. Si el objetivo es mejorar la educación contable, el uso de la herramienta no basta. Los errores persistentes (método de pago, montos) son candidatos naturales para validaciones en la aplicación (campo obligatorio, alerta de monto menor a $1.000) o para retroalimentación personalizada a cada empresa.
13. Exportar
write_csv(ig %>% select(ID, `Fecha de la transacción`, q_idx, k, nq, Tipo, Categoría, Monto,
`Método de Pago`, Cuenta, Sector, dias_cargue,
e1_gasto_como_entrada, e1_ingreso_como_salida, e1_arriendo_como_ingreso,
E1, E2, E3, E4, op_E5, E5, E6, E_nucleo),
"errores_registro_transaccion.csv")
write_csv(panel, "errores_registro_panel_quincenal.csv")
cat("Exportados: errores_registro_transaccion.csv y errores_registro_panel_quincenal.csv\n")## Exportados: errores_registro_transaccion.csv y errores_registro_panel_quincenal.csvGranados Rodríguez, H. (2026). Aprendizaje contable con el uso de Mi Diario Financiero. SDDE / ODEB. Resultados exploratorios sobre usuarios activos de MDF.