Ghid de calitate al statisticii [611926]

Ghid de calitate al statisticii
oficiale din România

Quality Guidelines for Romanian
Official Statistics

Autori / colaboratori Authors / collaborators

Din partea INS From INS
Gabriela POPA
Răzvan Andrei PAVEL
Claudia CĂPĂȚÎNĂ
Iuliana Ramona GRIGORE
Maria RĂDULESCU
Virginia BALEA
Andreea CAMBIR
Nina ALEXEVICI
Florentina GHEORGHE

Din partea consorțiului From the consortium
Michael John COLLEDGE (ICON)
Manfred EHLING (ICON)

Revizuire editorială Editorial revision
Andreea DRĂGUȘIN (ICON)
David GRAU PEÑAS (ICON)

Beneficiar
Institutul Național de Statistică
Direcția generală de organizare și coordonare
a sistemului statistic național Beneficiary

National Institute of Statistics
Directorate General of Organisation and
Coordination of the National Statistical System

1
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics
Prefață
Misiunea Institutului Național de Statistică
este de a satisface nevoile de date statistice
ale utilizatorilor de toate tipurile, prin
culegerea, prelucrarea și diseminarea datelorrelevante, precise, coerente, oportune și
accesibile. În acest context, este vital ca
managementul calității datelor să fie realizatprintr-o metodologie solidă.
Scopul acestui document este de a uni o
gamă largă de bune practici, în cadrul unuighid, care să poată veni în sprijinul
managerilor de program și al personalului
acestora, în gestionarea calității și care săpoată asigura dovezi ale culturii calității în
cadrul Institutului Național de Statistică.
Documentul este conceput pe baza unormateriale furnizate de Sistemul Statistic
European și de alte ghiduri naționale privind
calitatea.
Ghidul trebuie aplicat în mod selectiv.
Acesta este mai degrabă complementar,
decât un înlocuitor al expertizei și opiniilor
personalului din Institutul Național de
Statistică. Proiectarea și implementareaprogramelor cercetărilor statistice necesită o
echilibrare atentă a obiectivelor (adesea
contradictorii) privind relevanța, acuratețea, oportunitatea, accesibilitatea, claritatea,
coerența, în timp ce se încearcă minimizarea
costurilor și a sarcinii de răspuns.
Doresc să mulțumesc experților care au
contribuit la elaborarea documentului și în
mod special celor de la Institutul deStatistică al Canadei, pentru că ne-au pus la
dispoziție Ghidul Calității, ca fundament pe
care s-a construit prezentul document. Preface
The mission of the National Institute o f
Statistics is to satisfy the statistical data
needs of users of all types through the
collection, processing and dissemination o f
relevant, accurate, coherent, timely and
accessible data. In this context management
of data quality through sound survey methodology is vital.
Th e a i m o f t h i s d o c u m e n t i s t o b r i n g
together a wide range of good practices into guidelines that can assist program managers
and their staff in managing quality and that
provide evidence of the quality culture atthe National Institute of Statistics. The
document draws on material from the
European Statistical System and from other national quality guidelines.
The guidelines have to be selectively
applied. They are complementary to rather than a replacement for expertise and
judgement of National Institute of Statistics
staff. Designing and implementing survey
programs requires careful balancing o f
(often competing) objectives of relevance, accuracy, timeliness, accessibility, clarity,
coherence, whilst at the same time
attempting to minimise cost and reporting burden.
I would like to thank all the experts who
have contributed to the document and especially Statistics Canada for permission to
use its Quality Guidelines as the foundation
upon which the document is based.

Prof. univ. dr. Vergil VOINEAGU
Președintele Institutului Național de Statistică
President of the National Institute of Statistics

2

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Considerații
Numeroase persoane și-au adus contribuția
la organizarea și succesul proiectului
“Dezvoltarea continuă a sistemului statistic
românesc” pe planul îmbunătățirii managementului calității statisticii
românești. Instituția beneficiară a fost
Institutul Național de Statistică (INS),responsabil pentru colaborarea zilnică cu
experții internaționali și pentru furnizarea
documentelor metodologice și a datelor necesare pentru îndeplinirea sarcinilor
proiectului. La proiect au participat în mod
special următoarele persoane din INS: d-na Gabriela Popa (coordonator de echipă), d-l
Răzvan Pavel, d-na Claudia Căpățînă și d-na
Iuliana Ramona Grigore, sub coordonarea d-nei Săndica Neagu.
Contractorul proiectului, Consorțiul ICON , a
acordat asistența tehnică și a asigurat
implementarea generală a proiectului.
Consorțiul a fost reprezentat de ICON-
INSTITUTE Public Sector GmbH (ca lider), șiCentrul Român de Modelare Economică
(CERME). Expertiza tehnică privind ghidul
calității a fost asigurată de d-l Michael
Colledge, autorul principal al acestui
document, și de d-l Manfred Ehling, expertprincipal al acestei componente a
proiectului. Echipa de consultanți a fost
condusă de Dr Wolfgang Kadgien(Managerul proiectului) și d-l José Cervera-
Ferri (șeful de echipă).
Punctul de plecare pentru elaborarea acestui
document l-a constituit Ghidul Calității al
Statisticii Canadiene, a patra ediție 2003,
Catalog nr.12-539-XIE, utilizat cu permisiunea
Statisticii Canadiene. Au fost adăugate
informații suplimentare și s-au efectuat
modificări semnificative pentru a adaptadocumentul la situația din România. Așadar,
acest document nu este prezentat ca fiind
conceput prin afiliere cu Statistica dinCanada, iar Statistica din Canada nu este
implicată în niciun fel în documentul
rezultat. Documentul original aparținând instituției Canadiene poate fi vizualizat pe
website-ul Statisticii Canadiene, la adresa
www.statcan.gc.ca. Acknowledgements
Many persons have contributed in the organization and success of the project
“Continuous Development of the Romanian
Statistical System” in relation to improving quality management of Romanian Statistics.
The beneficiary body has been the National
Institute of Statistics (NIS), responsible for the day-to-day collaboration with the
consultants and for providing
methodological documents and data necessary to perform the tasks of the
project. In particular, the following NIS staf
f
has participated: Ms Gabriela Popa (team
coordinator), Mr Răzvan Pavel, Ms Claudia
Căpățînă and Ms Iuliana Ramona Grigore,
under the supervision of Ms Săndica Neagu.
The contractor of the project, the ICON-
Consortium , has provided technical
assistance and overall implementation of the
project. The consortium was composed by
ICON-INSTITUTE Public Sector GmbH (as
leader), and the Romanian Centre for Economic Modelling (CERME). Technical
expertise on quality guidelines was provided
by Mr Michael Colledge, who is the main author of this document, and Mr Manfred
Ehling, key expert on the project
component. The team of consultants was led by Dr Wolfgang Kadgien (Project Manager)
and Mr José Cervera-Ferri (Team leader).
The starting point for production of this
document was Statistics Canada’s Qualit y
Guidelines , Fourth Edition 2003, Catalogue no.
12-539-XIE, which was used with the
permission of Statistics Canada. Much
material has been added and significant changes made to tailor the document to the
Romanian situation. Th us this document is
not presented as having been made in
affiliation with Statis tics Canada, nor does
Statistics Canada in any way endorse the result. The original Statistics Canada document may be seen on Statistics
Canada’s website at www.statcan.gc.ca.

3
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Cuprins
Prefață ………………………………………………………………………………………………………… ……………………………………………. 1
Considerații……………………………………………………………………………………………………. ………………………………………… 2
Abrevieri și acronime ……………………………………………………………………………………………. ……………………………….. 5
1 Introducere …………………………………………………………………………………………………….. ………………………………. 7
2 Conceptele calității ………………………………………………………………………………………………………………………… 9
2.1 Perspectiva internațională……………………………………………………………………………………….. ………. 9
2.2 Introducerea managementului calității în INS …………………………………………………………….. 10
2.3 Politica privind calitatea……………………………………………………………………………………….. ………… 11
2.4 Modelul calității……………………………………………………………………………………………….. ………………. 12
2.5 Evaluarea și raportarea calității………………………………………………………………………………………. 14
3 Ghidul calității……………………………………………………………………………………………………………………………….. 16
3.1 Obiective, utilizări și utilizatori……………………………………………………………………………………….. 16
3.2 Concepte, variabile și clasificări………………………………………………………………………………… …… 18
3.3 Acoperire și cadrul de eșantionare………………………………………………………………………………… 19
3.4 Eșantionarea ……………………………………………………………………………………………………. ……………….. 21
3.5 Proiectarea chestionarelor ……………………………………………………………………………………….. ……. 24
3.6 Culegerea și captarea de date…………………………………………………………………………………….. …. 26
3.7 Non-răspunsul …………………………………………………………………………………………………… …………….. 28
3.8 Editarea……………………………………………………………………………………………………….. …………………….. 30
3.9 Imputarea ………………………………………………………………………………………………………. …………………. 31
3.10 Estimarea ………………………………………………………………………………………………………. ………………….. 33
3.11 Ajustarea sezonieră și estimarea ciclului de trend………………………………………………………. 35
3.12 Evaluare
a calității datelor………………………………………………………………………………………. ……….. 38
3.13 Controlul confidențialității ……………………………………………………………………………………… ……… 40
3.14 Analiza și prezentarea datelor……………………………………………………………………………………. ….. 43
3.15 Diseminarea datelor ………………………………………………………………………………………………………… 45
3.16 Documentarea……………………………………………………………………………………………………. ……………. 46
3.17 Utilizarea datelor administrative…………………………………………………………………………………. … 48
4 Cadrul General de Management al Calității………………………………………………………………………….. …. 51
4.1 Managementul Relevanței ………………………………………………………………………………………….. …. 51
4.2 Managementul Acurateței ………………………………………………………………………………………….. …. 52
4.3 Managementul Oportunității și Punctualității …………………………………………………………….. 53
4.4 Managementul Accesibilității ……………………………………………………………………………………… … 54
4.5 Managementul Clarității ………………………………………………………………………………………….. …….. 54
4.6 Managementul Coerenței și Comparabilității……………………………………………………………… 55
4.7 Managementul Raportării Calității ………………………………………………………………………………… 56
4.8 Managementul Cadrului Instituțional…………………………………………………………………………… 57
5 Anexă: Politici privind Calitatea Sistemului Statistic European …………………………………………….. 58
5.1 Declarația privind calitatea SSE ………………………………………………………………………………….. …. 58
5.2 Codul de Practici al Statisticilor Europene……………………………………………………………………. 59

4

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Table of contents
Preface ………………………………………………………………………………………………………………………………………………………. 1
Acknowledgements………………………………………………………………………………………………… ……………………………… 2
Abbreviations and acronyms ……………………………………………………………………………………….. ………………………. 5
1 Introduction……………………………………………………………………………………………………. …………………………….. 67
2 Quality Concepts…………………………………………………………………………………………………………………………… 69
2.1 International Perspective ………………………………………………………………………………………… ……… 69
2.2 Introducing Quality Management at the NIS……………………………………………………………….. 70
2.3 Quality Policy…………………………………………………………………………………………………………………….. 71
2.4 Quality Model…………………………………………………………………………………………………… ………………. 72
2.5 Quality Assessment and Reporting ……………………………………………………………………………….. 74
3 Quality Guidelines ………………………………………………………………………………………………. ……………………….. 75
3.1 Objectives, Uses and Users……………………………………………………………………………………….. ……. 75
3.2 Concepts, Variables and Classifications ………………………………………………………………………… 77
3.3 Coverage and Frames……………………………………………………………………………………………… ………. 78
3.4 Sampling ……………………………………………………………………………………………………….. ………………….. 80
3.5 Questionnaire Design…………………………………………………………………………………………….. ……….. 83
3.6 Data Collection and Capture………………………………………………………………………………………. ….. 85
3.7 Non-Response……………………………………………………………………………………………………. …………….. 86
3.8 Editing………………………………………………………………………………………………………… ……………………… 88
3.9 Imputation……………………………………………………………………………………………………… …………………. 90
3.10 Estimation……………………………………………………………………………………………………… ………………….. 91
3.11 Seasonal Adjustment and Trend-Cycle Estimation …………………………………………………….. 94
3.12 Data Quality Evaluation ………………………………………………………………………………………….. ………. 96
3.13 Disclosure Control ………………………………………………………………………………………………. …………… 98
3.14 Data Analysis and Presentation …………………………………………………………………………………… 101
3.15 Data Dissemination………………………………………………………………………………………………. ………. 103
3.16 Documentation …………………………………………………………………………………………………… ………… 104
3.17 Administrative Data Use………………………………………………………………………………………….. …… 105
4 Quality Management Framework……………………………………………………………………………………… ……. 109
4.1 Managing Relevance ………………………………………………………………………………………………. ……. 109
4.2 Managing Accuracy……………………………………………………………………………………………….. ……… 110
4.3 Managing Timeliness and Punctuality ……………………………………………………………………….. 111
4.4 Managing Accessibility …………………………………………………………………………………………… ……. 112
4.5 Managing Clarity………………………………………………………………………………………………… …………. 112
4.6 Managing Coherence and Comparability………………………………………………………………….. 113
4.7 Managing Quality Reporting ……………………………………………………………………………………….. 113
4.8 Managing the Institutional Environment…………………………………………………………………… 115
5 Appendix: European Statistical Syst em Quality Policies ……………………………………………………… 116
5.1 ESS Quality Declaration ………………………………………………………………………………………….. ……. 116
5.2 European Statistics Code of Practice ………………………………………………………………………….. 117

5
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics
Abrevieri și acronime Abbreviations and acronyms

ESS Code of Practice CoP Cod de Practici al Statisticilor Europene
ESS Checklist for Survey Managers DESAP Lista de control SSE pentru managerii de
cercetări statistice
Computer Assisted Personal
Interviewing CAPI Interviu asistat de calculator
Computer-assisted telephone interviewing CATI Interviu telefonic asistat de calculator
Electronic data reporting EDR Raportare electronică a datelor
European Foundation for Quality
Management EFQM Fundația Europeană pentru
Managementul Calității
ESS Handbook for Quality Reports EHQR Manual SSE privind rapoartele de calitate
Euro SDMX Metadata Structure ESMS Structura de metadata Euro SDMX
ESS Standard Quality Indicators ESQI Indicatorii standard de calitate ai SSE
ESS Standard for Quality Reports ESQR Standardul SSE privind rapoartele de calitate
European Statistical System ESS Sistemul Statistic European
Intelligent character recognition ICR Recunoașterea inteligentă a caracterelor
Metadata Common Vocabulary MCV Vocabularul comun de metadate
National Institute of Statistics NIS Institutul Național de Statistică
Quality Management Framework QMF Cadrul general de management al calității
Statistical Data and Metadata Exchange SDMX Sistemul de schimb de date și metadate statistice
Total quality management TQM Managementul Calității Totale

6

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics

7
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 1 Introducere
Scopul Ghidului
Prezentul document reunește mai multe aspecte ce trebuie luate în considerare atunci când se
urmăresc obiectivele calității în Institutul Național de Statistică (INS). Acesta se axează pe modul
în care trebuie asigurată calitatea printr-o proiectare și o implementare eficientă și adecvată ale
cercetărilor și ale altor procese statistice, de-a lungul întregului lor ciclu de viață. Obiectivele
specifice sunt formularea conceptelor calității și promovarea conștientizării calității, asigurarea
îndrumării tehnice privind proiectarea și realizarea cercetărilor statistice și sintetizarea cadrului
de asigurare a calități în organizație.
În acest context termenii cercetare statistică și proces statistic se referă la cercetarea statistică
prin sondaj, recensământ, cerc etare statistică bazată pe date administrative, producerea
indicilor de preț sau a altor indici economici, sau orice altă lucrare statistică de sinteză, precum
Conturile Naționale și Balanța de Plăți, aș a cum se va discuta în cele ce urmează.
Utilizatori și utilizări
Ghidul este în primul rând destinat utilizării de către personalul angajat în proiectarea și/sau
realizarea cercetărilor statistice prin sondaj, rece nsămintelor și altor proces e statistice. El poate,
de asemenea, servi managerilor de la cel mai înalt ni vel și utilizatorilor care doresc să se asigure
că metodele de cercetare sunt adecvate, iar calitatea rezultatului este suficient de bună.
Terminologie
În măsura în care este posibil, definițiile termen ilor sunt în conformitate cu Glosarul Sistemului
S t a t i s t i c E u r o p e a n ( S S E ) . A t u n c i c â n d u n t e r m e n n u s e a f l ă î n G l o s a r u l S S E , d e f i n i ț i a s a e s t e
extrasă dintr-o altă sursă internațională di sponibilă, de exemplu Vocabularul Comun de
Metadate (VCM), creat de Organizația pentru Coop erare și Dezvoltare Economică (OECD) și alte
organizații internaționale care se ocupă de iniț iativele privind Schimbul de Date și Metadate
Statistice (SDMX). Glosarul statistic al IN S este luat de asemenea în considerare.
Tipuri de cercetări statistice
Din perspectiva tehnică, metodele INS de producere a statisticilor prezintă o mare diversitate. În
consecință, nu se poate aplica tuturor proceselor de producție un singur set de recomandări, în
special acelea privitoare la acuratețe, ci este ne cesară introducerea unor diferențieri. În scopul
elaborării acestui document și pe baza Manualului SSE privind rapoartele de calitate (Eurostat,
2009), se disting șase tipuri de cercetări și procese statistice, după cum urmează:
1. Cercetarea statistică prin sondaj. Aceasta este o cercetare care se bazează (de obicei) pe o
procedură de eșantionare probabilistică, im plicând culegerea directă a datelor de la
respondenți. Pentru acest tip de cercetare există o teorie atestată privind acuratețea, prin care componentele erorii sunt bine definite (ero ri de eșantionare și de non-eșantionare). Ca
exemple, menționăm Ancheta asupra Forței de Muncă în Gospodării, Ancheta Costului
Forței de Muncă și Ancheta In vestițiilor Străine Directe.
2. Recensământul. Acesta poate fi privit ca un caz special al cercetării prin sondaj, în care
datele sunt colectate de la toate unitățile di n cadrul populației țintă. Un exemplu este
Recensământul Populației și Locuințelor din 2002.
3. Cercetarea statistică ce utilizează sursele administrative . Acest tip de cercetare utilizează
datele colectate pentru alte scopuri de cât producerea directă de statistici.
4. Cercetări statistice ce implică surse multiple de date.
5. Indicii de preț sau alți indici economici privind procesul de producție.

8

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 6. Lucrări statistice de sinteză. Datele sunt colectate dintr-o varietate de surse primare, pentru a
produce date agregate cu o semnificație conceptuală specială, de exemplu Conturile
Naționale și Balanța de Plăți.
Conținutul Ghidului
Capitolul 2 urmărește plasarea Gh idului într-un context internațional. Acesta descrie conceptele
de bază ale calității, pe care se bazează aborda rea INS privind calitatea, incluzând o trecere în
revistă a documentației SSE și a altor documentații internaționale disponibil e privind calitatea și
definițiile calității rezultatelor și calității proceselor. Acesta este în mare parte extras din
Manualul SSE privind Rapoartele de Calitate (Eurostat, 2009).
Capitolul 3 prezintă principiile tehnice de util izare în contextul proiectării, reproiectării,
dezvoltării sau punerii în practică a unei cercet ări sau a altor procese statistice. Ghidul este
elaborat în principal pentru recensăminte și cercetăr i statistice prin sondaj, însă se aplică și altor
tipuri de cercetări statistice dintre cele definite anterior.
În timp ce Capitolul 3 se axează pe cercetările in dividuale și pe alte procese statistice, Capitolul
4 se referă la întreaga organizație, descriind cadrul calității acesteia.
Anexele conțin copii a două document e relevante privind politica SSE.

9
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 2 Conceptele calității
2.1 Perspectiva internațională
Evoluția Managementului Calității
Managementul modern al cali tății își are originea în controlul statistic al calității proiectat pentru
liniile de producție din fabricile anilor ‘20 și ca re încă funcționează. Walter Shewhart, cunoscut
uneori ca “părinte al controlului statistic al ca lității”, introduce noțiunea de variație datorată
cauzelor bine determinate și celor aleatoare și ulterior eliminarea cauzelor bine determinate,
folosind diagramele de control ale calități pr ocesului. Esențiale în controlul calității sunt
inspecția și corecția. Ulterior, între anii 1940 și 1950, s-a acordat o mai mare însemnătate
prevenirii defectelor apărute decât corectării acesto ra, de pildă utilizarea feed-back-ului de la
rezultatele obținute în urma inspecției calităț ii, ca bază pentru modificarea problemelor apărute
la liniile de producție și pentru instruirea angajatului. Această procedură a fost denumită controlul calității în amonte, iar gama mai largă de măsurare a calității a fost denumită
asigurarea calității .
În următorii 30 de ani, ca rezultat al lucrărilor scrise și al sfaturilor date de către „guru” ai calității,
precum William Edwards Deming, recunoscut pentru lucrarea sa Paisprezece principii de
management și Joseph Juran, care a militat pentru dimensiunea umană, noțiunea de asigurare a
calității a fost extinsă mai departe la Managementul Calității Totale (TQM) . Principiile TQM sunt
prezentate în cele ce urmează:
 Focalizarea pe client: o organizație depinde de clienții săi și astfel trebuie să înțeleagă și să se
străduiască să satisfacă nevoile acestora; clienț ii sunt esențiali în determinarea a ceea ce
constituie o bună calitate; calitatea este ceea ce percep clienții, mai degrabă decât
organizația.
 Leadership și consistența scopurilor: leaderii stabilesc unitatea scopului și direcției unei
organizații; aceștia trebuie să creeze și să mențină un mediu intern, care să permită
personalului să se implice total în atingerea ob iectivelor organizației; îmbunătățirea calității
necesită o bună conducere și o direcție susținută.
 Implicarea oamenilor: oamenii de la toate nivelurile sunt esența unei organizații; implicarea
lor totală permite ca abilitățil e lor să fie total valorificate.
 Orientarea către proces: gestionarea activităților și a resurselor ca proces este eficientă; orice
proces se poate diviza într-un lanț de sub-proc ese, pentru care rezultatul unui proces este
input pentru următorul.
 Abordarea sistematică către management: identificarea, înțelegerea și gestionarea
proceselor ca sistem contribuie la operativitate și eficacitate.
 Îmbunătățire continuă: îmbunătățirea continuă ar trebui să fie un obiectiv permanent al
unei organizații.
 Abordarea bazată pe fapte în luarea deciziilor: deciziile eficace se bazează pe analiza
informațiilor și datelor.
 Relațiile reciproc avantajoase cu furnizorul: o organizație și furnizorii săi sunt
interdependenți, iar o relație cu avantaje re ciproce contribuie la dezvoltarea amândurora.
Seriile ISO 9000 ale sistemului de management al calității
Specificația principiilor TQM dată mai sus a fost extrasă din standardul ISO 9000, standardul de
calitate cel mai larg utilizat în lu me. Sunt de fapt trei standarde:
 ISO 9000: 2005 Sistemele de management al ca lității – Elemente esențiale și Vocabular: descrie
elementele fundamentale ale sistemelor de ma nagement al calității, incluzând principiile
calității (așa cum sunt reproduse mai sus), terminologie și modele;

10

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  ISO 9001: 2000 Sistemele de management al calității – Cerințe: specifică caracteristicile cerute
pentru un sistem de management al calității. Este cel mai bine cunoscut dintre toate cele
trei standarde, întrucât este cel vizat de că tre organizații pentru obținerea certificării;
 ISO 9004: 2000 Sistemele de mana gement al calității – Principii: este proiectat să asiste
organizațiile care au deja implementate sistem e de management al calității, pentru a obține
îmbunătățiri în ceea ce privește îmbunătățirea performanței.
Standardul EFQM al calității
Fundația Europeană pentru Managementul Calității a produs ceea ce este de fapt un standard
al calității întrucâtva similar standardului ISO 9000. Cu toate că inițial a fost proiectat pentru
utilizarea de către organizațiile comerciale din Uniunea Europeană, Modelul de Excelență al
EFQM este în prezent recunoscut la nivel mondial, mii de organizații din toată lumea utilizând
principiile EFQM pentru a-și ghida strate giile și operațiunile afacerilor lor. Excelența este definită
ca practica remarcabilă în gestionarea or ganizației și obținerea de rezultate și se spune că ar
necesita angajamentul conducerii în respectare a elementelor principale în mod similar cu
principiile ISO 9000, respectiv: orientarea către re zultate; focalizarea pe client; conducerea și
consistența scopului; managementul orientat pe procese și fapte; dezvoltarea și implicarea
oamenilor; învățarea continuă, inovarea și îmbunătățirea; dezvoltarea parteneriatului;
responsabilitatea socială corporatistă.
ISO 20252:2006 Piața, opinia și cercetarea socială – Vocabular și cerințe
Noul standard internațional stabilește termin ologia și cerințele pentru organizațiile ce
realizează cercetări de piață, sondaje de opinie și cercetări sociale și stabilește un nivel comun al calității pentru cercetarea de piață la nivel gl obal. Își are originile în standardul BS7911 al
Institutului Britanic de Standardizare, pe care îl înlocuiește. Cuprinde secțiuni privind sistemele
de management al calității, gest ionarea cercetării, culegerea de date (inclusiv munca de teren,
auto-completarea chestionarelor și culegerea din surse secundare), managementul, prelucrarea
și raportarea datelor (captarea, codificarea, editarea, analizarea, securizarea).
2.2 Introducerea managementului calității în INS
Nevoia de interpretare a standardelor internaționale de calitate
Cu excepția standardului ISO 20252, standardele și modelele de calitate descrise în secțiunea
anterioară sunt destinate acoperirii tuturor organizațiilor, indifere nt de structura lor
organizațională, de procesele și produsele lor și sunt exprimate în termeni foarte generali.
Astfel, așa cum se precizează în introducerea la IS0 9001:2000:
 Proiectarea și implementarea de către o organizație a sistemului de management al calității
sunt influențate de diverse nevoi, obiective specifice, de produsele furnizate, procesele
angajate și de dimensiunea și structura organizației. Nu este intenția standardului de a
implica uniformitate în structura sistemelor de management al calității sau uniformitate în
documentație.
Astfel, în dezvoltarea sistemului său de management al calității (denumit cadrul general de
management al calității (QMF) ), INS trebuie să interpreteze standardele internaționale în
contextul său specific.
Contextul INS
Contextul în interiorul căruia operează INS, poate fi caracterizat după cum urmează:
 Este o instituție de stat, nu privată și care nu se bazează pe profit. Furnizează mai degrabă
datele gratuit utilizatorilor , decât contra cost. Astfel, utiliz atorii nu pot influența calitatea
datelor prin decizii de achiziționare.

11
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Unii utilizatori sunt de fapt utilizatori interni, de exemplu domeniul conturilor naționale este
un utilizator, dar și un producător.
 Principalele intrări la nivel național sunt, de obicei, date de la întreprinderile individuale,
gospodării și persoane, fie colectate direct, fi e prin intermediul proceselor administrative.
 Procesele cheie de producție reprezintă conv ersia datelor individuale în date agregate,
adică statisticile și gruparea lor în rezultate statistice naționale.
 Produsele primare, denumite în prezentul document rezultate, sunt statisticile și serviciile
anexe.
Elemente ale Cadrului General al Ma nagementului Calității în INS
Luând în considerare aceste caracteristici, cadrul INS de management al calității (QMF) ar trebui
să cuprindă:
 Politica privind calitatea – o scurtă declarație din partea managementului de top, care să
indice nivelul angajamentului către managementul calității;
 Modelul calității – o definiție a ceea ce se în țelege prin calitate, elaborată de obicei în
termenii componentelor calității;
 Obiectivele calității, standardele și ghidul calită ții – obiectivele țintă ale calității împreună cu
standardele internaționale sau loca le și ghidul adoptat de INS;
 Procedurile de asigurare a calității – parte a/ încorporate în procesele de producție în cea
mai mare măsură;
 Procedurile de evaluare a calității – uneori înco rporate în procedurile de asigurare a calității,
realizate cu regularitate, de exemplu pe baza unei liste de control pentru auto-evaluare,
cum ar lista DESAP;
 Procedurile de măsurare a calității – în mod specific incluzând un set de indicatori de
calitate și performanță, cu proceduri de cule gere a valorilor datelor corespunzătoare, fiind
încorporate în procesele de prod ucție în cea mai mare măsură;
 Programul de îmbunătățire a calității – in ițiativele de îmbunătățire continuă și
retehnologizare.
Scopul este de a ordona toate aceste elemen te, așa cum vor fi discutate în următoarele
paragrafe și în Capitolul 4.
2.3 Politica privind calitatea
Politici internaționale
Comisia de Statistică a Națiunilor Unite asigură consiliere pe tema cadrului instituțional în
interiorul căreia se poate dezvol ta managementul calității prin Principiile fundamentale ale
Națiunilor Unite ale Statisticilor Oficiale pentru sistemele statistice naționale, promulgate în 1994.
Există zece principii.
În SSE, Declarația de calitate a SSE a fost adoptată de Comitetul pentru Programul Statistic
în 2001 ca măsură oficială către managementul calității totale în SSE, în conformitate cu
Modelul de Excelență EFQM. Conține doar o pagină și jumătate, cuprinzând declarația misiunii
și a viziunii SSE și zece principii împrumutate de la Principiile Fundamentale ale Națiunilor Unite
și ajustate special pentru contextul SSE.
Codul de Practici al Statisticilor Europene (CoP) a fost promulgat de către Comisia Europeană
în 2005. Acesta obligă Eurostat și cele 27 de St ate Membre, la respectarea celor cincisprezece
principii ce acoperă mediul instituțional, procesele și rezultatele statistice .

12

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Calitatea este de asemenea, un considerent în cadr ul altor reglementări adoptate de Consiliul și
Parlamentul European, creând baza legală pentru realizarea stat isticilor europene în diverse
domenii. Reglementările Consiliului sunt ele însele mecanisme de asigurare a calității, stabilind
norme specifice, de actualitate, prin creare a unor standarde metodologice, ce conduc la
creșterea acurateței și comparabilității, precum și acoperirea relevanței conform nevoilor
instituțiilor europene privin d statisticile naționale.
Politica privind calitatea în INS
În calitate de coordonator al Sistemului Stat istic Național românesc, INS are misiunea de a
satisface în cea mai mare măsură nevoia de info rmații pentru toate categoriile de utilizatori de
date statistice prin culegerea, producerea și di seminarea datelor statistice relevante, precise,
coerente, oportune și accesibile, necesare luăr ii de decizii privind dezvoltarea economică și
socială a țării și privind real itățile societății românești.
În ultimii șase ani, INS a înregistrat un progres considerabil în direcția managementului calității
totale și asigurării unei culturi a calității în interi orul organizației. Ținta în următorii anii este de a
obține performanțe metodologice și operaționale la niveluri comparabile cu cele mai avansate
institute naționale de statistică din Statele Membre ale UE.
2.4 Modelul calității
Dezvoltarea QMF depinde de o definiție precisă a calității. Punctul de plecare este definirea
calității rezultatului din perspectiva client/utili zator. Cea mai generală și succintă definiție a
calității produsului este adecvarea acestuia pentru utilizare . Într-un mod mai detaliat, dar mai
degrabă empiric, calitatea produsului este definită și de ISO 9000, care din perspectiva statisticii
este sinonimă cu calitatea rezultatului, respectiv:
 Gradul în care un set de caracteristi ci intrinseci îndeplinește cerințele.
Definiția mai cuprinzătoare furnizată de ISO 8402:1986 este:  Totalitatea trăsăturilor și caract eristicilor unui produs sau serviciu, care conferă abilitatea
acestuia de a satisface nevoile exprimate și implicite.
Aceste definiții largi asigură o noțiune de bază a calității rezultatului, dar trebuie să fie însoțite
de o interpretare mai precisă a componentelor calității. Acest lucru este prevăzut în Definiția
calității a SSE , prezentată la întâlnirea din octombrie 2003 a Grupului de Lucru SSE Evaluarea
calității în statistică . Deși nu i s-a conferit un statut ma i formal, acest document a asigurat baza
pentru definirea componentelor calității pentru toate documentele ulterioare ale SSE privind
calitatea și a fost adoptat de către INS.
Componentele calității rezultatului
INS definește calitatea rezult atului în conformitate cu Definiția calității a S S E . Î n t e r m e n i m a i
largi, calitatea rezultatelor INS este evaluată în termenii ”adecvării pentru utilizare”. Mai precis,
calitatea rezultatului se măsoară în termenii a șase componente ale calității: relevanța,
acuratețe, oportunitatea și punctualitatea, cl aritatea și accesibilitatea, coerența și
comparabilitatea.
Relevanța e s t e g r a d u l î n c a r e r e z u l t a t u l s t a t i s t i c răspunde nevoilor curente și potențiale ale
utilizatorului. Aceasta depinde de producerea tuturor st atisticilor cerute de utilizatori și de gradul în
care conceptele utilizate (definiții, clasif icări, etc.) reflectă nevoile utilizatorilor. Utilizatorii au o
varietate de nevoi, uneori contradictorii. Provoc area INS este de a cântări și de a echilibra
nevoile actualilor sau potențialilor utilizatori prin proiectarea de anchete în limitele resurselor
organizației. Acuratețea rezultatului statistic în sens general este gr adul de apropiere al estimațiilor de valorile
reale. Aceasta se caracterizează, în general, în termenii estimării erorii statistice și în mod

13
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics tradițional poate fi împărțită în componente ale abaterii (eroare sistematică) și dispersie (eroare
aleatoare). Poate fi de asemenea descrisă în termenii surselor majore de eroare, care pot
determina lipsa acurateței (ex: acoperire, eșan tionare, răspuns, non-răspuns și prelucrare).
Oportunitatea rezultatului statistic este durata de timp dintre momentul producerii evenimentului
sau fenomenului descris și momentul în care acesta este disponibil. Informația care este disponibilă
pentru utilizatori în timp util pentru scopul său principal, este considerată oportună. Deciziile privind oportunitatea implică compromis uri între relevanță și acuratețe.
Punctualitatea rezultatului statistic este decalajul dintre momentul furnizării datelor și data
planificată pentru furnizare, după cum se anunță în calendarul oficial, stabilit prin reglementări sau
agreat în prealabil între parteneri.
Accesibilitatea rezultatului statistic este ușurința cu care utilizatorii pot obține datele. Aceasta este
determinată de condițiile fizice pr in intermediul cărora utilizator ii obțin datele: unde să meargă,
cum să comande, timpul livrării, politica de prețuri, condițiile de marketing (drepturile de autor,
etc.), disponibilitatea micro sau macro datelo r, diverse formate (hârtie, fișiere, CD-ROM,
Internet, etc.)
Claritatea rezultatului statistic este măsura în care utilizatorii înțeleg cu ușurință datele. Aceasta
este determinată de mediul informatic în care su nt prezentate datele, dacă datele sunt însoțite
de metadatele adecvate, descriind conceptele, s ursele, metodele, dacă utilizarea este prin
ilustrații precum grafice și hărți, dacă informația privind acuratețea datelor este disponibilă
(incluzând orice limitări în ce privește utiliz area) și măsura în care se acordă asistență
suplimentară utilizatorilor.
Coerența a două sau mai multe rezultate statistice se re feră la gradul în care procesele statistice,
prin care au fost generate, au utilizat aceleași concepte – clasificări, definiții și populații țintă – și
metode armonizate. Rezultatele statistice coerente au pote nțialul de a fi combinate și utilizate
împreună. Exemple de o astfel de utilizare sunt atunci când rezultatele statistice se referă la aceeași populație, perioadă de referință și regiun e, dar cuprind seturi diferite de date (de ex.:
date de ocupare și date de producție) sau atunci când ele cuprind aceleași date (de ex.: datele
de ocupare) dar pentru perioade de referi nță, regiuni sau alte domenii diferite.
Comparabilitatea este un caz special de coerență și se referă la ultimul exemplu, unde rezultatele
statistice se referă la aceleași date, iar scopul co mbinării lor este de a putea face comparații în timp,
pe regiuni sau pe alte domenii.
Componentele calității procesului
Calitatea rezultatului se obține prin calitatea procesului , care are două aspecte clare:
 eficacitatea: care conduce la rezultate de bună calitate;
 eficiența: care conduce la producerea acestora la costuri minime pentru INS, pentru
respondenți și alți furnizori de date.
Componentele calității procesului sunt formulate în do uă grupe bazate pe primele zece principii
din Codul de Practici al SSE, după cum urmează.
Mediul Instituțional
 Independența profesională: personalul INS este independent profesional de alte politici, alte
departamente și organisme legislative sau administrative și de organizațiile din sectorul
privat.
 Mandat pentru culegerea de date: INS are o împuternicire legală clară pentru culegerea
informației. Furnizorii pot fi obligați prin lege să permită accesul la date sau să furnizeze
date.
 Adecvarea resurselor: resursele disponibile sunt suficiente pentru a răspunde cerințelor
sistemului și de prelucrare.

14

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Angajamentul privind calitatea: personalul se angajează să lucreze și să coopereze în
conformitate cu principiile stabilite în Declarația de Calitatea a SSE.
 Confidențialitatea statistică: confidențialitatea furnizorilor de date (gospodării, întreprinderi,
administrații și alți respondenți) și confidenți alitatea informației pe care o furnizează și
utilizarea acesteia doar pentru scopuri statistice sunt garantate.
 Imparțialitatea și obiectivitatea: producerea și diseminarea statisticii respectă independența
științifică, iar statistica este realizată într-o manieră obiectivă, profesională și transparentă,
prin care toți utilizatorii sunt tratați echitabil.
Anchetele și infrastructura statistică
 Metodologie solidă: instrumente, proceduri și expertiză adecvate.
 Proceduri statistice adecvate: sunt implementate de-a lungul ciclului de viață al anchetei.
 Sarcină non-excesivă pentru respondenți: sarcina de raportare este proporțională cu nevoile
utilizatorilor și nu este excesivă. Este monitorizată de-a lungul timpului și sunt stabilite
țintele privind reducerea acesteia.
 Eficacitatea costurilor: resursele sunt utilizate în mod eficient.
Considerații privind echilibrarea calității
Componentele calității rezultatului și procesul ui sunt interconectate. Nu există un model
general care să le adune laolaltă pentru a optimiza s a u p e n t r u a p r e s c r i e u n n i v e l a l c a l i t ă ț i i .
Obținerea unui nivel acceptabil de calitate este rezultatul preocupării pentru realizarea unui
echilibru între componentele calității de-a lungul timpului. Acest echilibru este un aspect foarte
important al proiectării, implementării și funcționării anchetelor INS.
Capitolul 3 din acest ghid reprezintă un sprijin în promovarea bunelor practici statistice, în
special a metodologiei clare, a procedurilor stat istice adecvate, a sarcinii neexcesive asupra
respondenților, a eficacității costurilor și a tuturor aspectelor calității rezultatului.
2.5 Evaluarea și raportarea calității
Metodele și procedurile SSE
 Standardul SSE privind rapoartele de calitate , care a fost actualizat în 2009, furnizează
recomandări pentru pregătirea rapoartelor de ca litate cuprinzătoare, de către INS-uri și
direcțiile Eurostat.
 Manualul SSE privind rapoartele de calitate , de asemenea actualizat în 2009, asigură mai
multe detalii și exemple.
 Ambele documente conțin cea mai recentă versiune a Indicatorilor standard de calitate
pentru utilizare în centralizarea calității rezultatelor statistice.
 Glosarul calității SSE acoperă mai mulți termeni tehnici în documentația SSE privind
calitatea, asigurând o scurtă definiție a fiec ărui termen și indicând sursa definiției.
 Un glosar mai cuprinzător și mai actualizat este Vocabularul comun de metadate , dezvoltat
în parteneriat cu organizațiile in ternaționale, inclusiv Eurostat.
 Lista de control SSE pentru managerii de cercetări statistice (DESAP) permite realizarea
evaluărilor rapide, dar sistematice și cuprinzătoar e ale calității unei anchete și a rezultatelor
acesteia, precum și identifica rea posibilelor îmbunătățiri.
 Există o versiune condensată a Listei de control SSE pentru managerii de cercetări statistice
(DESAP), care conține doar întrebări cheie selectate și există și o Versiune electronică a Listei
de control SSE cu o Versiune electronică a ghidului de utilizare .

15
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Manualul privind calitatea datelor – Metode și instrumente de evaluare (DatQAM) detaliază
întreaga gamă de metode pentru evaluarea calității procesului și rezultatului și
instrumentele pe care se sprijină.
 Manualul privind îmbunătățirea calității prin analiza variabilelor procesului al SSE descrie o
abordare generală și instrumente utile pent ru identificarea, măsurarea și analizarea
variabilelor cheie ale procesului.
Ultimele versiuni ale tuturor acestor documente sunt disponib ile pe pagina de calitate a
website-ului Eurostat. Luând în considerare abordările prezentate , mijloacele de raportare a
calității de către INS sunt discutate în Capitolul 4.

16

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 3 Ghidul calității
Remarci introductive
Acest ghid are ca scop sprijinirea proiectării unei noi anchete, reproiectării sau îmbunătățirii
celor deja existente. Acesta este organizat în secțiuni corespunzătoare principalelor sub-procese din care este alcătuită în mod tipic o anch etă. Aceasta pare a fi o structură mai naturală
pentru managerii de anchetă (utilizatorii principali) decât organizarea aceleiași informații în funcție de componentele calității rezultatului și proceselor. S-a acordat de asemenea atenție
utilizării aceleiași structuri precum recentul pr omulgat model generic al procesului statistic.
Totuși, acest model își are originea într-un mediu IT și include o distincție exactă între funcțiile de proiectare și construcție, în timp ce, din perspectiva unui manager de anchetă este mai adecvat să spunem tot ce e de spus despre un anume sub-proces, de exemplu eșantionarea, în
cadrul unei singure secțiuni, indiferent dacă se leagă de proiectare, construcție sau operare.
Secțiunea 3.1 furnizează recomandăr i de asistență în identificarea obiectivelor, utilizărilor și
utilizatorilor. Secțiunile ce urmează acoperă su b-procesele ulterioare ale anchetei în ordine
aproximativ cronologică. Totuși, unele procese po t avea loc simultan, de exemplu, dezvoltarea
cadrului, eșantionarea și proiectarea chestiona rului. Există interdependențe semnificative între
unele sub-procese, de exemplu, între proiecta rea chestionarului, colectarea și procesarea
datelor. Alte secțiuni, precum documentarea, se referă la acti vități care nu constituie sub-
procese distincte de sine stătătoare, ci au mai degrabă loc în contextul mai multor sub-procese.
În cele din urmă, aspectele legate de utilizarea datelor administrative sunt discutate într-o
secțiune separată.
Toate secțiunile sunt structurate în patru părți, după cum urmează:
 Scopul și obiectivele , cuprinzând o definiție și descrierea sub-procesului sau activității și o
indicație a impactului său potențial asupra ca lității, stabilind astfel contextul pentru
următoarele recomandări.
 Principiile, cuprinzând politicile și abordările largi care guvernează proiectarea sub-
procesului sau a activității, cu accent pe acelea care se referă la calitate.
 Recomandările, cuprinzând bunele practici cunoscute și furnizând o listă tehnică de control
cuprinzătoare în sprijinul proiectării și derulării anchetei. Este nevoie de discernământ pentru a decide dacă practicile sunt potrivite pentru fiecare caz în parte și momentul și
modalitatea în care acestea trebuie implementate.
 Referințe. Sunt prezentate standarde și politici internaționale sau ale INS, relevante,
împreună cu documentele care furnizea ză detalii privind anumite aspecte.
3.1 Obiective, utilizări și utilizatori
Scop și obiective
Înainte de aprobare, trebuie efectuat un exerciți u inițial de planificare în vederea stabilirii
nevoilor principale de date și a fezabilită ții generale a unei anchete nou propuse sau
reproiectate. Acesta include definirea obiectivelor generale, populația țintă și întrebările sau
aspectele cheie, către care se va îndrepta an aliza bazată pe date. După aprobare, trebuie
elaborate mai departe rezultatele planificării iniț iale pentru a asigura că activitatea nouă sau
reproiectată va respecta cerinț ele specifice ale utilizatorului.
Obiectivele sunt scopurile pentru care este cerută informația, enunțate în contextul
programului, problema de cercetare sau ip otezele care dau naștere nevoii de date.
Utilizările specifice indică mai precis nevoia de date, de pildă, descriind ce decizii pot fi luate pe
baza datelor culese și în ce măsură sprijină informațiile aceste de cizii. Pentru anchetele
periodice, de-a lungul timpului se pot dezvolta alte utilizări.

17
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Utilizatorii sunt organizațiile și indivizii care urmează să utilizeze informația.
Ajungerea la un consens asupra obiectivelor specific e, utilizărilor și utilizatorilor, este esențială
pentru luarea de decizii raționale în proiectarea anchetei.
Principii
Specificarea obiectivelor și a utilizărilor prin consultarea cu potențialii utilizatori, conduce la
dezvoltarea unui plan detaliat al anchetei. Ut ilizatorii pot ajuta la descrierea mai precisă a
obiectivelor anchetei. Dezvoltatorii de anch ete pot identifica aspectele conceptuale,
metodologice și operaționale pe care trebuie să le rezolve și pot sugera un program rezonabil.
Este important să avem o înțelegere clară și să formulăm concret obiectivele în termenii
ipotezelor ce vor fi testate și/sau ai cerințel or specifice privind datele, inclusiv calitatea
așteptată, constrângerile bugetului și datele de livrare așteptate.
O formulare a obiectivelor este un mijloc important de comunicare către utilizatori a
rezultatelor așteptate și a limitărilor acestora. Acea sta asigură, de asemenea, utilizatorilor viitori,
care pot avea obiective diferite, mijloacele necesare evaluării gradului în care rezultatele pot
răspunde nevoilor lor specifice.
Recomandări
 Focalizarea analizei asupra nevoilor utilizatorului de a găsi cele mai eficiente soluții privind
costurile, atât pe termen lung, cât și pe termen scurt. Înainte de a începe
proiectarea/reproiectarea, analizați statistica actuală disponibilă din domeniu în ceea ce
privește sursele, frecvența, calitatea, oportunitatea, etc. Aveți în vedere compromisul dintre
limitările datelor disponibile și costurile și timpul necesare pentru producerea datelor
suplimentare.
 Dezvoltați obiectivele anchetei în parteneriat cu utilizatorii și părțile interesate importante.
Identificați utilizatorii și grupurile de util izatori importanți, de exemplu pe cei care
elaborează politicile. Includeți potențialii utiliz atori din interiorul INS, de exemplu Conturile
Naționale. Stabiliți și mențineți relațiile cu utilizatorii de informație din sectorul public și privat și cu publicul general, pentru a întări relevanța rezultatelor și pentru a îmbunătăți
diseminarea lor.
 Înainte de orice proiectare sau reproiectare major ă, stabiliți consultări cu utilizatorii, pentru
a putea identifica opțiunile, precum și pent ru a putea obține sprijinul publicului pentru
program. Întrucât rezultatele nu sunt folosi te dacă nu inspiră încredere, apelați la o
abordare deschisă atunci când dezvoltați sa u revizuiți programe, astfel încât să puteți
construi încrederea în procese și produse.
 În determinarea măsurii în care o anchetă va răspunde nevoilor utilizatorului, căutați un
compromis rezonabil între aceste nevoi și buget, între sarcina de răspuns și aspectele
privind confidențialitatea. INS poate avea puți n de spus atunci când metodologia generală
și conținutul sunt legiferate. Cu toate acestea, în alte cazuri, merită să formulăm abordări
metodologice alternative, mijloace și moduri de culegere a datelor, frecvențe, detalii
geografice, etc., în vedere a atingerii soluției optime.
 Revizuirea anchetelor continue la intervale re gulate. Anchetele trebuie să evolueze, să se
adapteze și să fie reînnoite, astfel încât să poată menține pasul cu cererile în schimbare ale
utilizatorilor. Scopul anchetelor trebuie revi zuit și reexaminat periodic pentru a spori
relevanța vizavi de nevoile utilizatorului, înt rucât acestea pot evolua sau se pot modifica.
Uneori poate fi necesară modificarea anchet elor existente pentru menținerea fiabilității
seriilor statistice cheie, în special dacă sursele de informație s-au schimbat sau în cazul în
care mijloacele de obținere au fost reproiectate.
 Atunci când există ținte explicite privind calitatea datelor, includeți-le în formularea
obiectivelor anchetei. Țintele se pot referi la erorile de eșantionare, ratele de acoperire,
ratele de răspuns și oportunitatea.

18

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Referințe
Blanc, M., Radermacher, W. and Körner, T. (2001). Quality and users . Session 15.1 of the
International Conference on Qu ality in Official Statistics , Stockholm, Sweden.
Brackstone, G.J. (1993). Data relevance: keeping pace with user needs . Journal of Official Statistics,
9, 49-56.
3.2 Concepte, variabile și clasificări
Scop și obiective
Conceptele sunt subiectele interpelărilor și analizelor de interes ale utilizatorilor. Acestea se
referă la caracteristicile generale sau atributele unităților statistice. Variabilele sunt indicatori
folosiți pentru a măsura conceptele. Definițiile conceptelor și variabilelor corespunzătoare
trebuie să fie clare, specificate precis și releva nte pentru scopurile analitice primare, pentru care
sunt culese datele. Toate categoriile de date st atistice trebuie să fie clasificate în vederea
prezentării și analizei, iar schema de clasificări corespunzătoare trebuie să fie potrivită pentru
aceste scopuri analitice.
Principii
Pentru a trage concluzii dintr-un set de date, util izatorii trebuie să aibă acces și să cunoască
conceptele pe care se fundamentează datele. Utilizarea definițiilor armonizate ale conceptelor, variabilelor și clasificărilor ajută utilizatorii în compararea și integrarea datelor. Totuși, astfel de definiții pot avea nevoie de modificări pentru a răspunde nevoilor specifice ale utilizatorilor. O
variabilă aleasă la un moment dat poate deveni perimată dacă sunt angrenați noi factori.
Definițiile conceptelor, variabilelor și clasificărilor trebuie docume ntate și orice diferențe față de
standarde sau față de definițiile utilizate pent ru datele asociate trebuie scoase în evidență.
Această documentație este în mod special im portantă pentru utilizatorii care doresc să
folosească datele în alte scopuri decât cele prevăzute inițial.
Există adesea mai multe moduri de a măsura un concept. Factorii ce trebuie luați în considerare
în definirea indicatorilor includ ușurința în ob ținerea datelor de la respondenți, sarcina de
răspuns impusă respondentului, contextul în care trebuie puse întrebările, metoda de culegere,
editarea, imputarea și tehnicile de ponderare, dacă informația poate fi obținută din rapoartele
administrative și costurile asociate cu culegerea și prelucrarea.
Recomandări
 Specificați conceptele, variabilele și clasificăril e în mod clar și justificați-le în funcție de
scopul prevăzut.
 Unde este posibil, utilizați de finițiile standard ale conceptelo r, variabilelor, clasificărilor,
unităților statistice și populațiilor.
 În alegerea denumirilor convenționale, luați în considerare standardele și utilizările existente. Folosiți titlurile din standardele exis tente doar așa cum sunt definite în standarde.
 Pentru a maximiza flexibilitatea utilizării, codifi cați microdatele și mențineți fișierele la cel
mai jos nivel posibil al fiecărei clasificări. Agregarea la un nivel mai înalt, cerută pentru
anumite scopuri analitice sau pentru a satisface constrângerile legate de confidențialitate
sau fiabilitate a datelor, se poate realiza într-o etapă ulterioară.
 Unde este posibil, folosiți o strategie comu nă pentru agregări și definiți-le în termenii
agregărilor de la un nivel superior al clasific ărilor. Documentați diferențele dintre nivelurile
standard și cele afective ale clasificărilor/agregăr ilor utilizate. Folosiți clasificările care includ
nivelurile detaliate și pe cele „în cascadă”. Sp ecificați clar utilizatorilor cum se încadrează
acestea în clasificările de la un nive l superior (adică, mai puțin detaliate).

19
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Folosiți definițiile standard pentru a face po sibilă compararea datelor culese din surse
diferite și integrarea datelor pe surse. INS are multe clasificări standard, inclusiv privind
ramurile industriale, produsele, ocupațiile și geografia (vezi referințele de mai jos), precum
și un glosar al termenilor statistici. În plus, există clasificări standard internaționale produse
de Oficiul Statistic al Națiunilor Unite, Oficiul Internațional al Muncii, Eurostat și alte agenții
internaționale și regionale. În absența unui standard oficial, examinați conceptele,
variabilele și clasificările care sunt folosite de programele statistice af erente și consultați-vă
cu experții în standarde, acolo unde este necesar.
 INS a realizat concordanța cu mai multe clasif icări internaționale standard. Când există
cerințe de date din partea agențiilor internaț ionale, folosiți concordanțele oficiale, când
acestea sunt disponibile.
 Utilizați unitățile standard de observare pentru a facilita compararea datelor. Clasificările
sunt de obicei proiectate cu luarea în co nsiderare a anumitor unități de observare.
 Luați în considerare activitățile statistice derivate, precum Sistemul Conturilor Naționale, ale
căror cerințe în termenii variabilelor și clasific ărilor pot avea un efect semnificativ asupra
anchetei.
Referințe
Clasificarea activităților din Ec onomia Națională – CAEN REV.1
Clasificarea activităților din Ec onomia Națională – CAEN REV.2
Clasificarea Produselor și Serviciilor asociate Activităților din Economia Națională – CPSA
Nomenclatorul Produselor și Serviciilor Industriale – PRODROM
Registrul unităților administrativ- teritoriale a României – SIRUTA
Nomenclatorul Unităților Teritoriale Statistice – NUTS
Clasificarea Ocupațiilor din România – COR 2009
Clasificarea Internațională Standard a Educației – ISCED
Inventarele naționale de emisii – CORINAIR
Nomenclatorul Selectat pentru Sursele de Poluare a Aerului – SNAP
Clasificarea standard pentru statistica transporturilor – NST 2007
Nomenclatorul mărf urilor periculoase
Nomenclatorul de Produse și Servicii – COICOP
Nomenclatorul Combinat de Bunuri – NC
Sistemul Conturilor Naționale, 1995
3.3 Acoperire și cadrul de eșantionare
Scop și obiective
Populația țintă este setul de unități pentru care se cer informații și sunt cerute estimări.
Considerentele practice pot dicta ca unele unităț i să fie în mod deliberat excluse, de exemplu,
micile întreprinderi, care sunt imposibil de acce sat fără a implica costuri mari. De aici se naște
conceptul de populație statistică , setul de unități obținut prin ex cluderea unor unități care sunt
greu sau costisitor de accesat. Diferențele dintre populația țintă și populația statistică sunt
rezultatul restricțiilor deliberate ale acoperirii. Dacă cele două diferă, se poate face o inferență
statistică validă sub eșantionarea probabilistică asupra populației statistice, și nu asupra
populației țintă.

20

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Cadrul este orice listă, material sau dispozitiv care delimitează, identifică și permite accesul la
elementele populației anchetate. Cadrele sunt în general de două tipuri: cadre zonale și liste de
cadre. Cadrele zonale sunt de obicei alcătuite di ntr-o ierarhie de unităț i geografice, respectiv,
unitățile de la un anumit nivel al cadrului pot fi subdivizate pentru a forma unitățile de la
următorul nivel. Toate elementele incluse în cadru constituie populația-cadru. Discrepanțele
dintre populația cercetată și populația-cadru sunt denumite erori de acoperire .
Principii
Cadrul anchetei trebuie să se conformeze populației cercetate și să conțină subacoperirea și
supraacoperirea minimală. Informația cu privire la cadre trebuie menținută la zi. Erorile de
acoperire apar din cauza omisiunilor, includerilor eronate, dublărilor și/sau clasificărilor eronate
ale unităților din cadrul eșantionului.
Caracteristicile unităților din cadru (de ex.: iden tificare, contact, clasificare, adresă, dimensiune,
hărți, în cazul unităților geografice), trebuie să fie de înaltă calitate în vederea utilizării lor în
stratificare, selecția de eșantion, culegere, urmărire, prelucrare de date, imputare, estimare, legăturile între înregistrări, evaluarea calității și analiză. Imperfecțiunile cadrului precum erorile
de acoperire și caracteristicile depășite pot ab ate sau diminua fiabilitatea estimărilor anchetei
sau pot crește costurile generate de culegerea de date.
Recomandări
 Testați cadrele posibile în stad iul de planificare a anchetei pentru identificarea gradului lor
de adecvare și calității lor.
 Când există mai multe cadre, unele dintre acestea fiind incomplete dar mai puțin
costisitoare pentru utilizare și altele mai complete dar în mod prohibitiv costisitoare, luați în considerare utilizarea cadrelor multiple.
 Luați în considerare că se poate utiliza apel area aleatoare a numerelor în anumite anchete
telefonice în combinație cu alte cadre zonale sau liste.
 Pentru anchetele în instituții și în întreprinderi, utilizați Registrul Statis tic al Întreprinderilor.
(REGIS)
 Pentru anchetele în agricultură, ut ilizați Registrul Statistic al Exploatațiilor Agricole (REXA).
 Pentru anchetele în gospodării, folosiți Eșan tionul Master pentru Anchetele în Gospodării
(EMZOT).
 Pentru a evita contradicțiile, pentru a facilita combinarea estimărilor din anchete și pentru a reduce costurile menținerii cadrului și evaluării, utilizați același cadru pentru anchete cu
aceeași populație țintă, pe cât posibil.
 Rețineți și stocați informația despre eșantionare, rotația și culegerea de date astfel încât să
se poată obține coordonarea di ntre anchete, iar relațiile re spondenților și sarcina de
răspuns să poată fi mai bine gestionate. De ex emplu, înregistrați pe unități datele culese
pentru fiecare anchetă.
 Încorporați procedurile pentru a elimina dublarea și pentru a actualiza informațiile privind nașterile, decesele unităților din afara domeniului și modificările în caracteristici.
 Monitorizați calitatea cadrului evaluând periodic acoperirea sa și calitatea informației privind caracteristicile unităților. Ex istă mai multe tehnici în acest scop:
 Potrivirea cadrului sau a eșantionului unui cadru cu sursele alternative comparabile,
furnizate adesea de înregistrările admi nistrative, pentru populația anchetată sau
subseturile acesteia;
 Analizarea rezultatelor anchetelor în vederea depistării duplic ărilor, deceselor, unităților
din afara domeniului și modi ficărilor caracteristicilor;
 Utilizarea întrebărilor specifice în ch estionare pentru a sprijini monitorizarea
informațiilor privind acoperirea și clasific area; verificarea informațiilor împreună cu

21
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics autoritățile locale (ex.: oficiile regionale, personalul care asigura ancheta pe teren,
unitățile de anchetă);
 Verificarea cadrului sau a subseturilor ac estuia pe teren (aceasta poate include
verificarea unităților din afara domeniului);
 Compararea cadrului cu eșantionul unităților dintr-un cadru zonal corespondent;
 Actualizarea cadrului pentru dete rminarea modificărilor acestuia;
 Verificarea consistenței înregistrărilor cu alte surse sau cu date le din surse special
concepute;
 Utilizarea informației obținute din alte anchete cu același cadru pentru evaluare;
 Monitorizați cadrul dintre momentul selectăr ii eșantionului și perioada de referință a
anchetei.
 Încorporați actualizările cadrului în maniera cea mai oportună cu putință.
 Minimizați erorile cadrului prin instruirea eficace a personalului, cu accent pe importanța
acoperirii și pe implementarea procedurilor de asigurare a calității activităților legate de cadru.
 Pentru cadrele zonale, implementați verificarea hărților pentru a asigura delimitarea clară și fără suprapuneri a zonelor geografice utilizat e în proiectarea eșantionului (de ex.: prin
verificări pe teren sau prin utilizarea altor surse de hărți).
 Pentru activitățile statistice din sursele admi nistrative sau pentru activitățile statistice
derivate, unde modificările acoperirii pot ieși de sub controlul mana gerului responsabil,
determinați și monitorizați acoperirea și negociați modificările necesare cu managerul sursei.
 Faceți ajustări ale datelor sau utilizați date suplimentare di n alte surse pentru a compensa
eroarea de acoperire a cadrului.
 Includeți în documentația anchetei descrieri ale populațiilor țintă și ale celor anchetate, orice diferențe dintre populația țintă și populați a anchetată, precum și descrierea cadrului și
a erorilor sale de acoperire.
Referințe
Archer, D. (1995). Maintenance of business registers. In Business Survey Methods, B.G. Cox et al
(eds.), Wiley-Interscience, New York, 85-100.
Colledge, M.J. (1995). Frames and business registers: an overview. In Business Survey Methods,
B.G. Cox et al (eds.), Wiley-Interscience, New York, 21-47.
Eurostat (2003) Business Register Recommendations Manual
(http://epp.eurostat.ec.europa.eu/cache/ITY_ OFFPUB/KS-BG-03-001/EN/KS-BG-03-001-EN.PDF)
Kott, P.S. and Vogel, F.A. (1995). Multiple-frame business surveys. In Business Survey Methods,
B.G. Cox et al (eds.), Wiley-Interscience, New York, 185-203.
3.4 Eșantionarea
Scop și obiective
Eșantionarea este selectarea unui set de unități di ntr-o populație anchetată, set denumit
eșantion, având ca scop elaborarea de prezumpții despre populație. Alegerea metodei de
eșantionare are o influență considerabilă asupra calității, în special asupra erorilor de
eșantionare. Depinde de mai mulți factori, incluz ând nivelul dorit de precizie, gradul de detaliu
al datelor de ieșire, disponibilitatea cadrului potrivit de eșantionare și a variabilelor auxiliare

22

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics pentru stratificare și selecția eșantionului, metode l e d e e s t i m a r e c e v o r f i f o l o s i t e ș i b u g e t e l e
disponibile.
Principii
Eșantionarea aleatorie reprezintă selectarea unităț ilor dintr-un cadru astf el încât toate unitățile
să aibă probabilități de includere pozitive și cunoscute. Dimensiunea eșantionului este
determinată de precizia cerută și bugetul disponibil. Distribuția probabilității care guvernează
selecția eșantionului, împreună cu etapele și unitățile de eșantionare, stratificarea,
determinarea dimensiunii eșantionului și alocarea sunt denumite colectiv planul de eșantionare .
Se alege o combinație de plan de eșantionare și metodă de estimare (vezi Secțiunea 3.10), astfel
încât estimările rezultate să aibă cea mai bună precizie în condițiile unui buget dat sau astfel
încât să rezulte cele mai joase costuri pentru gradul de precizie stabilit.
Stratificarea constă în împărțirea po pulației în subseturi (straturi ) în interiorul fiecăreia dintre ele
fiind selectat un eșantion independent. Aleger ea straturilor este determinată de obiectivele
anchetei, de distribuțiile frecvenț ei variabilelor principale de interes și de precizia dorită.
Uneori, informația necesară pentru stratificarea populației nu este disponibilă în cadru. În astfel
de cazuri, se poate folosi o schemă de eșantionare în două etape (dublă) , pentru obținerea datelor
necesare pentru stratificare, acolo unde este sele ctat un eșantion mai mare într-o primă etapă.
Primul eșantion este apoi stratificat conform cerințelor, iar eșantionul din cea de-a doua etapă
este selectat în eșantionul din prima etapă.
În cazul cadrelor zonale, nu este efic ientă selectarea directă a unităților de raportare, adică,
unitățile pentru care vor fi raportate date. În astfel de cazuri, se poate utiliza o schemă de
eșantionare în două etape. În prima etapă sunt selectate clusterele (denumite unități primare de
eșantionare) unităților potențiale de raportare; în cea de-a doua etapă, sunt selectate
eșantioane ale unităților de raportare din fiecare unitate primară de eșanti onare selectată. Pot fi
necesare mai multe etape datorate cons trângerilor bugetare sau de alt tip.
Datele culese pentru unitățile de raportare pot fi completate, acolo unde este cazul, în stadiul
de estimare, cu informații auxiliare din alte surse decât ancheta în sine, precum înregistrările
administrative sau proiecțiile de recensământ, pentru a îmbunătăți precizia estimărilor. În
alegerea planului de eșantionare trebuie să se ți nă cont de disponibilitatea acestor informații
auxiliare.
Recomandări
 Pentru eficiența statistică, straturile ar trebui să conțină unități cât mai omogene cu putință,
din perspectiva informației cerute în anchetă.
 Pentru populațiile cu un grad mare de asimetrie, care caracterizează majoritatea populațiilor de întreprinderi, creați un strat de unități mari care să fie incluse în anchetă.
Aceste unități mari au un impact semnificat iv asupra estimărilor totalurilor populației.
 Majoritatea anchetelor produc estimări pentru diverse domenii de interes, de exemplu,
regiunile. Acest lucru trebuie luat în consid erare în proiectare prin stratificarea în
conformitate cu aceste domenii, unde este p osibil; în caz contrar, este necesar să se
efectueze post-stratificarea în etapa estimării.
 În cazul anchetelor longitudinale, alegeți variabilele de stratificare care corespund caracteristicilor stabile de-a lungul timpului.
 Când nu sunt disponibile din cadru toate datele cerute pentru o bună stratificare, luați în
considerare posibilitatea unui plan de eșanti onare în două etape. Calculați costul de
eșantionare la fiecare etapă, disponibilitatea da telor cerute la fiecare etapă și ce se câștigă
în privința preciziei obținute prin stra tificarea eșantionului din prima etapă.
 Pentru anchetele bazate pe cadrul zonal, determinați câte etape de eșantionare sunt necesare și care dintre unitățile de eșantionar e sunt potrivite la fiecare etapă. Pentru fiecare
tip posibil de unitate de raportare, aveți în ve dere disponibilitatea obținerii sau creării unui

23
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics cadru potrivit al acestor unități, ușurința contactării și culegerii de date, calitatea datelor și
costul culegerii datelor.
 Elaborați studii pentru evaluarea metodelor al ternative de eșantionare, opțiunile de
stratificare și posibilitățile de alocare. Utilit atea acestor studii depinde de disponibilitatea și
vechimea datelor utilizate pentru studii și relați a lor cu indicatorii principali ai anchetei.
Aceste date pot fi extrase din recensăm intele anterioare, din anchete sau date
administrative.
 La determinarea dimensiunii eșantionului, aveț i în vedere nivelurile de precizie cerute
pentru fiecare indicator, planul de eșantionare, informațiile auxiliare, bugetul și factorii de
non-eșantionare precum non-răspunsul, unit ățile din afara domeniului și uzura (din
anchetele longitudinale și cele periodice).
 Majoritatea anchetelor produc estimări pentru mulți indicatori, iar eșantionul care este
optimizat pentru unul dintre aceștia, poate fi departe de a fi optimizat și pentru ceilalți.
Gestionați această problemă identificând mai întâi indicatorii cheie și apoi optimizați în
raport cu unul sau doi din acest subset. Acest lucru necesită un compromis între strategiile
optime pentru indicatorii individuali.
 În determinarea alocării eșantionului și a di mensiunii eșantioanelor stratificate, luați în
considerare deficiențele de cadru așteptate, prec um unitățile decedate și greșit clasificate.
 În etapa implementării, comparați dimensiunea și caracteristicile eșantionului actual cu
ceea ce s-a așteptat. Comparați precizia estimațiilor cu obiectivele planificate.
Anchetele periodice
 Întrucât populația anchetată dint r-o anchetă periodică poate creș te treptat, este prudent să
folosim un plan de eșantionare, care menține dimensiunea eșantionului (și de aici costurile
de culegere) stabilă. Acest luc ru este posibil întrucât precizia estimărilor anchetei este mai
dependentă de dimensiunea totală a eșantionul ui, decât de proporția pe care o reprezintă
eșantionul din total.
 Proiectarea trebuie să fie cât mai flexibilă cu putință pentru a preîntâmpina viitoarele
schimbări, precum creșterile sau scăderile dimensiunii eșantionului, restratificarea, reeșantionarea și actualizarea probabilităților de selecție. Dacă se cer estimări pentru
domenii de interes specifice (ex.: estimări subprovinciale), formați straturile combinând
domenii stabile mai mici (ex.: sectoare), astfel încât schimbările viitoare în domeniile cerute
să fie mai ușor de adaptat.
 Dacă se cer estimații eficiente de schimbar e și/sau dacă sarcina de răspuns este o
preocupare, folosiți schema de eșantionare rotațională, care înlocuiește o parte a
eșantionului în fiecare perioadă. Alegerea ratei de rotație va fi un compromis între precizia
estimărilor și sarcina respondentului. Scăderea ratei de rotație asigură o bună precizie, dar
în timp pot scădea ratele de răspuns. Ac easta beneficiază suplimentar de reducerea
costurilor dacă primul contact este în mo d substanțial mai scump decât contactele
ulterioare.
 Dezvoltați procedurile de monitorizare a calităț ii proiectării eșantionului în timp. Stabiliți o
strategie actualizată pentru reproiectarea selectivă a straturilor care au suferit o deteriorare serioasă.
 Pentru anchetele panel longitudinale, determ inați lungimea perioadei panelurilor în
eșantion, echilibrând durata cu efectele de uzură
și cele de condiționare. Folosiți un model
cu paneluri suprapuse (adică, cu o durată de timp suprapusă) acolo unde este nevoie să se producă estimări transversale îm preună cu cele longitudinale.
Software
 Folosiți software generic în lo cul sistemelor personalizate ori de câte ori este posibil pentru
a reduce costurile de dezvoltare și posi bilele erori de programare. De exemplu
MICROSTRATE, dezvoltat de Eurostat, permite controlul suprapunerilor eșantioanelor.

24

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Referințe
Cochran, W.G. (1977). Sampling Techniques . Wiley, New York.
Eurostat (2008) Eurostat Sampling Reference Guidelines – Introduction to Sample Design and
Estimation Techniques. (http://epp.eurostat.ec.europa.eu/cache/ITY_OFFPUB/KS-RA-08-
003/EN/KS-RA-08-003-EN.PDF)
Eurostat (2006) Benchmarking through Calibrati on of Weights for Microdata
(http://epp.eurostat.ec.europa.eu/cache/ITY_ PUBLIC/KS-DT-05-007/EN /KS-DT-05-007-EN.PDF)
Hidiroglou, M.A., (1994). Sampling and estimation for establishm ent surveys: stumbling blocks and
progress. Proceedings of the Section on Survey Research Methods, American Statistical
Association, 153- 162.
Hidiroglou, M.A, and Srinath, K.P. (1993). Problems associated with designing sub-annual business
surveys. Journal of Economic Statistics, 11, 397-405.
Kish, L. (1965). Survey Sampling . Wiley, New York.
Särndal, C.-E., Swensson, B. and Wretman, J. (1992). Model Assisted Survey Sampling. Springer-
Verlag, New York.
3.5 Proiectarea chestionarelor
Scop și obiective
Chestionarul este un set de întrebări proiectate să colecteze informația de la respondenți.
Acesta poate fi administrat de operatorul de interviu sau completat de către respondent,
folosindu-se metoda de culegere a datelor pe hârtie, metodele telefonice sau electronice, sau
prin Internet. Chestionarele au un impact ma jor asupra comportamentului respondentului,
performanțelor operatorului de interviu, costurilor de culegere a datelor și relațiilor cu
respondentul.
Principii
Proiectarea chestionarelor (mod, conținut și fo rmat) trebuie să ia în considerare cerințele
utilizatorilor, operațiunile anchetei, precum și na tura și caracteristicile populației respondente.
Cele mai bune chestionare impun o sarcină re dusă de răspuns și vin atât în sprijinul
respondentului, cât și în cel al operatorului de interviu. Acestea conțin întrebări relevante, permit colectarea eficientă a datelor, cu un nu măr minim de erori, facilitând codificarea și
captarea de date și minimizând ulterior editarea și imputarea.
Toate chestionarele noi și cele modificate treb uie testate amănunțit înainte de implementare.
Chestionarele din anchetele permanente trebuie evaluate periodic.
Recomandări
 Utilizați în chestionare cuvinte și concepte care sunt ușor de înțeles de către respondenți. În
cazul întreprinderilor, alegeți întrebările, perioadele de referință și categoriile de răspuns
care sunt compatibile cu practicile contabile ale companiei respective. Armonizați
conceptele și formulările, cu acelea aflate de ja în uz. Refolosiți, acolo unde este cazul,
întrebări din alte anchete.
 Alegeți modelul de întrebare și formularea ca re încurajează respondentul să completeze
chestionarul cât mai precis cu putință. În aces t scop, chestionarul nu trebuie să devieze de
la subiectul anchetei, trebuie să fie cât mai scurt c u p u t i n ț ă , s ă t r e a c ă c u uș u r i n ț ă d e l a o
întrebare la alta, să faciliteze memoria respondentului și să indice spre cea mai adecvată sursă de informație.

25
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  În introducerea chestionarului indicați subiec tul anchetei, identificați sponsorul, explicați
scopul anchetei și solicitați cooperarea resp ondentului. Indicați de asemenea autoritatea
prin care se efectuează ancheta, ce măsuri de protejare a confidențialității se iau și orice
acord stabilit în privința legăturilor între date sau partajarea acestora. Întrebările din
introducerea chestionarului, trebuie să fie aplicate tuturor respondenților, trebuie să
stabilească dacă respondentul este membru al populației anchetei și să fie ușor de
completat.
 Proiectați chestionare completate prin auto-î nregistrare de către respondenți care să fie
atractive și ușor de completat. În acest scop, creați o primă impresie pozitivă în scrisoarea
de intenție și în prima pagină și asigurați o notă de profesionalism a chestionarelor.
 Dacă chestionarul va fi administrat de către oper atorul de interviu, creați-l spre a fi ușor de
folosit de către acesta.
 Pentru a minimiza posibilitatea erorilor de rapo rtare, asigurați-vă că instrucțiunile către
respondenți și/sau operatorii de interviu sunt scurt e, clare și ușor de găsit. Furnizați definiții
la începutul chestionarului sau în întrebările specifice, după cum se cere (nu într-o foaie
separată de instrucțiuni). Asigurați-vă că perioade le de referință și unitățile raportoare sunt
clar definite. Utilizați îngroșarea caracterel or pentru a scoate în evidență elementele
importante. Specificați ”include” sau ”exclude” în întrebări și asigurați-vă că acele categorii
de răspuns se exclud reciproc și sunt cuprinzătoare.
 În legătură cu forma chestionarului, furnizați ti tluri pentru fiecare secțiune și instrucțiuni și
spațiu pentru răspunsuri care să faciliteze acurate țea. Utilizați culori, evidențieri, ilustrații și
simboluri pentru a atrage atenția și pentru a îndruma respondenții (sau pe operatorii de
interviu) în privința chestionarului. La finalu l chestionarului, puneți la dispoziție spațiu
pentru comentariile suplimentare ale respondenților, luați în considerare posibilitatea de a
întreba cât timp a durat completarea chestiona rului și exprimați-vă aprecierea la adresa
respondentului.
Testarea
 Cele mai adecvate metode de testare și eval uare a chestionarelor depind de tipul și
dimensiunea anchetei, conținutul anchetei, măsura în care se utilizează întrebările anchetei
anterioare, dacă ancheta este periodică sau nu, de metoda culegerii de date, programul de
dezvoltare, buget și disponibilitatea resurselor.
 Aveți în vedere două sau mai multe etape de testare a chestionarelor, de exemplu, testarea
chestionarelor la un stadiu primar de dezvoltare și apoi retestarea lor, dacă s-au efectuat
revizuiri pe baza constatărilor de la testul inițial. Acest proces se poate repeta de mai multe
ori, cu diferite metode de fiecare dată.
 Utilizați grupurile de discuții și interviuri în profunzime, interviuri cu opinii exprimate și
codificarea comportamentului pentru a putea ob serva reacția respondenților la chestionar.
Grupurile de discuții și cele unu-la-unu, interv iurile în profunzime sunt folosite pentru
testarea și evaluarea formulării, secvențierii și formatului întrebărilor. Metodele cognitive
sunt folosite pentru a examina procesele de gândire a respondenților pe măsură ce răspund la întrebările din anchetă și pentru a examina da că aceștia au înțeles sau nu întrebările și
dacă pot astfel să dea răspunsuri precise. Codificarea comportamentului asigură mijloace
sistematice și obiective de examinare a eficacității chestionarului, analizând interacțiunea
operator interviu-respondent. Ac este metode de testare calitati vă pot ajuta în determinarea
conținutului chestionarului prin evalua rea și explorarea conceptelor cheie.
 Efectuați teste informale
(pretestare) asupra chestionarelor pentru a sprijini identificarea
ordonării sau formulării defectuoase a întrebăril or, erorilor în expunerea chestionarelor sau
a instrucțiunilor și problemelor ce ar putea fi generate de imposibilitatea respondentului
sau caracterul refractar al acestuia de a răspun de la întrebări. Folosiți testarea informală
pentru a sugera categoriile suplimentare de ră spuns care pot fi pre-codificate și pentru a
indica durata preliminară a lungimii interviului.

26

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Organizați sesiuni de informare cu operatorii du pă testarea chestionarelor, în care aceștia
discută asupra experiențelor lor cu respondenții intervievați și își exprimă părerile asupra
percepției chestionarului. Operatorii pot identifi ca sursele potențiale de erori de răspuns și
non-răspuns, precum și ariile unde chestionarul poate fi îmbunătățit.
 Folosiți testarea pe eșantioane divizate, atunci când este necesară determinarea celei mai
bune versiuni ale chestionarului. Aceasta im plică o proiectare experimentală care este
încorporată în procesul de culegere a datelor. Aceasta poate fi folosită pentru investigarea
problemelor în formularea întrebărilor, ordonare a întrebărilor și procedurile de culegere a
datelor.
 Efectuați testarea pilot pentru a observa modu l în care operațiunile anchetei, inclusiv
administrarea chestionarului, conlucrează în practică. Testul pilot se efectuează cu
versiunea finală a cercetării proiectată la scară mică de la început până la sfârșit, inclusiv
prelucrarea și analiza de date. Acesta oferă opor tunitatea de a ajusta chestionarul înainte de
utilizarea lui.
Referințe
Fowler, F.J. Jr. (1995). Improving Survey Questions: Design and Evaluation . Applied Social
Research Methods Series, 38, Sage Publ ications, Thousand Oaks, California.
Gower, A.R. (1994). Questionnaire design for business surveys , Survey Methodology, 20, 125-136.
3.6 Culegerea și captarea de date
Scop și obiective
Culegerea de date reprezintă procesul de obținere a datelo r de la indivizii sau organizațiile care
folosesc chestionarul. Dacă la început nu se ob ține nicio dată sau dacă datele obținute sunt
incomplete sau nepotrivite (conform editării preliminare), atunci se poate cere recontactarea
pentru a sprijini finalizarea culegerii datelor (d upă cum se va discuta în următoarea secțiune).
Captarea de date este procesul care transformă inform ațiile furnizate de respondenți într-un
format electronic adecvat prelucrării ulterioare. În cazul CAPI, CATI și EDR, datele sunt capturate
ca parte a procesului efectiv de culegere. În alte cazuri, datele sunt capturate printr-o
operațiune separată prin introducere manuală sau prin mijloace automate precum Recunoașterea Inteligentă a Caracterelor (ICR). Adesea, această conversie a datelor implică fie
codificarea manuală, fie automată. Uneori, acea sta include transmiterea datelor către o altă
locație.
Principii
Furnizorii de date, în special indivizii și organiza țiile care completează chestionarele, de obicei
fără a fi remunerați, reprezintă resursa cea mai valoroasă a INS. Pentru asigurarea unei cooperări
continue, este esențial ca sarcin a de răspuns să fie minimalizată. Lipsa sau inconsistența datelor
sunt corectate cel mai bine prin consultarea respondenților în timpul culegerii datelor sau
imediat după aceea.
Dat fiind impactul deosebit al operațiunilor de culegere și captare a datelor asupra calității
datelor, este esențială utilizarea unor instrumen te corespunzătoare de măsurare a calității și
performanțelor pentru a administra aceste procese și a furniza măsuri obiective supervizorilor și
clienților.
De-a lungul procesului trebuie urmăriți niște pași corespunzători pentru păstrarea
confidențialității și securității informațiilor culese (chestiune discutată în Secțiunea 3.13).

27
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Recomandări
 Anchetatorii și operatorii de captare a datelo r sunt extrem de importanți pentru succesul
majorității operațiunilor de culegere și captare a datelor. Asigurați-vă că aceștia beneficiază
de o instruire și instrumente de lucru corespunzătoare.
 Valorificați avantajele utilizării tehnologiei informației și comunicațiilor pentru a îmbunătăți
eficiența și eficacitatea culegerii și captării de date și pentru a reduce costurile și riscurile. Aveți în vedere intervievarea cu ajutorul unui computer (CAPI și CATI) și raportarea electronică a datelor (EDR) cu ajutorul internetului, introducerea automată a datelor
(utilizând ICR) și codificarea automată prin recunoașterea textului (ACTR).
 Stabiliți proceduri corespunzătoare de control al eșantioanelor pentru toate operațiunile de
culegere a datelor. Instituiți sisteme de cont rol eficiente pentru a vă asigura de protejarea
captării, transmisiei și manipulării datelor. Urmăriți starea unităților eșantionate din
momentul selectării eșantionului pentru a curăța datele editate astfel încât responsabilii de
culegere a datelor și anchetatorii să poată evalua progresul oricând.
 Controlați operațiunile de livrare prin poștă a chestionarelor pe hârtie pentru a vă asigura că
fiecare unitate selectată, primește chestionarul potrivit. Chestionarul o dată returnat, verificați precizia acoperirii informației și calitatea datelor furnizate. În unele cazuri pot fi
necesare interviurile de recontactare. Când nu se primește nici un chestionar, sunt necesare
activitățile de verificare pentru stabilirea stăr ii unității (ex. activă sau inactivă) și pentru
obținerea informației lipsă.
 Când culegeți date, asigurați-vă că persoa na potrivită din cadrul gospodăriei sau
organizației respondente este contactată la ti mpul potrivit, astfel încât informația să fie
disponibilă. Permiteți-i respon dentului să vă ofere datele într-un mod și un format
convenabil. Acest lucru va ajuta la creșterea ratelor de răspuns și a calității datelor.
 Asigurați-vă că procedurile se aplică la fel tuturor unităților. Automatizarea este de preferat și permite personalului să lucreze la cazurile dificile. Centralizați prelucrarea pentru a reduce
costurile și a beneficia de cunoșt ințelor experților. Având în vedere că se pot cere modificări
în proceduri pe viitor, elaborați procese ce pot fi ușor de modificat.
 Monitorizați frecvența greșelilor de editare și a rectificărilor pe strat, mod de culegere, tip de prelucrare și tip de date. Acest lucru va ajuta la evaluarea calității datelor și la eficiența
procesului de editare.
 Cuantificarea cheltuielilor, performanțelor și ca lității în timpul operațiunilor de culegere a
datelor îi dă posibilitatea unui responsabil de anchetă să ia decizii cu privire la nevoia de
modificare sau reconfigurare a procesului. Înregist rați costurile efective legate de trimiterea
prin poștă, apelurile telefonice, elaborarea ch estionarului, calculele și timpul consumat de
fiecare persoană în fiecare zi. Măsurători calitative importante includ ratele de răspuns, procesarea ratelor de eroare, ratele de reco ntactare și numărarea non-răspunsurilor pe
motive.
 Captarea manuală a datelor din chestionarele pe hârtie este supusă erorilor de codificare.
Încorporați prelucrări on-line astfel încât op eratorul responsabil cu captarea datelor să
poată corecta erorile de codificare și să le înregistreze pentru revizuirile și analizele
ulterioare.
 Folosiți metode statistice de control al cali tății pentru a evalua și îmbunătăți calitatea
operațiunilor de culegere și captare, în specia l captarea și codificarea datelor. Culegeți și
analizați rezultatele controlului calității pentru a identifica cauzele principale ale erorilor și
raportați managerilor, pe
rsonalului, specia liștilor în domeniu și metodologilor.
 Utilizați procese ulterioare de control al calității pentru a aduna informații utile în ceea ce privește calitatea, care pot semnala faptul că procedurile și instrumentele de culegere și
captare ar putea necesita schimbări în cadrul ciclurilor viitoare de anchetă. De exemplu, editarea și evaluarea (vezi Secțiunile 3.8 și 3.12) pot sugera probleme legate de culegere.

28

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Referințe
Couper, M.P., Baker, R.P., Bethlehem, J., Clark, C.Z. F., Martin, J., Nicholls II, W.L. and O’Reilly, J.
(eds.) (1998). Computer Assisted Survey Information Collection . Wiley, New York.
Groves, R.M. (1989). Survey Errors and Survey Costs . Wiley, New York.
Lyberg, L., Biemer, P., Collins, M., de Leeuw, E., Dippo, C., Schwarz, N. and Trewin, D. (eds.)
(1997). Survey Measurement and Process Quality, Wiley, New York.
Mudryk, W. and Xie, H. (2002). Quality control application in ICR data capture for the 2001 Census
of Agriculture. Proceedings of the Section on Quality and Productivity, American Statistical
Association, 2424-2429.
Mudryk, W., Burgess, M.J. and Xiao, P. (1996). Quality control of CATI operations at Statistics
Canada . Proceedings of the Section on Survey Research Methods, American Statistical Association,
150-159.
3.7 Non-răspunsul
Scop și obiective
În ciuda celor mai susținute eforturi ale personal ului de anchetă de a maximiza răspunsul, vor
apărea totuși non-răspunsuri. Non-ră spunsul poate fi de două tipuri. Non-răspunsul pe variabilă
este atunci când o anumită variabilă dintr- un chestionar nu a fost completată; iar non-răspunsul
pe unitate este atunci când nu a fost primit nici un răspuns din partea unității sau răspunsul este
atât de limitat, încât este efectiv inexistent.
Cele două abordări privind gestionarea datelor lipsă sunt imputarea (vezi Secțiunea 3.9) și
ajustarea ponderii eșantionului (Secțiunea 3.10). În mod specific, ponderil e sunt ajustate pentru
non-răspunsul pe unitate și imputarea este ut ilizată pentru non-răspunsul pe variabilă.
Non-răspunsul are două efecte asupra datelor. Pr imul introduce abaterea în estimări când non-
respondenții diferă de respondenți, iar metodele de corecție sunt aceleași. Al doilea crește
dispersia eșantionului, deoarece dimensiune a efectivă a eșantionului este redusă.
Principii
Programul eficient de stabilire a relațiilor cu respondenții și chestionarul bine proiectat sunt
elemente critice în maximizarea răspunsului.
Non-răspunsul este monitorizat pentru a fi transm is ca feed-back personalului de anchetă, în
vederea acționării imediate și pe viit or și se raportează utilizatorilor.
Eforturi pentru a obține un răspuns în orice caz dat se bazează pe considerații privind bugetul,
oportunitatea și impactul asupra calității datora tă abaterii cauzate de non-răspuns. Analizele ce
trebuie inițiate pentru dezvoltarea tehnicilor de ajustare a non-răspunsului sunt de asemenea
influențate de aspectele legate de buget, timp , utilizarea datelor și riscul de abatere.
Recomandări
 Rata de răspuns mare necesită o aborda re integrată, cuprinzând următoarele:
 Unități bine definite ale cadrului;
 Un cadru actualizat al anchetei în te rmenii datelor de acoperire și contact;
 Perioadă de referință bine definită și sincronizată cu perioada de culegere;
 Metodele potrivite de culegere a datelor; sarc ină minimă de răspuns (în ceea ce privește
lungimea chestionarului, dificultatea într ebărilor, frecvența culegerii); atenție la
domeniile “sensibile” (sen sibilitatea subiecților);

29
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Metodologia de urmărire eficientă și anti cipare a dificultăților în depistarea
respondenților care s-au mutat – utilizarea pre-testării și/sau rezultatele din anchetele
similare pentru a stabili rate le de răspuns așteptate;
 Utilizarea eficientă a stimulentelor pentru respondenți;
 Experiență anterioară cu același tip de anch etă și abilitate demonstrată a personalului
care se ocupă de culegerea datelor;
 Sarcină de lucru rezonabilă a personalului care se ocupă de culegerea datelor;
 Cunoaștere aprofundată a respondenților și relațiile cu aceștia;
 Buget suficient și alocarea adecvată pentru diverse operațiuni;
 Recontactarea non-respondenților în limita bugetului. Recontactarea crește rata de răspuns
și poate ajuta la determinarea similitudinilor în ceea ce privește caract eristicile măsurate ale
respondenților și non-respondenților.
 Recontactarea este în mod special importantă în cazul anchetelor longitudinale în care
eșantionul este supus degradării progresive di n cauza non-răspunsului cu ocazia fiecărei
anchete. Facilitați detectarea de înaltă calita te utilizând datele administrative, cărțile de
telefoane și alte surse locale de informații. Ve rificați/actualizați informațiile de contact cu
ocazia fiecărei anchete și solicitați unităților să notifice INS în privința oricăror schimbări ce
pot apărea de la un ciclu al anchetei la altul.
 Prioritizați activitățile de recontactare. De exemplu, în anchetele în întreprinderi,
recontactarea mai întâi a unităților mari și a celor cu influență. Tot astfel , puneți ca prioritate
unitățile non-respondente în domenii cu po tențial ridicat de abatere datorată non-
răspunsului. Utilizați un sistem de punc tare pentru prioritizarea recontactărilor.
 Înregistrați și monitorizați motivele pentru non-răspuns (ex.: refuz, necontactare, absent
temporar, probleme tehnice). Gradul abaterii datorată non-răspunsului poate diferi în funcție de motiv. Monitorizați tend ințele de non-răspuns pe motive.
 Încercați să determinați diferențele (dacă există) între respondenți și non-respondenți prin legătura cu sursele externe de date (de exempl u, fișierele de date administrative) și prin
examinarea răspunsurilor non-respondenților care au devenit respondenți în timpul
recontactării. În cazul anchetelor periodice, caracteristicile cunoscute ale respondenților
pentru un ciclu/val al anchetei pot fi folosite pentru compararea caracteristicilor respondenților și non-respondenților din ciclurile/valurile ulterioare.
 Încercați să evaluați măsura în care procedurile de ajustare a non-răspunsului corectează abaterea potențială. Luați în considerare non-răspunsul atunci când produceți estimări și
estimarea dispersiei asociate.
 Înregistrați ratele ponderate și neponderate ale non-răspunsului în etapa estimării.
 Informați utilizatorii despre rata de non- răspuns atunci când furnizați estimări.
Referințe
Cialdini, R., Couper, M. and Groves, R.M. (1992). Understanding the decision to participate in a
survey . Public Opinion Quarterly, 56, 475-495.
Federal Committee on Statistical Methodology (2001). Measuring and reporting sources of error
in surveys. Statistical Policy Working Paper 31. See also http://www.fcsm.gov.
Groves, R.M., Dillman, D. A., Eltinge, J. L. and Little, R. J. A. (2002). Survey Non-response. Wiley,
New York.

30

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 3.8 Editarea
Scop și obiective
Editarea datelor reprezintă efectuarea unor verificări pentru a detecta datele lipsă, neadecvate
sau fără coerență sau de a indica înregistrările de date care pot conține eventuale erori. Unele
din aceste verificări se bazează pe relații logice ca re reies direct din definițiile și relațiile dintre
date. Altele au o natură mai empirică – verificări le fezabilității, tehnici de detectare a valorilor
aberante. Verificările se pot baza pe date culese din ciclurile anterioare ale aceleiași anchete sau
din alte surse.
Editarea presupune o mare varietate de activități, de la verificări pe teren ale anchetatorilor,
avertismente electronice din timpul culegerii sa u captării de date, identificarea unor unități
pentru recontactare, localizarea erorilor în scopul imputării, până la validarea datelor. Ultimele
două subiecte vor fi discutate în Secțiunile 3.9 și 3.12.
Principii
Editarea are trei scopuri:
 să corecteze datele;
 să ofere informații legate de calitatea datelor;
 să furnizeze baza pentru îmbunătățirea viitoare a chestionarului și operațiunilor anchetei.
Evitați să consumați o cantitate disproporționa tă de resurse ale anchetei pentru corectare
datelor.
Erorile fatale (intrările nevalide sau inconsistente) ar trebui scoase din date, pentru a facilita
analiza și prelucrarea automată ulterioară a da telor și pentru a asigura credibilitatea INS.
Identificare erorilor fatale poate și trebuie să fie automată. Totuși există pericolul utilizării peste
măsură a interogărilor de editare (cele care indică intrări sau înregistrări care au potențialul de a
fi eronate), mai ales din cauza faptului că edit area este, probabil, cea mai scumpă activitate a
unei anchete, valoarea ei ridicându-se poate la un sfert din bugetul total.
Ratele de performanță a editării , definite ca proporția de editări care descoperă erori reale sunt,
adesea, destul de joase, de exemplu 20-30%. Mai mult, nu este ieșit din comun ca cele câteva
corecții ale erorilor să fie responsabile pent ru schimbările majore ale estimărilor datorită
editării. Când impactul majorității interogărilo r de editare asupra estimărilor finale este
neglijabil, se spune că a apărut supra-editarea. Editarea joacă un rol important în furnizarea de informații pentru îmbunătățirea ulterioară a
procesului anchetei – în cizelarea definițiilor, îmbunătățirea chestionarului, evaluarea calității
datelor, identificarea surselor de eroare care nu provin din eșantionare.

Recomandări
 Asigurați-vă că regulile de editare au o consecvență internă.
 Supuneți unitățile unui proces de reeditare în cazul efectuării rectificărilor pentru a vă
asigura că nu au mai fost introduse erori în urma acestui proces.
 Editați în mod selectiv. Prioritățile se pot stabil i în funcție de tipurile și/sau gravitatea erorii
și/sau în funcție de importanța datelo r și/sau a unităților de raportare.
 În cazul anchetelor în întreprinderi, concepeți o strategie pentru recontactarea selectivă. Folosirea unui sistem de punctare este un mijloc de a asigura că resursele sunt concentrate
sistematic pe cele mai importante unități, pe indicatorii cheie și pe erorile severe.
 Aveți în vedere reducerea efortului de editare și redirecționarea resurselor în activități cu o
rentabilitate mai mare, de exemplu, analiza datelor și analiza erorilor de răspuns.

31
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Acordați o prioritate ridicată învățării din proces ul editării. Pentru a reduce erorile, practicați
mai degrabă prevenirea erorilor, decât corecția lor. În acest scop, asigurați-vă că editarea
are loc cât mai devreme posibil în procesul anch etei, preferabil cât timp respondentul este
încă disponibil, de exemplu, cu ajutorul un or metode telefonice asistate de computer,
metode personale sau de auto-intervievare.
 Editările nu pot, sub nicio formă, să identifice erorile sistematice minore, înregistrate în mod
constant în anchetele periodice. Editările strict e nu sunt o soluție. Aceste erori sunt cel mai
bine detectate și corectate prin analiza și revizuirea conceptelo r și definițiilor, prin studiile
post-interviu, prin validarea datelor și co nfruntarea datelor cu alte surse de date.
 Identificați aberațiile (valorile extreme ale datelo r) în perioada unei anchete sau de-a lungul
perioadelor de desfășurare a cercetării. Acestea sunt avertismente asupra erorilor
potențiale.
 Atunci când realizați recontactarea, nu su praestimați capacitatea respondenților de a
raporta sau de a corecta raportările anterioare. Memoria lor este limitată și pot furniza date
diferite.
 Procesul de editare este, de multe ori, foarte complex. Asigurați-vă că procedurile sunt
descrise corespunzător și actualizate, ofer iți o instruire corespunzătoare personalului
implicat și monitorizați munca în sine. Aveți în vedere folosirea unor proceduri formale de
control al calității.
 Automatizați pe cât posibil editarea. Deși pot fi necesare unele intervenții manuale,
software-ul generalizat, reutilizat vine în spri jinul acestui scop. Totuși, nu fiți tentați să
creșteți scopul și volumul verificărilor doar pentru că acestea se pot face automatizat.
Controalele prin interogări, care produc mi ci diferențe în estimări, trebuie excluse.
Referințe
Bankier, M., Lachance, M. and Poirier, P. (1999), A generic implementation of the New Imputation
Methodology. Proceedings of the Survey Research Methods Section, American Statistical
Association, 548-553.
De Waal, T., Van de Pol, F. and Renssen, R. (2000). Graphical macro editing: possibilities and
pitfalls. Proceedings of the Second International Conf erence on Establishment Surveys, Buffalo,
NewYork.
Granquist, L. and Kovar, J.G. (1997). Editing of survey data: how much is enough? In Survey
Measurement and Process Quality, Lyberg et al (eds.). Wiley, New York, 415-435.
Latouche, M. and Berthelot, J.-M. (1992). Use of a score function to prio ritize and limit recontacts in
editing business surveys. Journal of Official Statistics, 8, 389-400.
3.9 Imputarea
Scop și obiective
Imputarea este procesul de înlocuire a valorilor lips ă sau nevalide sau inconsistente, creând
astfel înregistrări solide, și în același timp păstrând cât mai multe din valorile originale ale
datelor.
Ideal, intrările lipsă, nevalide și inconsistente ar trebui rezolvate în stad iul de culegere a datelor
sau în etapa de recontactare. Totuși, în practică acest lucru este imposibil din cauza sarcinii de
răspuns, a constrângerilor legate de costuri și de timp. Unele metode de imputare pot deforma distribuțiil e de frecvență ale datelor de bază și relațiile
dintre acestea. Acest lucru trebuie luat în calcul când se produc estimări și estimările dispersiei
aferente.

32

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Principii
Imputarea poate fi automată, manuală sau o combinație a acestora.
Procesele unei bune imputări:
 Depind de accesul la micro-date și la o bună informație auxiliară;
 Se asigură că înregistrările imputate sunt consistente;
 Generează un număr minim de modificări ale datelor dintr-o înregistrare;
 Limitează abaterea cauzată de neobservarea tuturor valorilor dorite;
 Sunt automate, obiective, reproductibile și eficiente;
 Creează posibilitatea realizării unui audit în scopuri de evaluare.
Metodele de imputare pot fi clasific ate ca deterministe și stocastice.
 Metodele de imputare deterministă includ imputarea logică, imputarea istorică, imputarea
medie, imputarea de proporție și regresie și imputarea prin cel mai apropiat donor vecin.
Aceste metode pot fi împărțite mai departe în metode care se sprijină doar pe deducerea
valorii imputate din datele disponibile pentru no n-respondent și/sau din alte date auxiliare
despre respondent și acelea care utiliz ează datele observate pentru alte unități
respondente din acea anchetă.
 Metodele de imputare stocastică includ hot deck-ul, imputarea de la cel mai apropiat vecin
unde selecția aleatoare se face de la mai mulț i vecini din proximitate, regresia cu reziduuri
aleatorii și orice altă metodă determin istă cu reziduuri aleatorii adăugate.
Recomandări
 Determinați care dintre datele auxiliare pot explica cel mai bine mecanismele de non-
răspuns și utilizați-le spre perfecționarea metodei de imputare. Studiați calitatea și
adecvarea datelor disponibile și selectați-le pe ce le mai potrivite și pe care să le folosiți la
construirea claselor de imputare.
 Luați în considerare tipurile de estimări ce trebuie produse, pe nivel sau schimbare, pe
agregate mari sau domenii restrânse și pe date transversale sau longitudinale.
 Adesea este adecvată utilizarea mai multor tipuri diferite de metode de imputare într-o succesiune ordonată.
 Asigurați-vă că înregistrările imputate sunt consistente pe plan intern.
 Asigurați-vă că înregistrările imputate seamăn ă cu cele originale cât mai mult posibil.
 Testați metoda de imputare. Consul tați experții în acest domeniu.
 Când se utilizează imputarea prin donor, înce rcați să imputați datele pentru o înregistrare
de la cât mai puțini donori posibili. Operațio nal, acest lucru înseamnă adesea un donor pe
fiecare secțiune a chestionarului. De asemen ea, acordați donorilor buni o probabilitate
egală de a fi selectați și evitați sistematic selectarea unui donor.
 Pentru anchetele mai ample, poate fi mai degr abă necesară imputarea datelor în două sau
mai multe etape, decât într-una singură, astfel încât să se reducă costurile de calculare sau
pentru că există multe câmpuri lipsă sau incorecte în înregistrări.
 Marcați valorile imputate și identificați cu clar itate metodele și sursele de imputare. Rețineți
valorile anterioare și pe cele imputate pentru evaluări.
 Evaluați gradul și efectele imputării, în special modalitatea de a măsura dispersia de
eșantionare sub imputare.
 Aveți în vedere gradul și impactul imputării atunci când analizați datele. Imputarea ar putea avea un impact semnificativ asupra distribuției datelor. De pildă, valorile dintr-un domeniu au crescut sistematic, pe când valorile dintr- un alt domeniu au scăzut printr-o cantitate
compensatorie, lăsând totalurile la fel. Cu cât gradul și impactul imputării este mai mare, cu

33
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics atât mai rațional trebuie să fie analistul atun ci când utilizează datele. În unele cazuri,
analizele pot fi mai bine elaborate, dacă se exclud valorile imputate.
Software
 Pe durata dezvoltării metodologiei de impu tare, utilizați oricare dintre sistemele de
imputare generalizată care sunt disponibile. La INS, estimarea cantitativă a datelor este în
prezent realizată prin utilizarea macrourilo r SAS mainmean.sas și a macmean.sas și a
variabilelor ordinale și nominale prin ma crouri SAS: ini_execute.sas and execute.sas.
Referințe
Bankier, M., Lachance, M. and Poirier, P. (1999). A generic implementation of the New Imputation
Methodology. Proceedings of the Survey Research Methods Section, American Statistical
Association, 548-553.
Fellegi, I.P. and Holt, D. (1976). A systematic approach to au tomatic edit and imputation. Journal
of the American Statistical Association, 71, 17-35.
Kovar, J.G., and Whitridge, P. (1995). Imputation of business survey data . In Business Survey
Methods, B.G. Cox et al. (eds.), Wiley, New York, 403-423.
Lee, H., Rancourt, E. and Särndal, C.-E. (2002). Variance estimation from survey data under single
imputation . In Survey Non-response, R.M. Groves et al. (eds.), Wiley, New York, 315-328.
3.10 Estimarea
Scop și obiective
Estimarea este procesul care generează estimări ale pa rametrilor populației pe baza datelor din
eșantion. Exemple de parametri includ statistici simple descriptive precum totalurile, mediile,
proporțiile și procentajele, precum și statistici analitice mai complicate precum coeficienții de
regresie. Inferența poate fi sub forma estimări lor punctuale, intervalelor de confidență,
rezultatelor testelor ipotezei. Estimările punc tuale sunt de obicei însoțite de estimări ale
preciziei .
Acolo unde parametrii populației sunt funcții sp ecifice ale totalurilor populației, estimatorii
acestora sunt în general funcții corespondent e ale totalurilor estimate ale populației.
Se pot folosi date auxiliare pentru a îmbunătăți precizia estimațiilor.
Principii
Eroarea totală în anchetă a unei estimări este gradul prin care diferă de valoarea adevărată a
parametrului populației care a fost es timat. Poate fi considerată ca suma erorii de eșantionare și
a erorii de non-eșantionare. Eroarea de eșantionare reprezintă eroarea asociată cu estimarea pe
date doar din eșantion. Aceasta include abaterea eșantionării și dispersia de eșantionare. Erorile
de non-eșantionare includ toate celelalte cauze ale lipsei de precizie, incluzând erorile de
acoperire, erorile de măsurare și erorile de non-răspuns, după cum se va discuta în alte secțiuni.
Metoda de estimare și proiectarea eșantionul ui determină ambele proprietăți ale erorii de
eșantionare. Obiectivul este de a alege un estima tor (adică o metodă de estimație) care conferă
o abatere și o dispersie minimă și este consiste nt, adică eroarea de eșantionare este zero când
eșantionul cuprinde întreaga populație.
Când nu sunt disponibile informații auxiliare ut ile pentru estimare, cea mai naturală alegere a
estimatorului este estimatorul Horvitz-Thompson . El atribuie unităților ponderi care reprezintă
inversul probabilităților de includere ale unit ăților respective. Aceste ponderi se numesc
pondere de eșantionare. Ponderea de eșantionare poate fi interpretată ca numărul care arată de
câte ori trebuie replicată o unitate pentru a reprezenta întreaga populație.

34

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Estimatorul poate fi îmbunătățit atunci când sunt disponibile date auxiliare. Calibrarea este o
procedură prin care se pot încorpora datele auxiliare. Această procedură ajustează ponderile de
eșantionare prin intermediul multiplicatorilor cunoscuți ca factori de calibrare care pun de acord
estimările cu totalurile cunoscute. Pond erile care rezultă din aceasta se numesc ponderi de
calibrare sau ponderi de estimare finală . Aceste ponderi de calibrare vor rezulta în general în
estimări consistente care au o dispersie de eșantionare mai mică decât estimatorul Horvitz-
Thompson. Metodele de delimitare sunt folosite pentru a lua mă suri împotriva producerii de
ponderi negative și foarte mari în urma calibrării.
Ca rezultat al non-răspunsului, eșantionul observat are dimensiuni mai mici decât eșantionul
original selectat. Pentru a compensa un non-răspuns, se folosește de obicei reponderarea.
Reponderarea constă în ajustarea ponderilor de eșantionare prin factorii de ajustare a non-
răspunsurilor îna inte d e ca l ib ra re. P rincip iul d e ba ză în ca l cul a rea f a cto ril o r d e a j us ta re a no n-
răspunsurilor este utilizarea inversului prob abilității de răspuns. Totuși, acestea sunt
necunoscute și trebuie estimate. Soluția pentru reducerea abaterilor non-răspunsului este să se
obțină un model de non-răspuns profitând cât mai mult posibil de datele auxiliare disponibile.
Valorile aberante pot conduce la estimări lipsite de fiabilitate pentru variabilele continue.
Valorile aberante ar putea să se datoreze fie valorilor extr eme ale unor date, fie ponderilor foarte
mari, sau ambelor. Este necesară o anumită formă de detectare și ajustare a valorilor aberante.
În cadrul anchetelor longitudinale, derivă de obicei două seturi de ponderi de estimare:
ponderile longitudinale și ponderile transversale . Ponderile longitudinale se referă la populația
din selecția inițială a eșantionului longitudinal. Aceste ponderi sunt de obicei ajustate pentru a
lua în considerare deteriorarea eșantionului în timp. Ele sunt folosite atunci când se efectuează
analiza datelor longitudinale. Ponderile transversa le sunt legate de populația stabilită pentru
fiecare val al anchetei. Aceste ponderi sunt în mod normal utilizate pentru a produce estimări
punctuale sau diferențe ale estimărilor punctu ale între două perioade de timp. Din cauza
schimbărilor populației de-a lungul timpului, c e l e d o u ă s e t u r i d e p o n d e r i s u n t î n g e n e r a l
diferite.
În anchetele periodice sau longitudinale cu un grad mare de suprapunere a eșantionului între
perioade, aveți în vedere utilizarea metodelor de estimare care exploatează corelația în timp. În
esență, aceste metode tratează da tele din momentele anterioare, ca variabile auxiliare. O astfel
de metodă este denumită estimarea compusă .
Recomandări
 Încorporați ponderile de eșantionare în procesul de estimare. Aceasta implică reflectarea tuturor aspectelor relevante ale proiectării eșantionului – stratificarea, aglomerarea
(clustering) și informațiile multifazice sau în mai multe etape – în procedurile de estimare.
 Când sunt disponibile date auxiliare pentru un itățile de eșantionare împreună cu totalul
populației cunoscute pentru astfel de date, aveți în vedere calibrarea pentru ca prin datele auxiliare ponderate însumate să se obțină aceste totaluri cunoscute. Aceasta poate
determina un grad mai mare de precizie si co erență între estimări din mai multe surse.
 În cazul în care clasificarea inițială a unităț ilor de eșantionare s-a modificat de la data
selecției eșantioanelor și până la data estimației, luați în considerare estimația domeniului,
pentru ca noua clasificare să se reflecte în estimări. Estimația domeniului se referă la
estimația pentru subseturi specificate ale populației (sau domenii) de interes. Adesea,
unitățile din aceste subseturi nu au fost sau nu au putut fi identificate înainte de eșantionare. Estimarea în prezența unor un ități de eșantion decedate sau dinafara
domeniului reprezintă un exempl u de estimație a domeniului.
 Calitatea factorilor de ajustare a non-răspuns urilor depinde de ipotezele făcute în modelul
(explicit sau implicit) non-răspunsului. Mode lul trebuie validat prin utilizarea datelor
auxiliare corelate cu probabilitatea de a răspunde. Pentru a vă proteja împotriva eșecului
datorat modelului, formați clase de ajus tare pentru non-răspunsuri și estimați
probabilitățile de răspuns prin ratele de răspuns din cadrul acestor clase.

35
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Teoria de eșantionare în două faze poate fi folosită pentru a estima dispersia pentru mai
mulți estimatori, încorporând ajustările de non-răspuns.
 Atunci când e cazul, folosiți eșantionarea în două faze pentru a îmbunătăți estimarea prin
încorporarea datelor auxiliare. Datele auxili are pot fi folosite (a) pentru a stratifica
eșantionul din faza a doua, (b) pentru a îmbună tăți estimația prin intermediul estimatorului
de diferență, proporție sau regresie, sau (c) pentru a extrage un subeșantion de unități non-
respondente. O abordare generală a eșantionării în două faze este atunci când datele
auxiliare sunt încorporate în procesul de estima re prin Estimatorul Generalizat de Regresie.
 Cerințele pentru domenii restrânse, precum zonele mici, sunt cel mai bine încorporate în
etapa proiectării eșantionului. Totuși, dacă acest lucru nu este posibil în etapa de proiectare
sau dacă domeniile sunt abia mai târziu specif icate, aveți în vedere metode speciale de
estimare în etapa estimației. Aceste metode împrumută forța din domeniile asociate pentru
a minimiza eroarea medie pătratică a estimatorul ui rezultant. Estimatorii pentru ariile mici
sunt unele dintre exemple.
 Pentru a trata valorile aberante, utilizați estimatorii rezistenți la valori aberante (robuști).
 Ori de câte ori este posibil, utilizați de preferință software-ul de estimare generalizată decât sistemele personalizate. Posibile pachete sof tware: SAS, FOX, SUDAAN, PC CARP, STATA.
Referințe
Chambers, R.L., Kokic P., Smith P. and Crudas M. (2000). Winsorization for identifying and treating
outliers in business surveys. Proceedings of the Second International Conference on
Establishment Surveys, June 17-21, 2000, Buffalo, New York, 717-726.
Cochran, W.G. (1977). Sampling Techniques . Wiley, New York.
Deville, J.-C. and Särndal, C.E. (1992). Calibration estimators in survey sampling. Journal of the
American Statistical Association, 87, 376-382.
Fuller, W.A. (2002). Regression estimation for survey samples . Survey Methodology, 28, 5-23.
Hidiroglou, M.A. and Särndal, C.E. (1998). Use of auxiliary information for two-phase sampling .
Survey Methodology, 24, 11-20.
Lee, H. (1995). Outliers in business surveys . In Business Survey Methods, B.G. Cox et al. (eds).
Wiley, New York, 503-526.
Rao, J.N.K. (1999). Some recent advances in model-based small area estimation. Survey
Methodology, 25, 175-186.
Singh, A.C., Kennedy, B. and Wu, S. (2001). Regression composite estimation for the Canadian
Labour Force Survey with a rotating design. Survey Methodology, 23, 33-44.
Singh, M.P., Hidiroglou, M.A., Gambino, J. and Kovacevic, M. (2001). Estimation methods and
related systems at Statistics Canada . International Statistical Review, 69, 461-486.
Thompson, M.E. (1997). Theory of Sample Surveys . Chapman and Hall.
3.11 Ajustarea sezonieră și estimarea ciclului de trend
Scop și obiective
Seriile macroeconomice infra-anuale reprezintă cheia elaborării politicii economice. Totuși,
acestea sunt influențate de fluctuațiile sezoniere și efectele zilelor calendaristice/zile lucrătoare,
care maschează mișcările relevante pe termen scurt și lung și împiedică înțelegerea clară a
fenomenelor economice fundamentale. Principalul obie ctiv al ajustării sezoniere este de a filtra
fluctuațiile sezoniere obișnuite și efectele tipic calendaristice.

36

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics O serie cronologică este văzută ca având patru componente – o tendință, un efect ciclic, un
efect sezonier și o componentă neregulată.
 Tendința este mișcarea de bază pe termen lung care durează mai mulți ani.
 Ciclul , numit de obicei ciclul de afaceri, este oscil ația cvasiperiodică ce durează câțiva ani.
 Tendința și ciclul sunt de obicei estimate în combinație.
 Componenta neregulată reprezintă acele variații aleatorii care sunt mișcări neprevăzute,
legate de diferite evenimente.
Ajustarea sezonieră constă în estimarea factorilor sezonieri și aplicarea lor la o serie cronologică
pentru a înlătura variațiile sezoniere. Aceste variații reprezintă ef ectul compus al factorilor
climatici și instituționali care se repetă cu o anumită regularitate într-un an.
O serie ajustată sezonier constă din ciclul de trend și o comp onenta neregulată. Omogenizarea
seriilor ajustate sezonier în vederea eliminării componentei neregulate produce estimările
privind ciclul de trend , care furnizează imaginea ciclului de afaceri de bază – direcția mișcării,
amplitudinea ciclului și, mai ales, coordonarea punctelor de inflexiune.
În contextul ajustării sezoniere, scopul pre-tratării este de a asigura estimarea fiabilă a
componentei sezoniere prin detectarea și co rectarea seriei pentru probleme specifice
cunoscute înainte de estimație. Pre-tratarea incl ude analiza grafică, ajustările calendaristice
(pentru zilele lucrătoare, vacanțe și calendarul UE ), detectarea și corectarea valorilor aberante,
tratarea datelor lipsă și selecția modelului și schemei dezagregării .
Principii
O serie cronologică este ajustată sezonier numa i atunci când există dovezi că seria este
influențată de forțe sezoniere și că seria conține sezonalitate identificabilă. Sezonalitatea
identificabilă e s t e d e f i n i t ă c a m o d e l s e z o n i e r c a r e nu este ascuns printr-un grad înalt de
fluctuații neregulate și astfel poate fi identificat în mod sigur.
În cel mai bun caz, procedura de ajustare sezonier ă nu lasă sezonalitate reziduală în serie, iar
seria ajustată sezonier care rezultă este întruc âtva mai omogenă decât cea inițială. Seria ciclului
de trend este mult mai omogenă, deoarece s-a eliminat componenta neregulată.
Ultimele câteva puncte din seria ajustată sezonier sunt cele mai predispuse la eroare și deci și la
revizie, pe măsură ce mai multe puncte devin disponibile. Cel mai bine ar fi ca reviziile
estimărilor ajustate sezonier să fie minime.
Pentru serile agregate ce rezultă dintr-o co mbinare a unor serii componente, acele serii
componente care conțin sezonalitate identificabilă trebuie să fie ajustate sezonier, iar celelalte
trebuie lăsate neajustate. Seria agregată însăși trebuie să fie ajustată astf el încât să nu conțină
sezonalitatea reziduală și să fie relativ omogenă. Poate fi ajustată prin metoda indirectă sau
directă.
 În metoda indirectă , componentele ajustate sezonier și cele neajustate se combină pentru a
obține agregatul ajustat sezonier.
 În metoda directă , componenta agregată este ajustată sezonier și ca racteristica sa aditivă
(fiind suma componentelor) este restabilit ă prin înclinarea/calibrarea componentelor
ajustate sezonier.
Ghidul SSE privind ajustarea sezonieră
Ghidul SSE publicat în 2008 asigură o descriere de finitivă și cuprinzătoare a tuturor aspectelor
legate de ajustarea sezonieră. Acestea se bazează pe două abordări:
 TRAMO-SEATS – sprijinită de Banca Spaniei
 X-12-ARIMA – sprijinită de Biro ul de Recensăminte ale SUA

37
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Acestea acoperă pre-tratarea seriei, politicile de revizuire, calitatea și documentarea. Ele pun în
discuție limitările ajustării sezoniere, ex. serie pe termen scurt și asigură trei seturi de
alternative: a) cea mai bună abordare; b) abordare acceptabilă; c) practici ce trebuie evitate
Recomandări
 Folosiți publicația cea mai recentă a Ghidului SSE privind ajustarea sezonieră .
 Alegerea unei metode dintre cele două re comandate de ajustarea sezonieră ține de
experiența, subiectivitatea și caracteristicile seriei de timp.
 Înainte de a ajusta sezonier pentru prima dată o serie de timp, elaborați o analiză
minuțioasă pentru a stabili dacă sezonalitatea este identificabilă. Publicați seriile în forma
ajustată sezonier numai dacă este identificabilă. Verificați situația, ulterior, o dată la câțiva
ani.
 Frecvența reviziilor trebuie minimizată. Deși apar revizii cu fiecare punct de date adăugat, implementați revizuiri numai atunci când ac estea determină îmbunătățirea estimărilor,
adică atunci când estimarea revizuită devi ne în mod semnificativ mai apropiată de
estimarea finală.
 Ori de câte ori sunt publicate cifre ajustate sezonier care aparțin aceleiași activități
economice, coordonați opțiunile de ajustare se zonieră aplicate pe ariile implicate și faceți
toate eforturile să tratați seriile relaționate într-un mod consecvent.
 Revizuiți anual valorile ajustate sezonier pentru ultimii trei ani atunci când datele pentru
prima perioadă (lună, trimestru) din anul următ or devin disponibile. Atunci când valorile
ajustate sezonier sunt obținute prin factori sezonieri previzionați (prognozați), revizuirea
anuală trebuie să se aplice la ultimii patru ani.
 Pentru seriile agregate ce cuprind combinațiile seriilor componente, alegeți abordarea directă, dar numai dacă calibrarea/înclinarea nu deformează prea mult modificările de la
lună la lună (de la trimestru la trimestru) ale seriilor componente.
 De fiecare dată când sunt publicate cifre ajustate sezonier aparținând aceleiași activități economice, coordonați opțiunile de ajustare sezonieră aplicate la ariile implicate. De
exemplu, ori de câte ori este posibil, alegeți în tre ajustarea directă și cea indirectă a seriilor
compuse și asigurați-vă că ev enimentele extreme din seriile temporale cauzate de fapte
precum închiderea fabricilor, greve, calamită ți naturale, etc. sunt tratate de manieră
coerentă pe fiecare arie în parte.
 Pentru ajustarea sezonieră a observ ațiilor recente, folosiți un factor sezonier concurent .
Acesta este un factor obținut prin utilizarea tuturor punctelor de date disponibile. Se poate
aplica o excepție la această recomandare, și anume atunci când cele mai recente observații
au făcut obiectul unor mari schimbăr i. În acest caz po t fi mai adecvați factorii sezonieri din
anii următori (previziune) pe baza datelor înregistrate la finele anului precedent.
Când se folosește Estimația ciclului de trend X-12-ARIMA
 Folosiți ponderile zilnice care sunt estimate automat pentru serii cu variații ale zilelor
lucrătoare. În cursul anului curent păstrați -le fixe, furnizându-le drept ponderi zilnice
prealabile. Vor fi modificate la următoarea re vizuire anuală. Excepții la această recomandare
pot apărea când sunt furnizate ponderi zilnice a- priori de către experți în materie, pe baza
unei cunoașteri mai bune a seriilor în cauză.
 Folosiți factorii de efect Easter (“Paște”) calculați automat de program.
 Utilizați subrutina automată de extrapolare ARIMA ori de câte ori este posibil. Dacă nu se
selectează niciunul dintre modelele încorporat e, atunci trebuie furnizat un model ARIMA.
 Fol
osiți mediile mobile Henderson pentru a pr oduce estimări ale ciclului de tendință.
Pentru a vă asigura că linia de tendință se află în interiorul diagramei de dispersie a seriilor
ajustate sezonier, aplicați med iile mobile Henderson la seriile ajustate sezonier publicate.

38

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Înainte de aplicarea estimatorului ciclu de trend, extindeți seriile ajustate sezonier cu un an
de valori anticipate dintr-un model ARIMA corespunzător seriilor ajustate sezonier.
 Aplicați mediile mobile Henderson seriilor aj ustate sezonier extinse ale căror extreme au
fost corectate anterior.
 Folosiți media mobilă Henderson selectată automat de programul X12-ARIMA: pe baza
valorii neregulate/ a raportului ciclului de trend.
 Asigurați-vă că estimările ciclului de trend sunt compatibile cu estimările ajustate sezonier
publicate.
 Informați utilizatorii că ultimele estimări ale cicl ului de trend (mai ales ultimele) fac obiectul
unor ample revizii. Atunci când un punct de da te se adaugă la o serie poate avea loc chiar o
inversare de mișcare. Incertitudinea asociată cu estimările de la sfârșit poate fi indicată de
exemplu printr-o linie punctată pe graficul de tendință sau printr-un avertisment scris către
utilizatori.
Referințe
Ghidul SSE privind Ajustarea Sezonieră (2009).
3.12 Evaluarea calității datelor
Scop și obiective
Evaluarea calității datelor este un proces care determină dacă rezultatele finale îndeplinesc
obiectivele procesului statistic/anchetei. Rezu ltatele evaluării permit utilizatorilor să
interpreteze mai bine rezultatele anchetei, iar Institutului Național de Statistică să își
îmbunătățească calitatea ciclurilor cure nte și/sau viitoare ale anchetelor.
Există două metode principale de evaluare a calității datelor:
 Certificarea sau validarea este procesul în cadrul căruia datele sunt analizate înainte de a fi
emise în mod oficial, în scopul de a se evita apariția erorilor grosiere și de a se elimina
calitatea evident scăzută a unor informații. Ac est proces coincide în mod frecvent cu o
analiză interpretativă a datelor și este supu s invariabil anumitor constrângeri de timp,
putând astfel să implice doar metodele care produc rezultate rapide.
 Sursele de studiere a erorilor furnizează informații cantitative privind sursele specifice de erori
apărute în date. În mod specific, rezultatel e acestor studii sunt di sponibile doar după
publicarea oficială a datelor.
Principii
Utilizatorii trebuie să fie capabili să determine în ce măsură erorile apărute afectează utilizarea
datelor. Totuși, întrucât aceștia rareori reușes c să evalueze în mod independent acuratețea,
rămâne astfel la latitudinea fiecărei agenții să evalueze calitatea date lor și să ofere rapid
utilizatorilor, într-un mod accesibil, rezultatele obținute.
Evaluările calității datelor sunt de asemenea util e pentru INS. În măsura în care erorile pot fi
asociate cu anumite etape ale procesului de an chetă, evaluările pot conduce la îmbunătățirea
calității în următorul ciclu de anchetă și/sau în alte anchete similare.
Sursele sau erorile care vor trebui evaluate cuprind următoarele:
 Erori de acoperire , care constau în omisiuni, includeri er onate și duplicări în cadrul folosit
pentru realizarea anchetei. Acestea se pot trad uce printr-o polarizare (bias) negativă sau
pozitivă a datelor, iar impactul poate să variez e în funcție de populația anchetată. Erorile
apărute în codificare, în special atunci când se aplică clasificări industriale și geografice pot
duce la erori de acoperire.

39
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Erori de eșantionare, apar atunci când rezultatele anchetei sunt obținute dintr-un eșantion,
și nu din anchetarea întregii populații. Acestea pot cuprinde de asemenea și erori de
estimare datorită estimatorilor care, din rațiuni de proiectare sau din alte cauze, provoacă
abateri, ca de exemplu în cazul estimatorilor pe arii mici.
 Erori de non-răspuns, apar atunci când nu există niciun răspuns la una sau la toate întrebările
din cadrul anchetei. Non-răspunsul conduce la o creștere a gradului de dispersie ca urmare
a reducerii dimensiunii efective a eșantionului și ca rezultat al recurgerii la procedee de
imputare, acest lucru producând o deplasar e în cazul în care non-respondenții au
caracteristici de interes care sunt diferite de cele ale respondenților.
 Erori de măsurare, apar atunci când răspunsul oferit diferă de valoarea reală. Astfel de erori pot fi aleatorii, având ca rezultat un grad cr escut de dispersie sau abateri sistematice. Ele
pot fi atribuite respondentului, anchetatorul ui, chestionarului, metodei de culegere sau
sistemului de păstrare a înregistrărilor aparținând respondentului.
 Erori de procesare, apar atunci când se efectuează veri ficarea, codificarea, introducerea,
imputarea și tabularea datelor. La fel ca și erorile de măsurare, erorile de prelucrare pot
conduce la dispersie și/sau abateri.
Există două tipuri ale erorilor de procesare. Primul tip se referă la micro-date . Al doilea tip
privește macro-datele și implică greșeli grave în calculul sau prezentarea agregatelor care nu sunt
identificate decât după publicare . Greșelile sunt erorile cele ma i vizibile publicului, primind o
atenție negativă sporită. Exemple pot fi atunci când nu se aplică corect metodologia, atunci când se include din neatenție un număr greșit în publicație și când se creează impresii greșite
prin prezentări analitice sau diagrame. Aceste a pot apărea în oricare etapă de elaborare a
statisticii: programare, calculație, scrierea rapoartelor, editarea manuscriselor, etc.
Recomandări
 Determinați gradul de evaluare a calității date lor necesar pentru procesul statistic/ anchetă,
luând în considerare următorii factori: utilizarea datelor, riscul de producere a erorilor și
impactul erorilor asupra utilizării datelor; variația calității de-a lungul timpului; costul
evaluării în raport cu costul total al programu lui; nevoile de îmbunătățire a calității și/sau
eficienței; utilitatea rezultatelor pentru util izatori și dacă ancheta se repetă sau nu.
 În cazul datelor provenind din recensăminte și anchete, solicitările minime cuprind măsurarea sau evaluarea erorilor de acoperire, a ratei de răspuns sau de imputare și (în
cazul unei anchete prin sondaj) măsurarea erorilor de eșanti onare pentru indicatorii cheie.
 Realizați evaluarea calitativă pe baza unei opin ii avizate, atunci când măsurătorile calitative
sunt limitate din cauza naturii rezultatelor, a constrângerilor de timp, cost, precum și a fezabilității tehnice.
 Integrați evaluarea calității datelor în cadrul proiectării generale a anchetei, întrucât
informațiile necesare sunt adesea cel mai bine culese în timpul anchetei. Rapoartele privind
calitatea datelor vor trebui incluse în programul de diseminare a anchetei.
 În cazul unor anchete repetate nu este necesa r și nici posibil să se realizeze o evaluare
detaliată a calității cu fiecare ocazie. Cu toate acestea, va trebui programată o revizuire la intervale regulate, să zicem, anual și nu doar atunci când survin anumite probleme.
 Implicați utilizatorii în planificarea evaluării și în dezbaterea rezultatelor. Atunci când
împrejurările permit, se recomandă implicarea acestora în procesul efectiv de evaluare.
 Aveți în vedere următoarele metode de evaluare:
 verificarea coerenței în raport cu sursele externe de informații; de exemplu: alte
anchete, repetări ale aceleiași anchete sau date administrative.
 verificarea coerenței interne, realizată, de exemplu, prin calcularea proporțiilor care
sunt cunoscute ca încadrându-se în anumite limite (raportul bărbați-femei, valorile
medii ale anumitor proprietăți, etc.)

40

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  analiza celor mai mari unități în mod individual, în ceea ce privește contribuția lor la
estimarea generală (aplicată de obicei anchetelor în întreprinderi)
 calcularea indicatorilor de calitate; de ex emplu: a ratei de non-răspuns, a ratei de
imputare și a coeficienților de variație
 programarea unor ședințe de feedback împreună cu personalul implicat în colectarea și
prelucrarea datelor
 verificări realizate de experți bine informați, inclusiv revizuiri externe efectuate înaintea
publicării.
 Tipul și numărul greșelilor care au fost în mod oficial recunoscute și au avut drept consecință revizuiri, trebuie analizate și prezentate, pentru câțiva ani anteriori.
 Procedurile de minimizare a riscurilor greșelil or și de gestionare a situației când s-au
descoperit greșeli, ar trebui dezvoltate și documentate.
Referințe
Biemer, P., Groves, R.M., Mathiowetz, N.A., Lyberg, L. and Sudman, S. (eds.) (1991). Measurement
Errors in Surveys . Wiley, New York.
Lessler, J.T. and Kalsbeek, W.D. (1992). Nonsampling Errors in Surveys . Wiley, New York.
3.13 Controlul confidențialității
Scop și obiective
INS este obligat prin lege să asigure confidențialitatea privind datele personale ale
respondenților atunci când se publică anumite date. Aceasta înseamnă asigurarea faptului că
nici o dată personală a vreunui individ (p ersoană fizică sau juridică) nu poate fi dezvăluită , adică
nu poate fi în mod exact dedusă din cadrul unei serii restrânse.
O celulă dintr-un anumit tabel este considerată a fi sensibilă dacă aceasta are ca rezultat o
dezvăluire , adică prezintă date despre o anumită persoa nă, indiferent de faptul că datele sunt
sau nu considerate ”sensibile” de către respon dent. (De exemplu: în cazul unui respondent
întreprindere, venitul poate fi sensibil, în timp ce punctul de lucru poate să nu fie.)
Controlul confidențialității se referă la măsurile care trebuie luate pentru a modifica datele finale
astfel încât confidențialitatea să fie asigurată. Întrucât acesta are de obicei drept rezultat
modificarea sau suprimarea unor date, obiectivul este asigurarea confidențialității cu pierderi
minime în ceea ce privește rezultatele. Din perspectiva confidențialității, există o deosebire importantă între:
 Rezultatele micro-datelor – anonimizate pentru înregistrările individuale și
 Rezultatele datelor agregate/tabulare – sub forma tabelelor de frecvență (calcule) sau
tabelelor de magnitudine (precum venitul).
Percepția publicului în ceea ce privește vigilenț a în asigurarea confidențialității este tot atât de
importantă ca și ceea ce se re alizează de fapt în acest sens.
Principii
INS a elaborat Regulile privind confidențialitatea datelor statistice, o politică pentru protejarea
informațiilor clasificate.
Controlul dezvăluirii pentru tabele
Regulile pentru a determina dacă o anumită ce lulă este sensibilă sau nu au la bază criteriile de
confidențialitate. Se folosesc două tipuri de criterii. Primul tip depinde de numărul de

41
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics respondenți care au contribuit la cifra din celu la respectivă iar altul depinde de dimensiunea
relativă a contribuțiilor respondenților. Un exem plu pentru primul tip este acela că numărul de
respondenți care contribuie la o celulă trebuie să depășească valoarea 3. (Mai puțin de 3 este
inacceptabil, de vreme ce fiind doar doi responde nți, atunci unul dintre ei ar putea calcula
valoarea celuilalt respondent printr-o simplă scădere.)
Un exemplu general de regulă ce depinde de dimensiunea relativă este regula (n,k) în care o
celulă este desemnată ca fiind sensibilă dacă cel mai mare număr n de respondenți din ea
însumează k% sau mai mult din valoarea totală a celulei. O altă regulă este aceea a procentului
p. De exemplu, conform regulii p=15, o celulă este considerată sensibilă dacă suma
contribuțiilor celei de-a treia valori și a tuturo r valorilor mai mici ale respondenților reprezintă
mai puțin de 15% din valoarea cea mai mare a un ui respondent. Aceasta asigură că unitatea cu
a doua valoare ca mărime nu poate estima prea exact valoarea unității celei mai mari.
Rubricile care sunt considerate sensibile conform criteriilor de confidențialitate vor trebui
modificate sau ascunse. Există mai multe reguli posibile de ascundere a celulelor . Ascunderea
doar a rubricilor sensibile nu este suficientă atunci când totalurile marginale sunt afișate,
întrucât valoarea din rubrica ascunsă poate fi dedusă. Pentru a păstra confidențialitatea este
necesară executarea ascunderii complementare, care determină identificarea tuturor celorlalte
celule complementare care trebuie ascunse pentru a proteja celula sensibilă. Pentru a identifica
celule complementare, există la dispoziție software specializat.
Există și alte alternative la ascunderea celulelor. Una dintre metode este agregarea categoriilor, astfel încât puține sau niciuna dintre celule să nu fie sensibilă. Alte metode posibile constau în
adăugarea unei “perturbări” (noise) în cadrul datelor din tabel sau în micro-datele de bază.
Aceasta se poate realiza, de exemplu, prin rotu njire, deși rotunjirea convențională, adică cea
efectuată până la cel mai apropiat nivel superi or al unității de măsură, poate să nu adauge
suficiente ”perturbări” pentru a oferi protecție.
Există câteva pachete software pentru a contro la confidențialitatea, care include CONFID
(Institutul Canadian de Statistică, 2002 ) și ARGUS (Hundepool et al, 2002).
În cazul unor furnizări multiple din aceeași bază de date, în special în cazul solicitărilor ad-hoc,
este dificil să se găsească software-ul care să poată satisface toate cererile de confidențialitate
posibile, fiind necesară intervenția manuală.
Controlul dezvăluirii pentru fișiere de micro-date
Chiar și în absența informațiilor de identificare evidente, cum ar fi nume și numere de telefon,
fișierele de micro-date conțin un anumit număr de date, denumite date cheie, care, luate în
combinație pot identifica o anumită persoană. Aceasta reprezintă dezvăluirea efectivă. Chiar
dacă indivizii identificați nu sunt chiar unici sau dacă aceștia au fost identificați în mod eronat,
aparența unei dezvăluiri poate fi dăunătoare pentru INS.
Numărul și natura datelor cheie determină riscul de dezvăluire. Unele caracteristici cum ar fi
adresa exactă sau venitul realizat sunt consid erate informații cu risc mare de dezvăluire.
Fișierele de micro-date ale anumitor întreprinder i sunt rareori făcute publice datorită naturii
eterogene ale informațiilor. Prezența unor relaț ii ierarhice între diferitele departamente poate
de asemenea crește riscul de dezvăluire. Situația devine și mai complicată în cazul anchetelor
longitudinale, întrucât setul variabilelor cheie poate evolua de-a lungul timpului.
Riscul de dezvăluire a informațiilor depinde și de metodologie.
 Acesta crește o dată cu rata de eșantionare. În cazul în care rata de eșantionare este de 100%
pentru întreaga populație sau pentru anumite st raturi identificabile, micro-datele nu vor
trebui făcute publice.
 Prezența erorilor de măsurare sau a valori lor imputate scade riscul de dezvăluire.
Există două metode prin
cipale de restricționare a datelor în vederea controlului confidențialității
micro-datelor.

42

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Metodele de reducere a datelor care cuprind eșantionare, lărgir ea categoriilor de clasificare,
eliminarea datelor selectate pentru unii re spondenți și eliminar ea unor respondenți
selectați.
 Metode de modificare a datelor includ adăugarea unei ”perturbații” aleator; schimbarea
datelor între înregistrări, înlocuirea unor grupuri mici de unități cu valori medii și înlocuirea
unor date pentru anumiți respondenți cu valorile imputate.
Ca o alternativă la combaterea scurg erii de micro-date, pot fi inițiate proceduri de restricționare
a accesului , care permit accesul la aceste micro-date doar cercetătorilor, în condiții controlate.
Recomandări
Datele tabulare
 Determinați sensibilitatea fiecărei celule. Nu faceți public un tabel de date dacă acesta
conține valori care sunt considerate a fi sensibile.
 Determinați dacă celulele de frecvență zero reprezintă o problemă. Celulele de frecvență
zero pot scoate la iveală informații sensib ile din tabelele de date de magnitudine.
 Aveți în vedere metode alternative pentru ascu nderea celulelor, de exemplu, utilizarea
metodei de rotunjire aleatoare.
 În cazul unor furnizări multiple dintr-o singură bază de date, folosiți-vă experiența pentru a
suplimenta rezultatele obținute cu ajutorul programului de protecție a confidențialității.
Micro-datele
 Evaluați riscul de dezvăluire a informațiilor din fișierele cu micro-date și aplicați metode
corespunzătoare de reducere a datelor sau de modificare a lor.
 Asigurați-vă de faptul că toate fișierele cu micro-date care vor fi făcute publice sunt
verificate de o comisie de experți din cadrul INS înainte de a fi publicate.
 În cazul anchetelor longitudinale, se va defi ni strategia de publicare a datelor și cea de
confidențialitate, înainte de primul val. Aceasta poate implica adoptarea unor ipoteze
privind datele cheie și cum vor evolua acestea de-a lungul timpului.
 Ca alternativă la punerea la dispoziție a mi cro-datelor, aveți în vedere folosirea unor
metode de restricționare a accesului, cum ar fi accesarea de la distanță sau centrele de cercetare a datelor.
 Folosiți un software special pentru controlul confidențialit ății informațiilor în loc de
sistemele de protecție obișnuite, ori de câte ori este posibil acest lucru.
Regulile de confidențialitate ale INS

Pentru a preveni diseminarea datelor statistice confidențiale, trebuie respectate următoarele reguli:
 Datele statistice individuale privitoare la o persoană fizică sau juridică nu trebuie
diseminate dacă persoana în cauză nu își exprimă acordul în scris.
 Datele agregate privind două persoane fizice sa u juridice nu pot fi diseminate dacă acestea
nu își exprimă acordul în scris.
 Datele statistice agregate pentru trei sau ma i multe persoane fizice sau juridice pot fi
diseminate, dar numai cu condiția ca aceste date să nu permită mai departe identificarea
datelor individuale. În special, aceste date nu pot fi diseminate dacă o persoană juridică sau
fizică reprezintă peste 80% din valoarea sau cantitatea totală a unităților din celulă.
 Identificatori unici: codul personal, codul fiscal, denumirea și adresa, localitatea și alte informații care nu pot fi depersonalizate (nu pot fi anonimizate) nu vor fi incluse în fișierele
de date individuale pentru utilizarea publică.

43
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Accesul la datele statistice individuale poate fi permis , în scop științific, cu condiția să se fi luat
toate măsurile de protejare privind păstrarea confidențialității datelor statistice și supus:
 Aprobării conducerii INS și Comisiei pentru co nfidențialitatea statistică, stabilită prin
Ordinul Președintelui INS;
 Aprobării conducerii Direcției regionale/județene de statistică și aprobării Comisiei pentru
confidențialitatea statistică, stabilită la nivel te ritorial prin decizia directorului executiv al
Direcției regionale/județene de statistică.
Referințe
Eurostat (1999) Manual on Disclosure Control Methods
Brackstone, G. and White, P. (2002). Data stewardship at Statistics Canada . Proceedings of the
Social Statistics Section, Americ an Statistical Association, 284-293.
Eurostat (1996). Manual on Disclosure Control Methods . Luxembourg: Office for Official
Publications of the European Communities.
Hundepool, A., van de Wetering, A., de Wolf, P.-P ., Giessing, S., Fischetti, M., Salazar, J.-J. and
Caprara, A. (2002). ARGUS user manual 2.1 . Statistics Netherlands, Voorburg.
Institutul Național de Statistică, România Reguli privind Confiden țialitatea Datelor Statistice
Institutul Național de Statistică, România Politica privind Protecția Informațiilor Clasificate în
Cadrul Institutului Național de Statistică
3.14 Analiza și prezentarea datelor
Scop și obiective
Analiza datelor este procesul de transformare a date lor în informații. Rezultatele analitice
subliniază utilitatea surselor de date și scot în evidență anumite aspecte. Rezultatele analitice
pot fi de și mai mare importanță atunci când, din motive de confidențialitate, nu este posibilă
transmiterea micro-datelor. Acestea sunt în mo d specific prezentate sub formă de comentarii
atașate rezultatelor și de articole publicate separat.
Principalele etape din cadrul procesului analitic constau din identificarea problemelor, punerea
unor întrebări semnificative, oferirea unor răspunsuri prin examinarea și interpretarea datelor și
comunicarea mesajelor către utilizatori.
Analizele joacă un rol important în dezvoltarea, revizuirea și îmbunătățirea anchetei,
contribuind la identificarea problemelor și a potențialelor îmbunătățiri. Aceasta facilitează
extragerea eficace de informații din anchetele anteri oare și din studiile pilot, planificarea de noi
activități statistice, furnizarea de informații pr ivind lipsa unor date, pentru a realiza anchete și
pentru a formula obiectivele calității.
Prezentarea datelor și a comentariilor ce însoțesc articole le analitice asociate necesită luarea în
calcul a celor mai bune căi de comunicare cu utilizatorii.
Principii
Rezultatele analizei pot fi clasific ate în două mari tipuri generale:
 rezultate descriptive , legate de populația anchetei la momentul când au fost colectate
datele,
 studiile care depășesc nivelul segmentului de populație anchetat.

44

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Comentariile atașate rezultatelor datelor se reduc la rezultatele descriptive. Mandatul INS nu
sprijină în prezent studiile analitice care interp retează rezultatele. Aceste studii pot fi conduse
de cercetători independenți, sub îndrumarea INS.
Orice concluzie prezentată în comentariu sau în studiul analitic, în special acelea care au un
impact asupra politicii publice, va trebui sprijinită de datele care se află în curs de analizare.
Standardele de prezentare trebuie dezvoltate și respectate.
Recomandări
Pregătirea articolelor analitice
 Identificați aspectele de interes (atât pe acelea curente cât și pe acelea care este posibil să
apară în viitor), publicul țintă, sursa de informație și metodele de analiză.
 Asigurați-vă de faptul că informațiile corespund analizei, de exemplu, de faptul că populația
cadru oferă o aproximare suficient de apropiată de populația țintă, de faptul că definițiile și
conceptele sunt relevante, că natura long itudinală sau transversală a anchetei este
corespunzătoare, că precizia datelor este suficientă pentru a se obține rezultate
concludente.
 În cazul în care este folosită mai mult de o sursă de date pentru analiză, faceți o cercetare
privind consecvența informațiilor provenite din acea sursă și analizați modul în care acestea
pot fi combinate în mod corespunzător.
 Aveți în vedere modul în care vor trebui gestionate non-răspunsurile pe variabile și dacă vor trebui incluse valori imputate.
 Atunci când faceți o comparație între două grupe de persoane sau de întreprinderi, sau alte unități, controlați factorii exteriori. Dacă se constată diferențe semnificative între grupuri,
atunci luați în considerare explicații alternative plauzibile pentru aceste diferențe.
 De vreme ce analizele se bazează mai degrab ă pe observații decât pe rezultatele unui
experiment controlat, evitați să tr ageți concluzii privind cauzalitatea.
 Nu vă concentrați atenția asupra trendurilor pe termen scurt fără a le inspecta în lumina
celor pe termen lung și mediu. În mod frec vent, trendurile pe termen scurt sunt numai
fluctuații minore în jurul mai importan telor trenduri pe termen mai lung.
 Atunci când este posibil, evitați reperele de timp arbitrare, cum ar fi schimbările de la an la
a n . Î n s c h i m b , f o l o s i ț i r e p e r e s e m n i f i c a t i v e , c u m a r f i u l t i m u l p u n c t d e c o t i t u r ă î n c e e a c e privește datele din economie, diferențele dintre generații privind statistica demografică și
modificările legislative pentru statistica socială.
Prezentarea articolelor analitice
 Înainte de a scrie un articol, redactați o schi ță a articolului pentru a indica aspectele care
trebuie abordate, datele utilizate, metodele analitice, rezultatele care vor trebui scoase în
evidență și cele mai interesante constatări.
 Axați articolul pe indicatorii și subiectele importante. Încercarea de a fi prea cuprinzător tinde să interfereze cu un material cursiv.
 Aranjați ideile într-o ordine logică și în ordine a importanței sau relevanței lor. Folosiți titluri,
sub-titluri și note explicative pent ru a consolida structura articolului.
 Folosiți un limbaj cât mai simplu, atât cât perm ite subiectul. În funcție de publicul-țintă al
articolului, pierderea preciziei poate fi o concesie pentru un text mai ușor de citit.
 Utilizați grafice în cursul textului și tabele pentru a comunica mesajul. Folosiți titluri care
reușesc să surprindă esența articolului, ca de exemplu “Câștigurile femeilor sunt mai
reduse decât cele ale bărbaților”, în locul unor titluri tradiționale, cum ar fi “Câștigurile în
funcție de vârstă și sex”.

45
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Urmăriți să ajutați cititorii să înțeleagă inform ațiile din tabele și grafice prin dezbaterea lor
în cadrul textului.
 Atunci când utilizați tabele, țineți cont de fapt ul că formatul general contribuie la claritatea
datelor și reduce posibilitatea de interpretare greșită. Acest lucru cuprinde spațiere
adecvată, redactarea, plasarea și modul de prezentare a titlurilor, a rândurilor, capetelor de tabel și a notelor de subsol.
 Explicați practicile și procedurile de rotunjire. Pentru prezentarea unor date rotunjite, nu folosiți mai multe cifre decât este necesar pentru acuratețea informației.
 Atunci când prezentați detalii despre anumite rate, aveți grijă să faceți diferența dintre
schimbările procentuale și schimbările dintre punctele procentuale. Definiți baza utilizată
pentru rate.
 Asigurați-vă de faptul că bibliografia este prez entată în mod exact și că se fac trimiteri la
aceasta în cadrul textului.
 Verificați dacă există greșeli, asigurați-vă de acuratețea cifrelor folosite în text, tabele și
grafice și de exactitatea datelor externe.
 Asigurați-vă că obiectivele pe care le-ați me nționat în introducere sunt îndeplinite iar
concluziile corespund cu realitatea.
 Oferiți articolul spre a fi revizuit de către cel puțin două persoane.
 Pregătiți o prezentare a articolului în fața cole gilor înainte de a face expunerea în fața unei
asistențe externe.
Comentarii
R e c o m a n d ă r i l e d e m a i s u s s e p o t a p l i c a ș i c o m e n t a r i i l o r l e g a t e d e r e z u l t a t e l e d a t e l o r , c u
condiția ca analiza să fie mai puțin profundă și să se concentreze mai degrabă asupra rezumării
rezultatelor principale, decât asupra problemelor de analiză.
Referințe
Chambers, R.L. and Skinner, C.J. (eds.) (2003). Analysis of Survey Data . Wiley, Chichester.
Lohr, S.L. (1999). Sampling: Design and Analysis . Duxbury Press.
3.15 Diseminarea datelor
Scop și obiective
Diseminarea reprezintă furnizarea de date statistice utilizatorilor. Mecanism ele de difuzare on-
line includ Internetul, bazele de date statistice și fișierele web, interviurile prin televiziune și
radio și conferințele de presă. Mecanismele of fline includ publicațiile tipărite, CD-ROM-urile,
comunicatele de presă, faxul, poșta electronică, răspunsurile la cerințele ad-hoc și prezentările
la evenimente.
Principii
Datele diseminate vor trebui să fie exacte, comp lete, accesibile și tari fate adecvat, ușor de
înțeles, utilizabile, oferite în timp real și ca re să respecte cerințele de confidențialitate.
Managerii responsabili cu diseminarea vor trebui să aibă în vedere necesitățile și așteptările
utilizatorilor bazate pe feedback -ul utilizatorilor, pe testarea produselor și pe activitățile de
marketing. Aceștia vor trebui să exploateze noil e tehnologii pentru a permite utilizatorilor să
aibă un acces optim la informație și să o proceseze eficient și cu ușurință.
Datele și perioadele în care se vor difuza inform ațiile trebuie anunțate dinainte. Utilizatorilor li
se va permite în mod egal accesarea datelor. Datele trebuie publicate pe web, transmise

46

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics electronic, sau difuzate pe suport hârtie, exact în același timp și în conformitate cu anunțurile
prealabile.
Rezultatele trebuie însoțite de metadate care permit utilizatorilor să determine cât de potrivite
sunt datele pentru anumitele utilizări pe care aceștia le doresc. Acestea cresc de asemenea
încrederea pe care o au utilizatorii în date. Meta datele furnizate trebuie să cuprindă concepte și
definiții, populații țintă și eșantioane de popu lație, proiectarea eșantioanelor, chestionare,
metode de imputare, de culegere și estimare a datelor, ratele de răspuns, posibile erori și
împrejurări excepționale. Nivelul de detaliu treb uie să fie adecvat cerințelor utilizatorilor.
Acestea pot determina elaborarea de rezumate a metadatelor vizibile inițial prin trimiteri la
metadate mai detaliate pentru utilizatorii care au nevoie de ele.
Recomandări
 Asigurați-vă de faptul că datele sunt verificate și validate de către o altă unitate decât cea
care le produce. Unitatea care verifică trebuie să aibă experiență dovedită.
 Dezvoltați și utilizați un format comun pentru toate produsele din aceeași categorie sau
temă și dezvoltați un standard al agenției.
 Asigurați-vă că datele difuzate sunt exact acelea ș i c a ș i c e l e p r e z e n t e î n b a z e l e d e d a t e
interne. Trebuie să fie posibilă întotdea una reproducerea rezultatelor întocmai.
 Testați orice produs electronic înainte de difuzare pentru a vă asigura că acesta
funcționează conform așteptărilor utilizatorilor.
 Furnizați metadate care să conțină descrieri corespunzătoare ale calității și metodologiei.
 Furnizați indicatori de calitate ai datelor sa u instrumente care să sprijine utilizatorii în
evaluarea datelor, de exemplu tabele de vizu alizare a CV-urilor, programe de calcul a
gradului de dispersie a eșantionului.
 Definiți cu claritate regulile, condițiile și termenii drepturilor de autor pentru utilizarea sau re-diseminarea informației statistice.
 Însoțiți fiecare rezultat cu date de contact, număr de telefon și o adresă de e-mail.
 Utilizați la maximum date generalizate și sisteme de diseminare a metadatelor.
 Asigurați-vă că personalul implicat în procesel e de diseminare a datelor este bine instruit.
 Analizați și utilizați standardele și cele mai bune practici de diseminare din țările UE.
Referințe
Institutul Național de Statistică, România (2006), Politica privind Diseminarea Datelor .
3.16 Documentarea
Scop și obiective
Documentarea se referă la descrierea unei anchete/pr oces statistic, cuprinzând conceptele,
definițiile și metodele utilizate pentru elaborarea datelor, a rezultatelor și factorilor care
influențează calitatea acestora. Documentația reprezintă o modali tate de comunicare în timpul
elaborării și implementării unei anchete, cuprinzând nu doar deciziile care au fost luate, dar și
motivul pentru care au fost luate. Documentarea sprijină perfecționarea ulterioară a anchetei în
cazul celei periodice și dezvoltarea anchetelor si milare. De asemenea, documentația stă la baza
informării utilizatorilor în legătură cu metodo logia și calitatea unei anchete. Documentarea
poate fi realizată pentru mai multe grupuri diferite, incluzând managerii, personalul tehnic, cei însărcinați cu planificarea altor anchete și utilizatorii.

47
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Principii
Documentația urmărește să ofere o înregistrare completă, clară și multi-funcțională a anchetei
și a rezultatelor, actualizate, bine organizate, ușor de găsit, concise și precise. Nivelul de
detaliere depinde de publicul căreia îi este de stinată, de sursele de date, de proiectarea
eșantionului, de metodele de culegere și disemina re, de utilizatorii și utilizările datelor și de
bugetul total.
Accesul efectiv și prezentarea sunt importan te. Documentarea poate fi multi-media, de
exemplu pe suport de hârtie și electronic. Di feritele documente pot fi pregătite pentru un
public divers și pentru scopuri diferite. Există numeroase standarde privind conținutul, dint re care cele mai importante în contextul INS
sunt Regulile privind elaborarea și editarea metodologiei anchetei, Regulile privind elaborarea și
editarea lucrărilor statistice ale INS, elaborate de Unitatea de calitate și Structura Euro SDMX a
metadatelor (ESMS) .
ESMS conține o descriere și o prezentare a meta datelor pentru a fi utilizate în documentarea
datelor statistice și în evaluarea proceselor de producere a datelor și a rezultatelor. Conceptele
ESMS utilizate sunt compatibil e cu acelea ale standardului Schimbului de date statistice și
metadate (SDMX) și cu terminologia comună din Vocabularul comun de metadate SDMX. ESMS
va fi implementat la Eurostat și la nivel național.
Recomandări
 Pregătiți documentația anchetei la un nive l de detaliere adecvat publicului țintă.
 Indicați orice schimbări legate de obiectivel e, oportunitatea, frecvența și obiectivele
calitative ale datelor care au avut loc pe parc ursul elaborării anchetei, de exemplu, datorită
constrângerilor bugetare, fezabilității percepute, rezultatelor noilor studii pilot sau noilor
tehnologii.
 Indicați utilizarea standardelor internaționale și naționale și evidențiați abaterile.
 Indicați rolul comisiei de experți și al utilizat orilor în elaborarea și desfășurarea anchetei.
 Pregătiți versiuni ale documentației metodolo gice, accentuând aspecte diferite pentru
diferiții cititori. Furnizați directorilor generali și utilizatorilor o privire metodologică de
ansamblu. Oferiți experților o relatare cupr inzătoare și consolidată a procedurilor și a
problemelor tehnice.
 Furnizați documente care să în soțească produsele și supuneți -le unor analize extinse din
partea colegilor și a managerilor pentru a vă as igura de relevanța, acura tețea și lizibilitatea
lor.
 Respectați politicile de revizuire a documentației.
Referințe
Regulile privind elaborarea și editarea metodologiilor cercetărilor statistice
Regulile privind elaborarea și editarea lucrărilor statistice
Structura de Metadate Euro SDMX (ESMS) .
Sistemul de Schimb de Date și Metadate Statistice (SDMX) .
Vocabularul Comun de Metadate .

48

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 3.17 Utilizarea datelor administrative
Scop și obiective
Datele administrative sunt datele colectate în timpul ad ministrării programelor guvernamentale.
Procedurile administrative includ colectarea im pozitelor din venituri și TVA, reglementarea
circulației bunurilor și a persoanelor dincolo de gr anițe, înregistrarea nașterilor, a căsătoriilor și
a deceselor, administrarea pensiilor, oferirea se rviciilor medicale. Datele administrative sunt
colectate în conformitate cu legislația în vigoare. Există două tipuri principale:
 Date de înregistrare, care conțin detaliile tut uror unităților supuse procedurii administrative
respective;
 Date de tranzacționare, care conțin detaliile interacțiunii acelor unități cu procedura
administrativă.
Fiecare dată înregistrată se referă la un individ –persoană, contribuab il, pensionar etc.– iar
identitatea unei unități care corespunde unui anumit registru este extrem de importantă.
Dimpotrivă, în cazul datelor statistice , identitatea indivizilor nu mai are o valoare intrinsecă o
dată ce datele au fost colectate.
Unele date administrative sunt înregistrate în fo rmă tabelară și diseminate direct de INS. De
exemplu, datele legate de bunurile expediat e sunt obținute de la vamă, prelucrate și
diseminate ca fiind date de comerț exterior. Pe lângă tabelarea și diseminarea directă, datele administrative mai pot fi folosite:
 Pentru a elabora și a întreține registrul întreprinderilor;
 Pentru a înlocui, parțial sau în totalitate, colectarea de date, de exemplu utilizarea datelor
de impozitare pentru întreprinderile mici în lo cul colectării datelor legate de venituri și
cheltuieli;
 Pentru a ajuta în procesul de editare și imputare;
 Ca informații auxiliare în estimări – în scopuri de calibrare și/sau întocmirea unor calendare;
 Pentru evaluarea anchetelor, mai precis confruntarea datelor și compararea datelor
administrative și a celor din cercetări statistice.
Principii
Avantaje
Avantajele utilizării datelor administrative sunt, în primul rând, furnizarea fără costuri de către
agențiile administrative responsabile pentru culege rea lor, conform legii. În al doilea rând, ele
nu impun o sarcină statistică suplimentară de răspuns asupra persoanelor, la care se referă
datele. În al treilea rând, tehnologia modernă pe rmite INS să acceseze cu rapiditate și să
prelucreze seturi mari de date administrative.
Dezavantajele datelor administrati ve constau în faptul că acestea sunt culese mai degrabă în
scopuri administrative, decât în scopuri statistice. De obicei, potențialii utilizatori statistici de
date administrative nu sunt cunoscuți sau sunt considerați neimportanți la momentul în care
programul administrativ este organizat. Aceasta înseamnă că INS are un control limitat sau nu
are control deloc asupra gradului de acoperir e, conținutului, preciziei sau sincronizării.
Modificările ulterioare în legislație pot determina modificări ale datelor, în afara controlului INS.
Pe scurt, într-un moment în care cererea de date este în creștere, există constrângeri bugetare
serioase, iar preocupările privind ratele de ră spuns și sarcina de răspuns sunt în creștere,
utilizarea datelor administrative, reprezintă o alternativă atractivă și/sau complementară la
culegerea directă de date. Astfel politica INS este aceea de a utiliza datele administrative atunci
când acestea prezintă o alternativă ce implică costuri mici, sau un supliment la culegerea directă de date.

49
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Ca și în cazul oricărui alt program de achiziție de date, deciziile legate de folosirea unei surse de
date administrative trebuie să urmeze unui proces de evaluare a datelor, în ceea ce privește
gradul de acoperire, conținutul, conceptele și de finițiile, frecvența, punctualitatea, procedurile
de asigurare a calității, precum și stabilitatea programului administrativ în timp și costurile pe
care le implică obținerea și prelucrarea datelor.
În prelucrarea datelor administrative INS treb uie să realizeze efectiv toate sub-procesele,
privind datele statistice discutate în secțiunile anterioare. Astfel, recomandările din secțiunile
anterioare sunt în mare parte aplicabile în mo d egal înregistrărilor administrative. Chiar și
recomandările privind eșantionarea și captar ea de date pot fi relevante dacă datele
administrative există doar pe hârtie și trebuie să fie eșantionate, codificate și captate. Totuși,
există câteva considerații suplimentare, ca re reprezintă subiectul acestei secțiuni.
În primul rând, folosirea datelor administrative poate da naștere unor preocupări legate de
confidențialitate. Aceste preocupări au o impo rtanță cu atât mai mare, atunci când datele
administrative sunt legate de alte surse de date. Astfel, asemenea legături între diferite registre
sunt, de obicei, controlate cu grijă.
În al doilea rând, combinarea datelor care provin dintr-o sursă administrativă cu cele care
provin din altă sursă nu este ușoară în absența unui sistem de identificare comun care să
acopere ambele surse. Sunt necesare tehnici de interconectare a registrelor. Dacă scopul
conectării surselor este crearea unui cadru și în treținerea, editarea și imputarea sau ponderarea,
îmbinarea exactă este esențială. Dacă, pe de altă parte, sursele sunt conect ate în scopul analizei
datelor, combinarea statistică , adică îmbinarea registrelor cu pr oprietăți statistice asemănătoare
poate fi suficientă.
Recomandări
 Creați și mențineți legături strânse cu persoa nele care gestionează surele administrative.
Legătura este necesară nu numai în negocierea utilizării datelor administrative, ci și pentru ca modificările procedurilor administrative să nu ia prin surprindere INS, acesta putând
chiar să influențeze aceste modificări. Feed-back-ul, către gestionarii datelor, în privința
problemelor și sugestiilor poate întări sursele ad ministrative. Ocazional, biroul de statistică
poate ajuta la includerea cerințelor statistice în noile programe, înainte de demararea
acestora. Astfel de oportunități sunt rare, dar atunci când se ivesc, valoarea potențială
pentru INS prevalează asupra timpului și resurselor necesare pentru colaborare.
 Înțelegeți contextul în care organizația admini strativă a creat programul administrativ (ex.:
legislația, obiectivele și necesitățile). Aces ta are un impact deosebit asupra acoperirii,
conținutului conceptelor și definițiilor, frecvenței și punctualității, calității și stabilității în
timp.
 Studiați fiecare dată din sursa administrativă care va fi folosită în scopuri statistice.
Cercetați-i calitatea. Înțelegeți conceptele, de finițiile și procedurile care stau la baza
colectării și procesării ei. Unele variabile pot avea o calitate slabă și nu vor putea fi utilizațe.
De exemplu, calitatea codurilor de clasificare (ocupația, activitatea industrială, geografia)
poate fi insuficientă pentru scopuri statistice sau poate restrânge posibilitatea de folosire. În
asemenea cazuri, identificați mo dalități de a pune la dispoziție personalul INS sau resurse
pentru îmbunătățirea calității.
 Alegeți metodologia de anchetă care se potrivește unei anumite surse administrative.
 La fel ca la datele colectate în cadrul unei an chete și la datele administrative poate exista
non-răspunsul sau răspunsul parțial. În unele cazuri, lipsa unei coordonări în obținerea datelor în mod eficient are ca rezultat non-răspunsul. Trebuie dezvoltate astfel procedurile
de imputare și ponderare.
 Imputarea și/sau transformarea pot fi necesare și în cazurile în care unele dintre unități
raportează datele cu o frecvență diferită față de cea necesară pentru anchetă.

50

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Stările activității unităților conform surselor admi nistrative sunt deseori diferite față de cele
cerute pentru scopurile statistice. De pildă, agen ția de impozite va reține în înregistrările
sale o întreprindere falimentară cât timp aceasta datorează impozit, în timp ce, pentru
biroul de statistică întreprinderea este inacti vă. Trebuie acordată astfel o atenție specială
identificării unităților administrative, care sunt aparent active, dar din perspectiva statistică
sunt inactive. De exemplu neplata taxei pe valoarea adăugată timp de 18 luni poate fi
considerată o dovadă a inactivității.
 Luați în considerare faptul că pot exista er ori de măsurare semnificative dacă datele
administrative au implicații financiare. De ex emplu, venitul poate fi subevaluat și/sau
cheltuielile sunt supraevaluate pe ntru a reduce obligațiile fiscale.
 Aveți în vedere implicațiile de confidențialitate în cazul publicării informațiilor din registrele
administrative. Deși INS are dreptul să acceseze registre administrative în scopuri statistice,
este posibil ca această utilizare să nu fi fost prevăzută de furnizorii in ițiali ai informațiilor.
Din acest motiv, managerii anchetelor ar trebui să fie pregătiți să explice și să justifice
valoarea publică și natura nevătămătoare a acestei utilizări în scopuri statistice.
 Efectuați o evaluare continuă sau periodică a ca lității datelor intrate. Este important să vă
asigurați că se menține calitatea datelor, deoarece INS nu controlează procesul de colectare
a datelor. Evaluarea poate conțin e metode de control al calității statistice, comparații cu alte
surse și studii de urmărire a eșantioanelor.
 Preocupările legate de confidențialitate, care pot apărea atunci când este utilizată o singură
sursă administrativă se multiplică atunci când se face cuplarea cu alte surse. Este necesară o politică de relaționare a registrelor pentru a se asigura că valoarea cuplajului prevalează
asupra oricărei nerespectări a confidenți alității pe care ar putea-o determina.
 Atunci când datele din două sau mai multe s urse sunt comparate fără o schemă comună de
identificare, aveți în vedere metodele de co mbinare statistică, dacă nu este necesară o
îmbinare exactă.
Referințe
Cox, L.H. and Boruch, R.F. (1988). Record Linkage, Privacy and Statistical Policy . Journal of Official
Statistics, 4, 3-16.
Eurostat (2001) Use of Administrative Sources for Business Statistics Purposes
Hidiroglou, M.A., Latouche, M.J., Armstrong, B., and Gossen, M. (1995). Improving Survey
Information Using Administrative Records: The Case of the Canadian Employment Survey.
Proceedings of the Annual Research Confer ence, U.S. Bureau of the Census, 171-197.
Michaud, S., Dolson, D., Adams, D., and Renaud, M. (1995). Combining Administrative and Survey
Data to Reduce Respondent Burden in Longitudinal Surveys . Proceedings of the Section on Survey
Research Methods, American Statistical Association, 11-20.

51
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 4 Cadrul General de Management al Calității
Remarci introductive
Acest capitol schițează Cadrul General de Management al Calității (QMF) în cadrul căruia se aplică
principiile calității descrise în Capitolul 3. În ti m p c e C a p i t o l u l 3 s e r e f e r ă l a a n c h e t e ș i e s t e
destinat managerilor de anchetă, Capitolul 4 se referă la instituț ie ca întreg și este destinat
managerilor seniori și personalului cu responsa bilitatea specială de a promova managementul
calității în cadrul organizației.
Managementul calității implică identificarea și ur mărirea obiectivelor calității în lumina cererii
utilizatorilor pentru mai multă in formație și a altor considerații privind calitatea, luând în
considerare resursele financiare și umane și sarcina de răspuns. Astfel, QMF cuprinde mai multe
mecanisme la niveluri diferite în cadrul INS. Efic acitatea acestuia depinde de profesionalismul și
motivația personalului și de sinergia ce rezultă din operațiunile celor implicați, care acționează
colectiv, având un set comun de obiective privind calitatea.
QMF este prezentat în contextul componentelor calității rezultatelor, definite în Capitolul 2, cu
secțiuni referitoare la Managementul relevanței, acurateței , punctualității, accesibilității,
comparabilității și coerenței, împreună cu secțiunile transversale privind Raportarea calității și
Managementul mediului instituțional .
4.1 Managementul Relevanței
Relevanța reprezintă gradul în care rezultatele statis tice corespund nevoilor actuale sau potențiale
ale utilizatorilor. Ea depinde de furnizarea datelor stat istice care sunt necesare și de măsura în care
conceptele utilizate (definiții, clasificări etc.) reflectă nevoile utilizatorilor. Programul și rezultatele INS trebuie să reflecte în mod corespunzător și continuu nevoile cele
mai importante privind datele, pe măsură ce acestea evoluează de-a lungul timpului.
Managementul relevanței are as tfel două aspecte – determinarea nevoilor statistice și
adaptarea programului INS pentru a atinge aceste nevoi.
Determinarea nevoilor utilizatorilor
Cerințele SSE sunt specificate în regulamentele UE. Ele sunt obligatorii. Mai mult, rapoartele de
calitate cerute de reglementări presupun în mod specific dovezi că datele cerute sunt produse.
Alte nevoi pot veni din partea agențiilor internaț ionale, în special de la IMF, OECD, UNDP, FAO,
etc.
Nevoile naționale sunt identificate prin legătura cu principalii utilizatori, în cea mai mare parte,
departamente guvernamentale. Există de asemenea , un feedback din partea altor utilizatori în
privința rezultatelor existente culese de Biroul de diseminare. Cercetătorii și analiștii pot indica
lipsuri și limitări ale datelor prin intermediul ar ticolelor publicate. Comentariile și criticile din
partea media pot fi de asemenea informative.
Trebuie ținut cont de asemenea, de nevoile pr ogramelor interne, precum Sistemul Conturilor
Naționale, care extrag date dintr-o serie de anchete, le integrează și le reconciliază. Procesele care determină nevoile de date au ca rezultat și monitorizarea altor componente ale
calității și identificarea cerințelor corespunzătoare ale utilizatorilor.
Adaptarea programului
Adaptările programului se fac anual, prin definirea și implementarea Programului Statistic Național Anual (PSNA). Programul de activitate definește rezultat ele, sarcinile și oportunitatea
pentru activitățile statistice din cadrul INS fi nanțate de guvern. În fiecare an Programul de
activitate pentru următorul an este realizat pe baza celui pentru anul curent, dar adaptat la

52

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics nevoile în continuă schimbare. Programul de activitate se transmite apoi la utilizatorii primari –
departamente și agenții de stat– pentru comentarii. Pe baza feedback-ului primit și în lumina
priorităților de politică curentă, managementul superior al INS finalizează Programul de activitate.
În practică, există constrângeri puternice asupra ajustărilor programului. În primul rând, o mare
parte a resurselor bugetare ale INS este alocată anchetelor continue și a proceselor statistice
care sunt nediscreționare în sensul că ele sunt dictate de reglementările UE sau furnizează
informații de bază privind societatea și economia românească, astfel încâ t nu pot fi schimbate
în mod semnificativ. În al doilea rând, este ex trem de dificil să se întrerupă, sau chiar să
restrângă o anchetă existentă din cauza faptului că utilizatorii vor avea obiecții. În al treilea
rând, în esență nu există perspective de a-și as igura finanțările suplimentare de la stat pentru
noile programe, decât dacă aceste finanțăr i sunt de fapt incluse în legislație.
Astfel, reducerile programului sunt minimale, iar extinderile pentru a răspunde nevoilor de noi
date sunt în general foarte limitate și inițiate do ar prin devierea resurselor alocate altor activități
curente.
În fiecare an unele activități statistice sunt fina nțate din alte surse, de pildă de către UE, Banca
Mondială și/sau alți parteneri internaționali și naționali. Totuși, acestea sunt în mod specific
destinate îmbunătățirii proceselor statistice.
Considerente de îmbunătățire
Procedurile actuale pentru gestionarea relevanței pot fi îmbunătățite în trei moduri. Primul,
introducerea unui proces de planificare multi-an uală ar conferi mai multe posibilități pentru
antrenarea modificărilor în program.
Cel de-al doilea, revizuirile regulate auto-admin istrate ale tuturor anchetelor ar asigura un
feedback mai puternic privind sensibilitatea pu blicului și relevanța la nivelul anchetei și
oportunitățile pentru schimbări sau reduceri ale modulelor de întrebări sau dimensiunilor eșantionului. Aceste revizuiri sunt prevăzute începând cu 2010, așa cum vor fi descrise în
secțiunea privind raportarea calității.
Al treilea mod, opțiunile privind alocarea de resurse pentru inițierea de noi anchete sau
extinderea celor existente, ar putea fi explor ate. Acestea includ obținerea unei mai bune
înțelegeri privind costurile la nivel de anchet ă individuală, astfel încât oportunitățile de
eficientizare să fie mai ușor identificate, precum și măsurarea sarcinii de răspuns, ca punct de
pornire în reducerea dimensiunii ch estionarului și a eșantionului.
4.2 Managementul Acurateței
Acuratețea rezultatelor statistice în ac cepțiune statistică generală reprezintă gradul de apropiere a
estimărilor de valorile reale.
Aspecte privind proiectarea
Acuratețea, punctualitatea și coerența obținute în rezultatele anchetei depind foarte mult de
proiectarea metodologiei, de procesele de asigur are a calității folosite pentru identificarea și
controlul potențialelor erori. Există două aspect e: capacitatea metodologică și politicile și
procedurile utilizate de obicei și aplicarea aceste i capacități, politici și proceduri în anchetele
individuale. În prezent nu există o unitate de metodologie sau un centru primar de expertiză.
Responsabilitatea asupra metode lor de eșantionare și estimare revine celor trei unități
responsabile de statistica întreprinderilor, statisti ca gospodăriilor și de statisticile agricole. Toate
celelalte aspecte metodologice, de exemplu proiec tarea chestionarului, procedurile de editare,
procedurile de imputare, detectarea valorilor ab erante sunt gestionate de către statisticieni

53
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics responsabili cu anchetele indivi duale. Direcția de calitate ar e responsabilitatea de a promova
practicile privind calitatea, de pildă raportarea calității și producerea și utilizarea acestor
principii ale calității.
În ceea ce privește procedurile metodologice, ac est ghid descrie practicile specifice, metodele
și considerațiile, care trebuie luate în calcul at unci când se elaborează programele, și indică
unde există standarde oficiale. În afară de acest document există câteva proceduri
metodologice generale ale INS, de pildă proiectarea și formatarea standardizată a
chestionarului. Există practica standard de a pretesta și de a face teste pilot pentru toate
chestionarele noi înainte de utilizarea lor în produc ție. Personalul se bazează pe literatura SSE și
pe cea internațională, precum și pe experți pe ntru îndrumare, de exemplu Ghidul SSE privind
ajustarea sezonieră.
În ceea ce privește aplicarea metodologiei, deciziile sunt luate în mare parte de către
conducătorii de anchete individuale și de cătr e personalul acestora. Managerii, pe lângă
deciziile privind obiectivele de acuratețe acceptat e pe baza cunoașterii cerințelor utilizatorului,
bugetului și operațiilor, determină și me todele specifice ce vor fi aplicate.
Aspecte de implementare
Acuratețea cercetării statistice depinde de pl anificare, de procedurile operaționale, de
supervizare, de relațiile cu respondenții, de inte rviuri și instruire. Calitatea și mecanismele de
monitorizare a performanței trebuie încadrate în proiectarea anchetei. Sunt necesare două
tipuri de informații. Prima inform ație este necesară monitorizării și corecției imediate a oricăror
probleme operaționale. Cea de-a doua informație este necesară pentru evaluarea gradului în
care ancheta a fost implementată conform planuri lor, sau a gradului în care unele aspecte ale
proiectării s-au dovedit problematice și a lecțiil or învățate din punctul de vedere operațional
pentru a sprijini proiectele viitoare.
Aspecte de evaluare
Evaluarea acurateței trebuie luată în considerare în etapa de proiectare, întrucât trebuie obținute măsurători pe parcursul desfășurării anchetei. Gradul și complexitatea măsurătorilor depind de dimensiunea anchetei, de buget și de importanța lor pentru utilizatori. Informarea
utilizatorilor privind calitate a datelor necesită evaluarea a cel puțin următoarelor aspecte:
gradul de acoperire al anchetei, eroarea de eșantionare, ratele de non-răspuns și descrierile oricăror probleme sau consecințe grave.
Considerente privind îmbunătățirea
Posibilitățile de îmbunătățire ulterioară în ma nagementul acurateței includ întărirea expertizei
în eșantionare și estimare, în proiectarea ch estionarului, editarea, imputarea și analiza,
includerea calității și mecanismele de monito rizare a performanței în procesele anchetei,
introducerea programului de rapoarte de calita te orientate către utilizator (discutate în
următoarea secțiune), încurajarea utilizării listei de verificare a anchetei (DESAP) și utilizarea
noilor tehnologii și a inovațiilor (cu testarea adecvată).
4.3 Managementul Oportunității și Punctualității
Oportunitatea rezultatelor statistice reprezintă durata de timp care există între evenimentul sau
fenomenul pe care îl descriu și disponibilitatea lor. Informația care le este disponibilă utilizatorilor
chiar în perioada în care aceasta rămâne utilă pentru scopurile sale principale, este considerată a fi
oportună.
Punctualitatea reprezintă intervalul de timp dintre momentul publicării datelor și momentul
planificat pentru publicarea lor, după cum a fost anunțat într-un calendar oficial, stabilit prin
regulamente sau printr-un acord anterior dintre parteneri.

54

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Oportunitatea și punctualitatea sunt monitorizate constant de-a lungul timpului și în cadrul
programelor, prin rapoarte săptămânale înaintate către managementul superior.
Alegerea unei perioade de timp a unei anchete, inclusiv datele de difuzare reprezintă o decizie
a proiectării anchetei, depinzând de obicei de co mpromisul dintre acuratețe și cost. Există două
cataloage separate de rezultate, produse către finele anului și vizibile pe website-ul INS. Acestea
specifică datele de difuzare ale publicațiilor elec tronice și tipărite și a comunicatelor de presă
pentru anul următor.
În unele programe, difuzarea unor date preliminar e, urmată de publicarea unor cifre revizuite și
finale este utilizată ca strategie pentru a oferi datele într-un timp cât mai scurt. În astfel de
cazuri, monitorizarea dimensiunii și direcției re viziilor poate ajuta la evaluarea compromisului
dintre oportunitate-acuratețe. Aceasta re prezintă, de asemenea, o premisă pentru
recunoașterea oricăror abateri persistente sau prev izibile ale datelor preliminare, care ar putea
fi înlăturate prin estimare.
Se așteaptă îmbunătățiri în ceea ce privește oportunitatea, pe măsura dezvoltării noilor
tehnologii și modificării utilizării datelor.
4.4 Managementul Accesibilității
Accesibilitatea rezultatelor statistice reprezintă gradul de ușurință cu care utilizatorii pot obține
datele. Ea este determinată de condițiile fizice prin care utilizatorii obțin datele: unde să mergem,
cum să comandăm, timpul de livrare, politica de preț, condițiile de piață (drepturile de autor etc.),
disponibilitatea datelor micro sau ma cro, formatele diferite (hârtie, fișiere, CD-ROM, Internet, etc.)
La începutul unei noi anchete sau după o replanif icare majoră a unei anchete, conducătorul de
anchetă propune mijloacele de diseminare. Ac easta include datele ce trebuie diseminate,
modul și momentul diseminării pe baza cererilo r cunoscute ale utilizatorilor și a discuțiilor
viitoare cu utilizatorii. Propunerea este revizuit ă de managementul superior, este modificată în
conformitate cu deciziile acestora și apoi implementată de Direcția de diseminare.
Principalele mijloace de diseminare ale INS sunt: publicațiile pe hârtie, publicațiile electronice,
baza de date online TEMPO, biblioteca publică, biroul de diseminare.
Managerii de program au la dispoziție mai multe opțiuni pentru ca datele să fie mai accesibile
în scopuri analitice, printre care:
 Producerea de fișiere de microdate pentru uzul public;
 Oferirea unui serviciu de furnizare personalizată a datelor;
 Contracte cu cercetători externi.
4.5 Managementul Clarității
Claritatea rezultatelor statistice reprezintă gradul de ușurință cu care utilizatorii pot înțelege datele.
Ea este determinată de mediul informațional în care sunt prezentate datele, dacă acestea sunt
însoțite de metadate corespunzătoar e, dacă sunt folosite ilustrații, cum ar fi diagrame și hărți, dacă
sunt disponibile informații legate de acuratețea da telor (incluzând toate limitele utilizării) și măsura
în care producătorul furniz ează asistență suplimentară.
Metadatele
Oferirea unor informații suficiente pentru a permit e utilizatorilor să interpreteze corespunzător
informațiile statistice face parte din responsabilitățile INS și se referă în primul rând la furnizarea
metadatelor adecvate. Informațiile necesare pentru înțelegerea datelor statistice se încadrează
în trei mari grupe:

55
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Conceptele, variabilele și clasificările care st au la baza datelor (metadatele conceptuale);
 Metodologia folosită pentru colectarea și ca lcularea datelor (metadate procedurale);
 Indicatori ai acurateței datelor (metadate operaționale).
Comentariile care însoțesc rezultatele datelo r reprezintă un sprijin suplimentar pentru
utilizatori.
Mijlocul primar pentru diseminarea metadatelor es te Baza de date a me tadatelor, disponibilă
pe Internet. În prezent nu este conectată cu baza de date TEMPO, la nivelul datelor, acest lucru
urmând să fie îmbunătățit. Există de asemenea, mai multe surse separate interne de metadate
care trebuie consolidate în Baza de date a me tadatelor pentru a-i îmbunătăți conținutul și
pentru a împiedica variațiile.
Managementul interpretărilor eronate
Mass-media este monitorizată ziln ic, iar, în cazul interpretărilor eronate, Biroul de presă ia
măsuri. Interpretările eronate ale datelor de către mass-media sau în zona publicului sunt
discutate imediat în mod public de către INS.
4.6 Managementul Coerenței și Comparabilității
Coerența dintre două sau mai multe rezultate statistice se referă la gradul în care procesele
statistice care le-au generat au utilizat aceleași conc epte – clasificări, definiții și grupuri-țintă – și
metode armonizate. Rezultatele statistice coerente pot fi combinate în mod valabil și folosite
împreună. Comparabilitatea este un caz special al coerenței și se referă la cazul în care rezultatele
statistice privesc aceleași date, iar scopul combin ării lor este efectuarea unor comparații în timp,
între zone geografice sau în alte domenii.
Trei abordări complementare sunt folosite pentru managementul coerenței.
Prima abordare este dezvoltarea și utilizarea concep telor, definițiilor și sistemelor de clasificare
standard pentru toți indicatorii principali, precum și implementare a cadrelor standard
internaționale, de exemplu, Sistemul Conturi lor Naționale, acolo unde acestea există.
A doua abordare constă în asigur area că metodele de măsurare nu introduc inconsistențe, de
exemplu prin utilizarea:
 Unui registru al întreprinderilor, drept ca dru de referință pentru toate anchetele în
întreprinderi;
 Registrului exploatațiilor agricole, drept un cadru de referință pentru anchetele în
agricultură;
 Eșantionului master al gospodăriilor, pentru anchetele în gospodării;
 Metodologiilor și sistemelor armonizate;
 Ghidurilor calității și standardelor internaționale.
Domeniile pentru îmbunătățire includ documentarea și util izarea întrebărilor comune,
documentarea și utilizarea standardelor de proiectare și formatare standard a chestionarelor.
A treia abordare presupune chiar analiza datelor și compararea și integrarea datelor din surse
diferite sau în timp. Scopul es te recunoașterea situațiilor în care variația sau inconsistența
depășește nivelurile pe care le presupune acurate țea așteptată a datelor. Integrarea datelor în
conturile naționale este un exemplu în acest sens. Măsurile privind coerența sunt de asemenea,
cerute în anumite rapoarte de calitate elab orate pentru Eurostat în conformitate cu
regulamentele UE. De exemplu, un raport privin d Ancheta Costului Forței de Muncă prezintă
coerența rezultatelor anchetei cu Conturile Naționale, cu Ancheta Forței de Muncă și cu Ancheta Structurală în Întreprinderi.

56

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Și utilizatorii reprezintă o sursă importantă de informații în ceea ce privește coerența, sau mai
degrabă lipsa acesteia.
4.7 Managementul Raportării Calității
Scopul raportării calității
Cadrul actual și propus al metodelor de evaluare a calității poate fi descris prin trei niveluri,
indicate în Figura 1.
Nivelul 1: Indicatorii calității rezultatului, calitatea procesului și indicato rii de performanță,
rapoartele de calitate și feedback-u l utilizatorului/rezultatele anchetei.
Datele obținute din măsurătorile proceselor și rezultatelor sunt selectate și structurate în
indicatori de calitate și performanță, care la rând ul lor vor fi calculați în rapoartele de calitate.
Pentru a măsura percepțiile acestora privind cali tatea produsului, se realizează anchete privind
gradul de satisfacție al utilizatorilor. Rapoarte le calității sunt pregătite în conformitate cu
cerințele legislative sau cu cerințele de informații specifice.
Nivelul 2: Auto-evaluări; rapoarte cuprinzătoare și evaluări (peer review)
Pe baza informației și a analizei suplimentare de la Nivelul 1, anchetele și produsele acestora vor
fi evaluate, prin comparare, cu un standard inte rn cuprinzător dezvoltat de Unitatea de calitate.
Aceste evaluări vor conferi o imagine mai cuprinză toare decât evaluările de la Nivelul 1 și, fiind
efectuate potrivit unui format comun, ele vor permite unele comparații între anchete.
Nivelul 3: Etichetarea și certificarea
Acest nivel trebuie implementat. Etichetarea are ca obiectiv furnizarea de informații foarte
condensate de calitate privind statisticile furn izate în beneficiul util izatorilor. Va presupune
atribuirea unei etichete rezultatelor acelor an chete care satisfac anumite cerințe INS privind
calitatea. Certificarea este similară etichetării, dar se face conform unui standard extern precum Modelul de Excelență EFQM și se referă mai de grabă la INS ca un întreg, decât la produse
specifice. În prezent nu există plan uri pentru etichetare sau certificare.

Cerințele
utilizatorului Standarde și recomandări
internaționale /naționale Mediul extern
Metode de
evaluare a
calității
Descrierea procesului și
produsului Proceduri de
măsurare Indicatori de
performanță ai
procesului Indicatori de
calitate ai
procesului Indicatori de
calitate ai
rezultatului Rezultatele
anchetei
utilizatorului Auto-evaluare Audit/ Peer
Review Raport de calitate
cuprinzător Etichetare Certificare
Mediul intern
Figura 1: Metode de evaluare a calității

57
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Rapoarte de calitate orientate către utilizator
Așa cum s-a indicat anterior, programul rapoartelo r de calitate orientate către utilizator va
începe în 2010. În principiu, fiecare anchetă va trebui să pregătească un raport în fiecare an.
Totuși, în primul an, vor fi excluse acele anchete care completează rapoarte de calitate pentru
Eurostat. Rapoartele vor include setul standard SS E de indicatori de calitate și performanță.
A fost conceput un model (”standard”) de rapo rt împreună cu instrucțiunile de completare.
Liste de control (checklist)
INS promovează utilizarea Listei de control SSE pentru managerii de cercetări statistice (DESAP) ca
mod de evaluare rapidă, dar sistematică a calității unei anchete și ca mijloc de identificare a
potențialelor îmbunătățiri.
4.8 Managementul Cadrului Instituțional
Managementul calității se desfășoa ră în cadrul mediului instituțio nal al INS. Măsurile concepute
pentru a crea și sprijini un mediu și o cultură, ca re să recunoască importan ța calității, includ:
 Un program de recrutare și dezvoltare pentru principalele grupuri ocupaționale;
 Un cadru general pentru instruire și dezvoltare;
 Centrul Național de Pregătire în Statistică;
 Ancheta privind opinia personalului a fost real izată în 2004, iar o alta este programată în
2011;
 Stabilirea zonelor specifice de expertiză și a comisiilor de supraveghere, de exemplu în eșantionare, estimare și în aplicațiile IT;
 Protocoalele și convențiile cu alte departamente și agenții de stat care sunt fie furnizori de
date administrative, fie utilizator i de date statistice, sau ambele;
 Proceduri de gestionare a re clamațiilor respondenților;
 Stabilirea metodelor de măsurare a sarcinii de răspuns în anchetele în întreprinderi.
Există o arie vastă pentru îmbunătățiri, de exem plu (1) stabilirea și întărirea domeniilor de
expertiză metodologică, (2) încurajarea analizei datelor atât pentru o mai bună informare a
utilizatorilor prin intermediul comentariilor as upra datelor de ieșire cât și pentru a detecta
problemele și deficiențele datelor, (3) extind erea măsurătorilor sarcinii de răspuns în toate
anchetele statistice.
Referințe
Eurostat (2002) Business Methods Your Guide to Business Statistics Methodology .
Eurostat (2000) Handbook on Design and Implementation of Business Surveys .
Fellegi, I. (1996). Characteristics of an effective statistical system . International Statistical Review,
64, 165-197
Trewin, D. (2002). The importance of a quality culture . Survey Methodology, 28, 125-133.

58

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 5 Anexă: Politici privind Calitatea Sistemului Statistic
European
5.1 Declarația privind calitatea SSE
Misiunea Sistemului statistic european
“Noi furnizăm Uniunii Europene și lumii inform ații de înaltă calitate asupra economiei și
societății la nivel european, național și regional și punem la dispoziție informații pentru scopuri
decizionale, cercetări și dezbateri publice.”
Viziunea Sistemului statistic european
“SSE va fi un leader mondial în servicii de informații statistice și cel mai important furnizor de
informații pentru Uniunea Europeană și Statele Me mbre. Bazându-se pe principiile și metodele
științifice, SSE va oferi și îmbunătăți continuu programul statisticii europene armonizate ce
constituie o bază esențială pentru proces ele democratice și progresul societății.”
Focalizarea asupra utilizatorului
Noi furnizăm utilizatorilor noștri produse și serv icii care răspund nevoilor lor. Nevoile clare și
cele neformulate clar, cererile și așteptările util izatorilor externi și interni vor ghida SSE, membrii
săi, angajații și operațiunile.
Îmbunătățirea continuă
Nevoile și cererile utilizatorilor se vor modifica , c a ș i m e d i u l î n c a r e o p e r ă m . G l o b a l i z a r e a ș i
progresele metodelor și tehnologiei vor oferi noi po sibilități. Este esențial să facem tot posibilul
să ne îmbunătățim metodele de lucru pentru a ne folosi de noile posibilități și pentru a
răspunde mai bine cererilo r utilizatorilor noștri.
Angajamentul privind calitatea produsului
Noi producem informație statistică de înaltă calitate potrivit metodelor științifice în
conformitate cu obiectivitatea și confidențialit atea. Furnizăm informații despre caracteristicile
principale ale calității fiecărui produs, astfel încât utilizatorii să poată evalua calitatea
produsului.
Accesibilitatea informației
Noi furnizăm rezultatele statistice într-o formă accesibilă și prie tenoasă utilizatorului. Utilizând
posibilitățile noilor mijloace, asigurăm accesul fa cil la informație. Pe cât posibil, vom crește
conștientizarea utilizatorului în ceea ce privește punctele forte și limitările statisticilor produse.
Consultarea privind modul în care se utilizează datele este o parte integrantă a diseminării.
Parteneriatul în cadrul Sistemului Statistic European și în afara sa
Cooperarea între membrii actuali și cei viitori ai SSE, precum și cu alte organizații va fi
încurajată. Doar lucrând împreună putem învăța de la alții și treptat ne putem dezvolta propriul
sistem. Cunoașterea largă a personalului și utilizat orilor noștri, furnizorilor, partenerilor și ale
altor părți interesate trebuie combinată pent ru a ne permite să excelăm în îndeplinirea
scopurilor noastre.
Respectul pentru nevoile furnizorilor de date
Furnizorii de date statistice –respondenții– reprez intă un grup de o importanță specială cu care
trebuie întemeiat un parteneriat care să aduc ă beneficii de ambele părți. Producătorii de

59
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics statistici ar trebui să încerce întotdeauna să minimizeze sarcina de răspuns, atât sarcina
obiectivă, cât și cea percepută.
Angajamentul leadershipului
Liderii organizațiilor din SSE exercită o conducere personală, activă și vizibilă pentru a crea și
susține o cultură a calității. Asigurând o direcție general clară, prioritizând activitățile de
îmbunătățire și stimulând delegare a și inovația, liderii permit personalului să realizeze cu succes
activitatea și să încerce continuu să o îmbunătățească.
Managementul sistematic al calității
Noi identificăm sistematic și cu regularitate punc tele forte și pe cele slabe în toate domeniile
relevante pentru a identifica în mod continuu și pentru a aduce îmbunătățiri acolo unde este
nevoie. Pentru dezvoltarea SSE este vitală o orientare strategică pe termen lung. În toate
situațiile, efectele pe termen lung trebuie luat e în considerare odată cu efectele pe termen
scurt, mai evidente.
Procesele eficiente și eficace
Activitățile SSE trebuie văzute ca procese care creează valoare pentru utilizatori. Noi lucrăm eficient pentru a produce rezultate cu cât mai puține resurse posibil și pentru a preveni erorile
în procese și produse. Procesele și calitate a lor sunt continuu revizuite și îmbunătățite.
Satisfacția și dezvoltarea personalului
Pentru a atrage și menține un personal competent, satisfacerea nevoilor acestuia este vitală.
Membrii SSE trebuie să își trateze an gajații ca pe niște resurse cheie.
5.2 Codul de Practici al Statisticilor Europene
Pentru autoritățile naționale și comunitare de statistică
Adoptat de Comitetul pentru program statistic la data de 24 februarie 2005 și promulgată în
Recomandarea Comisiei din 25 mai 2005 privind Independența, Integritatea și Responsabilitatea
Autorităților Statistice Naționale și Comunitare
Codul de Practici al Statisticilor Europene se bazează pe 15 principii. Autoritățile guvernamentale și
cele statistice din Uniunea Europeană se angajează să adere la principiile stabilite în acest Cod, acoperind mediul instituțional, procesele și rezultatele statistice. Un set de indicatori de bună practică pentru fiecare dintre cele 15 principii asigură o referință pentru revizuirea implementării
Codului.
Mediul instituțional
Factorii instituționali și organizatorici au o influenț ă considerabilă asupra eficienței și credibilității
unei autorități statistice care produce și diseminează statistici europene. Problemele relevante sunt
independența profesională, autoritate în materie de culegere a datelor, alocarea proporțională a
resurselor, angajamentul vis-a-vis de calitate în statistică, confidențialitatea statistică,
imparțialitatea și obiectivitatea.
PRINCIPIUL 1: INDEPENDENȚA PROFESIONALĂ
Independența profesională a autorităților statistice față de alte departamente și organisme legislative, administrative sau având competențe în formularea de politici, precum și față de
operatorii din sectorul privat asigură credibilitatea statisticilor europene.

60

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Indicatori
 Independența autorităților statistice față de or ice tip de intervenții externe, politice sau de
altă natură, în producerea și diseminarea st atisticilor oficiale este stipulată în lege.
 Șeful autorității statistice are o poziție ierarh ică suficient de importantă pentru a se asigura
contactul la nivel înalt cu autoritățile responsa bile cu formularea de politici și organismele
publice administrative. Calificarea lui/ei profes ională trebuie să fie de cel mai înalt nivel.
 Șeful autorității statistice este cel care asig ură o producție și o diseminare independentă a
statisticilor europene.
 Șeful autorității statistice este singurul responsabil cu decizia asupra metodelor,
standardelor și procedurilor statistice, prec um și asupra conținutului și momentelor
publicărilor de date statistice.
 Programele de lucru statistice sunt publicat e și rapoarte periodice descriu progresele
realizate.
 Publicările de date statistice se disting clar și au loc separat de declarațiile cu caracter politic
sau privitoare la formularea de politici.
 Autoritatea statistică, când este cazul, face comentarii publice asupra informațiilor statistice,
inclusiv despre criticile și lipsurile statisticilor oficiale
PRINCIPIUL 2: AUTORITATE ÎN MATERIE DE CULEGERE A DATELOR
Autoritățile statistice trebuie să dețină o împuternicire legală clară pentru culegerea informațiilor în
vederea elaborării de statistici europene. La ce rerea autorităților statistice, administrațiile,
întreprinderile și gospodăriile, precum și populați a în general, pot fi obligate prin lege să permită
accesul la date sau să furnizeze date pe ntru elaborarea statisticilor europene.
Indicatori
 Împuternicirea pentru culegerea informațiilor în vederea producerii și diseminării de
statistici oficiale este stipulată în lege.
 Legislația națională permite autorității statistice să folosească registrele administrative în
scopuri statistice.
 Pe baza unui act juridic, autoritatea statistică poate pretinde obligativitatea de a răspunde
la anchetele statistice
PRINCIPIUL 3: ADECVAREA RESURSELOR
Resursele aflate la dispoziția autorităților statis tice trebuie să fie suficiente pentru a răspunde
cerințelor statisticilor europene .
Indicatori
 Se dispune de resurse umane, financiare și informatice, adecvate atât din punct de vedere
cantitativ cât și calitativ, pentru a răsp unde cerințelor statisticilor europene.
 Sfera de cuprindere, gradul de detaliu și costul statisticilor europene sunt proporționale cu
nevoile existente.
 Există proceduri pentru evaluarea și justificarea cererilor de noi statistici europene în raport
cu costul lor.
 Există proceduri pentru evaluarea nevoii continue d e s t a t i s t i c i e u r o p e n e , c u s c o p u l d e a
vedea dacă producția vreuneia dintre ele poat e fi stopată sau redusă pentru a disponibiliza
resurse

61
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics PRINCIPIUL 4: ANGAJAMENTUL PRIVIND CALITATEA
Toți membrii SSE se angajează să lucreze și să coop ereze în conformitate cu principiile stabilite în
Declarația privind calitatea Sistemului Statistic European .
Indicatori
 Calitatea produselor este monito rizată regulat în conformitate cu componentele calitative
ale SSE.
 Există procese pentru a monitoriza calitatea culege rii, prelucrării și diseminării de statistici.
 Există procese pentru abordarea considerentelor referitoare la calitate, inclusiv eventuale
soluții de compromis în domeniul calității, precum și pentru orientarea planificării
anchetelor existente și viitoare.
 Recomandările privind calitatea în statistică sunt documentate și personalul este bine
instruit. Aceste recomandări sunt specificate în scris și aduse la cunoștința publicului.
 Are loc o revizuire regulată și amănunțită a prod uselor statistice cheie, folosindu-se auditori
externi, dacă este cazul
PRINCIPIUL 5: CONFIDENȚIALITATEA STATISTICĂ
Confidențialitatea informațiilor pe care le furn izează respondenții (gospodării, întreprinderi,
administrații, etc.) și utilizarea lor numai în scop uri statistice trebuie să fie pe deplin garantate.
Indicatori
 Confidențialitatea statistică este garantată prin lege.
 Personalul autorității statistice semnează an gajamente juridice de confidențialitate la
numirea în funcție.
 Penalizări substanțiale sunt prevăzute pentru orice încălcare deliberată a confidențialității
statistice.
 Sunt furnizate instrucțiuni și recomandări priv ind protecția confidențialității statistice în
procesele de producție și diseminare. Aceste recomandări sunt specificate în scris și aduse
la cunoștința opiniei publice.
 Sunt în vigoare prevederi de natură fizică și tehnologică pentru a proteja securitatea și
integritatea bazelor de date statistice.
 Protocoale stricte se aplică utilizatorilor externi care accesează microbazele de date
statistice în scopuri de cercetare
PRINCIPIUL 6: IMPARȚIALITATEA ȘI OBIECTIVITATEA
Autoritățile statistice trebuie să producă și să disemineze statistici europene respectând
independența științifică și într-o manieră obiectivă, profesionistă și transp arentă prin care toți
utilizatorii sunt tratați echitabil.

62

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Indicatori
 Statisticile sunt compilate în conformitate cu criterii obiective determinate de considerente
științifice.
 Alegerea surselor și tehnicilor statistice se bazează pe considerente de tehnică statistică.
 Erorile detectate în statisticile publicate sunt corectate cât de repede posibil și sunt făcute
publice.
 Informațiile privind metodele și procedurile utilizate de autoritatea statistică se află la
dispoziția publicului.
 Datele și termenele publicărilor de date statistice sunt anunțate în avans.
 Toți utilizatorii au acces egal și simultan la publicările de date statistice și orice acces
privilegiat anterior publicării acordat utilizatorilor externi este limita t, controlat și făcut
public. În cazul în care se produc scurgeri de informații, dispozițiile privind accesul anterior
publicării trebuie revizuite pentru a garanta imparțialitatea.
 Publicările de date statistice și declarațiile prez entate la conferințele de presă sunt obiective
și imparțiale
Procesele statistice
Standardele, recomandările și bunele practici europene și internaționale trebuie respectate
întocmai în procesele utilizate de autoritățile statistice pentru a organiza, culege, prelucra și
disemina statistici oficiale. Credibilitatea st atisticilor este sporită de reputația unui bun
management și a eficienței. Aspectele relevante sunt metodologia solidă, procedurile statistice
adecvate, sarcina de răspuns nu excesivă pentru re spondenți și eficiența sub raportul costurilor.
PRINCIPIUL 7: METODOLOGIE SOLIDĂ
Statisticile de calitate trebuie să se bazeze pe o metodologie solidă. Aceast a necesită instrumente,
proceduri și cunoștințe de specialitate adecvate .
Indicatori
 Cadrul metodologic general al autorității statis tice urmează standarde, recomandări și bune
practici europene și internaționale.
 Există proceduri pentru a garanta aplicarea coerentă a conceptelor, definițiilor și
clasificărilor standard la toate nivelurile autorității statistice.
 Registrul întreprinderilor și cadrul pentru an chetele populației sunt evaluate regulat și
ajustate dacă este necesar în vede rea asigurării unei înalte calități.
 Există o concordanță detaliată între clasificările naționale și sistemel e sectoriale, pe de o
parte, și sistemele europene care le corespund, pe de altă parte.
 Sunt angajați absolvenți ai disciplinelor academice relevante.
 Personalul asistă la cursuri de instruire și conf erințe internaționale rele vante și ține legătura
cu colegi statisticieni la nivel internațional pe ntru a învăța de la cei mai buni și pentru a-și
îmbunătăți cunoștințele de specialitate.
 Se organizează activități de cooperare cu comunitatea științifică pentru îmbunătățirea
metodologiei și, atunci când este posibil, se recurge la revizuiri externe pentru a evalua
calitatea și eficiența metodelor implemen tate și a promova instrumente mai bune

63
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics PRINCIPIUL 8: PROCEDURI STATISTICE ADECVATE
Statisticile de calitate trebuie să se bazeze pe pr oceduri statistice adecvate, implementate de la
culegerea datelor până la validarea acestora .
Indicatori
 Când statisticile europene se bazează pe da te administrative, definițiile și conceptele
utilizate în scop administrativ trebuie să consti tuie o bună aproximare a celor solicitate în
scopuri statistice.
 În cazul anchetelor statistice, chestionarele sunt sistematic testate înainte de culegerea
datelor.
 Proiectarea anchetelor, selectarea eșantioanelor și ponderile eșantioane lor au o bază solidă
și sunt revizuite sau actualizate regulat când se consideră necesar.
 Operațiunile de teren, introducerea datelor și codificarea sunt constant monitorizate și
revizuite conform nevoilor existente.
 Se utilizează sisteme informatice de identificare și corectare automată a greșelilor, respectiv
de imputare, ele fiind revizuite sau actualizate regulat, conform cerințelor.
 Revizuirile urmează proceduri standard , bine stabilite și transparente
PRINCIPIUL 9: SARCINA ADEC VATĂ PENTRU RESPONDENȚI
Sarcina de raportare trebuie să fie proporțională cu nevoile utilizatorilor și să nu se dovedească
excesivă pentru respondenți. Autoritatea statisti că monitorizează sarcina de răspuns și stabilește
ținte pentru reducerea sa în timp .
Indicatori
 Sfera de cuprindere și gradul de detaliu al ce rințelor statisticilor europene se limitează la
ceea ce este absolut necesar.
 Sarcina de raportare este împărțită cât de mult posibil între populațiile care fac obiectul
anchetei prin tehnici de eșantionare adecvate.
 Informația solicitată întreprinderilor este, pe cât posibil, prompt disponibilă în conturile
acestora și, în măsura posibilităților, se utilizează mijloace externe pentru a facilita
transmiterea ei.
 Cele mai bune estimări și aproximări sunt acceptate atunci când nu sunt prompt
disponibile detalii exacte.
 Se folosesc surse administrative de câte ori es te posibil pentru a evita duplicarea cerințelor
de informații.
 Împărțirea datelor la nivelul auto rităților statistice este o practi că generalizată în scopul de a
evita multiplicarea anchetelor
PRINCIPIUL 10: EFICIENȚA SUB RAPORTUL COSTURILOR
Resursele trebuie utilizate în mod eficient.

64

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Indicatori
 Măsuri interne și independente externe moni torizează utilizarea resurselor de către
autoritatea statistică.
 Operațiunile administrative obișnuite (de ex. extragerea, codificarea și validarea datelor)
sunt automate în măsura posibilului.
 Potențialul de productivitate al tehnologiei informației și comunicațiilor este optimizat
pentru culegerea, prelucrarea și diseminarea datelor.
 Se fac eforturi proactive pentru a îmbunătăți potențialul statistic al registrelor
administrative și a evita an chete directe costisitoare
Rezultatul statistic
Statisticile disponibile trebuie să îndeplineasc ă nevoile utilizatorilor. Statisticile sunt în
conformitate cu standardele calitative europene și servesc nevoilor instituțiilor europene,
guvernelor, instituțiilor de cercetare, intereselor comerciale și publicului în general. Problemele
importante privesc măsura în care statisticile sunt relevante, exacte și fiabile, prompte,
coerente, comparabile la nivelul regiunilor și țărilor și rapid accesibile utilizatorilor.
PRINCIPIUL 11: RELEVANȚA
Statisticile europene trebuie să îndeplinească nevoile utilizatorilor .
Indicatori
 Funcționează procese de consultare a utilizatorilor, de monitorizare a relevanței și utilității
practice a statisticilor existente în ceea ce privește îndeplinirea nevoilor acestora și de
consiliere privind noile lor nevoi și priorități.
 Nevoile prioritare sunt îndeplinite și se reflectă în programul de lucru.
 Anchete privind satisfacția utilizatorilor sunt efectuate periodic
PRINCIPIUL 12: PRECIZIA ȘI ÎNCREDEREA
Statisticile europene trebuie să reflecte realitatea cu precizie și fiabilitate.
Indicatori
 Sursele de date, rezultatele intermediare și pr odusele statistice sunt evaluate și validate.
 Erorile de eșantionare și erorile de altă or igine decât eșantionarea sunt măsurate și
documentate sistematic în conformitate cu cadrul componentelor calitative ale SSE.
 Studii și analize ale revizuirilor sunt efectuate constant și utilizate intern, ele stând la baza
proceselor statistice
PRINCIPIUL 13: OPORTUNITA TEA ȘI PUNCTUALITATEA
Statisticile europene trebuie să fie diseminate într-o manieră promptă și punctuală.

65
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Indicatori
 Promptitudinea (respectarea termenelor) urmea ză standarde de diseminare europene și
alte standarde internaționale.
 Se fixează un termen zilnic standard pentru publicarea statisticilor europene.
 Periodicitatea statisticilor europene are în ve dere cerințele utilizatorilor pe cât de mult
posibil.
 Orice neconcordanță în ceea ce privește calend arul de diseminare este făcută publică în
avans, explicată și este stabilită o nouă dată a publicării.
 Rezultatele preliminare de o calitate agregată acceptabilă pot fi diseminate atunci când
acest lucru este considerat util
PRINCIPIUL 14: COERENȚA ȘI COMPARABILITATEA
Statisticile europene trebuie să aibă coerență internă și în timp și să fie comparabile între regiuni și
țări; trebuie să fie posibile combinarea și folo sirea comună a datelor conexe din diferite surse.
Indicatori
 Statisticile au coerență și concordanță internă (d e ex.: se respectă identitățile aritmetice și
contabile).
 Statisticile sunt coerente sau reconcilia bile pe o perioadă de timp rezonabilă.
 Statisticile sunt compilate pe baza unor stan darde comune în ceea ce privește sfera de
cuprindere, definițiile, unitățile și clasificările din diferite anchete și surse.
 Statisticile provenite din anchete și surse diferite sunt comparate și reconciliate.
 Comparabilitatea transnațională a datelor este periodic analizată în studii metodologice,
efectuate în strânsă cooperare cu statele membre și Eurostat.
PRINCIPIUL 15: ACCESIBILITATEA ȘI CLARITATEA
Statisticile europene trebuie să fie prezentate într-o formă clară și ușor de înțeles, să fie diseminate
într-o manieră adecvată și convenabilă, să fi e disponibile și accesibile respectându-se
imparțialitatea și să fie însoți te de metadate și recomandări .
Indicatori
 Statisticile sunt prezentate într-o formă care facilitează interpretarea adecvată și
comparațiile semnificative.
 Serviciile de diseminare utilizează tehnologi a modernă a informației și comunicațiilor
precum și tradiționalul suport de hârtie.
 Analize personalizate sunt furnizate atunci când acest lucru este realizabil și sunt făcute
publice.
 Accesul la microdate este permis în scopuri de cercetare atunci când este posibil. Acest acces este supus unor protocoale stricte.
 Metadatele sunt documentate în conformitate cu sisteme de metadate standardizate.
 Utilizatorii sunt informați în legătură cu me todologia proceselor statistice și calitatea
producției statistice raportat la criteriile calitative ale SSE.

66

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics

67
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics
1 Introduction
Purpose of Guidelines
This document brings together the many issues th at need to be considered in pursuing quality
objectives at the National Institute of Statistics (NIS). It focuses on how to assure quality
through effective and appropriate design and im plementation of surveys and other statistical
processes throughout their entire life cycles. Its specific objectives are to promulgate quality
concepts and promote quality awareness, to prov ide technical guidance on survey design and
conduct, and to summarise the organisa tion’s quality assurance framework.
In this context the terms survey and statistical process include sample survey, census, survey
based on administrative data, production of price or other economic index, or any other
statistical compilation such as the National Accounts and Balance of Payments, as further
discussed below.
Users and Uses
The Guidelines are primarily intended for use by staff engaged in the design and/or conduct
sample surveys, censuses and other statistical pr ocesses. They may also serve senior managers
and users who are seeking assurance that surv ey methods are appropriate and output data
quality is likely to be good.
Terminology
To the extent possible, the terminology is in li ne with the European Statistical System (ESS)
Glossary. Where a term is not in the ESS Glossary its definition is drawn from another international source, where available, such as the Metadata Common Vo cabulary (MCV) created
by the OECD and other intern ational organizations working on the Statistical Data and
Metadata Exchange (SDMX) initia tive. The NIS Statistical Glossary is also taken into account.
Types of Survey
From a technical statistical perspective, the me thods of producing NIS statistics show a great
diversity. Hence a single set of recommendation s, especially those regarding accuracy, cannot
apply to all production processes, it is nece ssary to introduce some distinctions. For the
purpose of this document, and based on the ESS Handbook for Quality Reports (Eurostat, 2009),
six types of survey and statistical pr ocess are distinguished, as follows.
1. Sample survey . This is a survey based on a (usually) probabilistic sampling procedure
involving direct collection of data from respon dents. For this kind of survey there is an
established theory on accuracy that leads to well defined error components (sampling and
non-sampling errors). Examples are the Ho usehold Labour Force S urvey, the Labour Cost
Survey, and the Survey of Direct Foreign Investments.
2. Census. This can be viewed as a special case of the sample survey in which data are
collected from all units in the survey fr ame. An example is the 2002 Population and
Households Census
3. Survey using administrative source(s) . This sort of survey makes use of data collected for
other purposes than direct production of statistics.
4. Survey involving multiple data sources.
5. Price or other economic index production process.
6. Statistical compilation. Data are assembled from a variety of primary sources to produce
aggregate data with a special conceptual sign ificance, for example, the National Accounts
and the Balance of Payments.

68

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Content of Guidelines
Chapter 2 aims to set the Guidelines within an international context. It describes the basic
quality concepts on which the NIS approach to quality is based, including a review of the ESS
and other international quality documentation av ailable and the definitions of output quality
and process quality. It is substantially extracted from the ESS Handbook for Quality Reports
(Eurostat, 2009).
Chapter 3 presents technical gu idelines for use in the cont ext of the design, redesign,
development or operation of a survey or other statistical process. The guidelines are written
with censuses and sample surveys as the main focus but also apply to the other types of
statistical process defined above.
Whereas Chapter 3 focuses on individual survey s and other statistical processes, Chapter 4
refers to the whole organisation, descri bing the quality framework in place.
The Appendices contain copies of tw o relevant ESS policy documents.

69
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 2 Quality Concepts
2.1 International Perspective
Evolution of Quality Management
Modern quality management has its origins statistical quality control as designed for production
lines in factories in the 1920s and still in practi ce. Walter Shewhart, sometimes called the “father
of statistical quality control” introduced the notion of variation due to assignable and to
random causes and the eliminatio n of the former using process quality control charts. The focus
of quality control is inspecti on and correction. Subsequently, in the 1940s and 1950s, more
emphasis was placed on preventi ng defects occurring rather than correcting them, for example
feeding back the results of quality inspection as the basis for modifying the problems in the
production lines and for employee training. This was referred to as upstream quality control , and
the broader range of quality measures were referred to as quality assurance .
Over the next 30 years, as a result of papers wr itten and advice given by quality gurus such as
William Edwards Deming, renowned for his Fourteen Principles of Management , and Joseph
Juran, who championed the human dimension, the notion of quality assurance was further
extended to total quality management (TQM). TQM principles are typically expressed along the following lines.
 Customer focus: an organisation depends upon its cu stomers and thus must understand and
strive to meet their needs; customers are ce ntral in determining what constitutes good
quality; quality is what is perceived by customers rather than by the organisation.
 Leadership and constancy of purpose: leaders establish unity of purpose and direction of an
organisation; they must create and maintain an internal environment that enables staff to
be fully involved in achieving the organisati on’s objectives; qualit y improvements require
leadership and sustained direction.
 Involvement of people: people at all levels are the esse nce of an organisation; their full
involvement enables their abilities to be fully used.
 Process approach: managing activities and resources as a process is efficien t; any process can
be broken down into a chain of sub processes, for which the output of one process is the
input to the next.
 Systems approach to management: identifying, understanding and managing processes as a
system contributes to effi ciency and effectiveness.
 Continual improvement: continual improvement should be a permanent objective of an
organisation.
 Factual approach to decision making: effective decisions are based on the analysis of
information and data.
 Mutually beneficial supplier relationships: an organisation and its suppliers are
interdependent and a mutually benefi cial relationship enhances both.
ISO 9000 Quality Management System Series
The statement of TQM principles given above was extracted from the ISO 9000 series, which are
the most widely used quality standards in th e world. There are actually three standards:
 ISO 9000: 2005 Quality Management Systems – Fundamentals and Vocabulary describes the
fundamentals of quality management systems, including quality principles (as reproduced
above), terminology and models;

70

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  ISO 9001: 2000 Quality Management Systems – Requirements specifies the required
characteristics of a quality management system. It is the best known of the three standards
as it is the one with respect to which orga nisations may seek to be certified; and
 ISO 9004: 2000 Quality Management Systems – Guidelines is designed to assist organisations
having mature quality management system s to obtain performance improvements.
EFQM Quality Standard
The European Foundation for Quality Management has produced what is, in effect, a quality
standard similar to the ISO 9000 series. Whilst originally designed for use by commercial
organisations in the European Union, the EFQM Excellence Model is now globally recognised
with thousands of organizations around the wo rld using the EFQM principles to guide their
business strategies and operations. Excellence is defined as outstanding practice in managing the
organisation and achieving results and is said to require leader ship commitment to principals
along similar lines to the ISO 9000 principles, na mely: results orientation; customer focus;
leadership and constancy of purpose; mana gement by processes and facts; people
development and involvement; continuous learni ng, innovation and improvement; partnership
development; and corporate social responsibility.
ISO 20252:2006 Market, Opinion and Social Research – Vocabulary and Service
Requirements
This new international standa rd establishes terminology and service requirements for
organizations conducting market, opinion and social research and sets a common level of
quality for market research globally. It has its or igins in the British Stan dards Institute standard
BS7911, which it supersedes. It comprises sections on quality management systems, managing
the research, data collection (including fiel dwork, self-completion, and collection from
secondary sources), data management and processing (capture, coding, editing, analysis, security), and reporting.
2.2 Introducing Quality Management at the NIS
Need to Interpret International Quality Standards
With the exception of ISO 20252, the quality standa rds and models described in the previous
section are intended to cover all organizati ons whatever their organisational structure,
processes and products and are expressed in ve ry general terms. Hence, as stated in the
introduction to IS0 9001:2000:
 the design and implementation of an orga nisation’s quality management system is
influenced by varying needs, particular obje ctives, the products provided, the processes
employed and the size and structure of the organi sation. It is not the intent of the standard
to imply uniformity in the structure of quality management systems or uniformity of
documentation.
Thus, in developing its quality management system (referred to as a quality management
framework (QMF) ), the NIS has to interpret the intern ational standards within its specific
context.
NIS Context
The context within which the NIS operat es may be characterized as follows.
 It is government not private enterprise and not profit based. It supplies data to non-paying
users rather than to paying customers . Thus, for the most part, the users cannot influence
quality through purchase decisions.

71
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Some of the users are actually internal users , for example the national accounts area is a user
as well as a producer.
 The primary inputs at national level are ty pically data from individual enterprises,
households and persons, whether collected dire ctly or through administrative processes.
 The core production processes are transformati ons of these individual data into aggregate
data, i.e., statistics, and their assembly into national statistical products.
 The primary products, referred to in this document as outputs, are statistics and
accompanying services.
Elements of NIS Quality Management Framework
Taking these characteristics into account, the NIS quality management framework (QMF)
should comprise:
 Quality policy – a short statement by senior management indicating the extent of its
commitment to quality management;
 Quality model – a definition of what is meant by quality, usually elaborated in terms of
quality components;
 Quality objectives, standards and guidelines – target quality objectives together with
international or local standards an d guidelines adopted by the NIS;
 Quality assurance procedures – part of, or em bedded in, the production processes to the
extent possible;
 Quality assessment procedures – sometimes incorporated in the quality assurance
procedures, more frequently conducted on a pe riodic basis, for example based on a self-
assessment checklist such as the DESAP checklist;
 Quality measurement procedures – specifically including a set of quality and performance
indicators, with procedures for collecting the corresponding data values being embedded in
the production processes to the extent possible;
 Quality improvement programme – continual im provement and re-engineering initiatives.
The aim is to put all these elements in place as further discussed in the following paragraphs
and in Chapter 4.
2.3 Quality Policy
International Policies
The UN Statistical Commission provides some guidance on the sort of environment within
which quality management can flourish through its UN Fundamental Principles of Official
Statistics for national statistical systems, prom ulgated in 1994. There are ten principles.
Within the ESS, the ESS Quality Declaration was adopted by the Statistical Programme
Committee in 2001 as a formal step towards total qu ality management in the ESS, in line with
the EFQM Excellence Model. It is just one and a half pages long, comprising the ESS mission
statement, the ESS vision statement and ten prin ciples which borrow from the UN Fundamental
Principles and tailor them in the ESS context.
The European Statistics Code of Practice (CoP) was promulgated by the European Commission
in 2005. It commits Eurostat and the 27 Member Stat e offices, to fifteen principles covering the
institutional environment, statistical processes and outputs .
Quality is also a consideration in other regu lations adopted by the European Council and
Parliament creating the legal basis for the provis ion of European statistics in various domains.
Council Regulations are themselves quality assu rance mechanisms, setting specific timeliness

72

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics targets establishing methodological stan dards leading to enhanced accuracy and
comparability, and covering relevance in the form of the needs of European institutions for
national statistics.
NIS Quality Policy
As coordinator of the Romanian National Statisti cal System, the NIS mission is to satisfy to the
extent possible the information needs of all cate gories of statistical data users through the
collection, production and dissemination of rele vant, accurate, coherent, timely and accessible
statistical data, required to inform decision s on economic and social development of the
country and the realities of Romanian society.
Over the last six years the NIS has made a lot of progress in the direction of total quality
management and ensuring a quality culture with in the organization. The aim during the next
few years is to achieve methodological and oper ational performances at levels comparable to
those in the most advanced national statisti cal institutes within the EU Member States.
2.4 Quality Model
QMF development depends upon a precise definiti on of quality. The starting point is the
definition of output quality from a customer/u ser perspective. The most general and succinct
definition of product quality is fitness for use . In slightly more detail, but rather obscurely, ISO
9000 defines product quality, which in the case of statistics is synonymous with output quality,
as:
 the degree to which a set of inherent characteristics fulfils requirements.
A somewhat more comprehensible definition provided by ISO 8402:1986 is:  the totality of features and characteristics of a product or service that bear on its ability to
satisfy stated or implied needs.
These broad definitions provide a basic notion of output quality, but need to be accompanied
by a more precise interpretation of the components of output quality. This is provided in the
ESS Quality Definition , which was presented at the Octobe r 2003 meeting of the ESS Working
Group Assessment of Quality in Statistics . Although never given a more formal status, this
document has provided the basis for defining ou tput quality components in all subsequent ESS
quality related documents, and has been adopted by the NIS.
Output Quality Components
The NIS defines output quality in accordance with the ESS Quality Definition . In broad terms the
quality of the NIS outputs are assessed in terms of their “fitness for use”. More precisely, output
quality is measured in terms of six quality co mponents: relevance, accuracy, timeliness and
punctuality, clarity and accessibility , and coherence and comparability.
Relevance is the degree to which statistical output meets current and potential user needs. It
depends on whether all the statistics required by users are produced and the extent to which
concepts used (definitions, classifications etc.,) reflect what users need. Users have a variety of,
sometimes conflicting, needs. The challenge fo r NIS is to weigh and balance the needs of
current and potential users in de signing surveys within the organization’s resource constraints.
The accuracy of statistical output in the general statis tical sense is the degree of closeness of
estimates to the true values. It is usually characterized in terms of error in statistical estimates and
is traditionally decomposed in to bias (systematic error) and variance (random error)
components. It may also be descri bed in terms of the major sources of error that potentially
cause inaccuracy (e.g., coverage, sampling, response, non-response, and processing).

73
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics The timeliness of statistical output is the length of ti me between the event or phenomenon they
describe and their availability. Information that is available to us ers well within the period during
which it remains useful for its main purposes is considered to be timely. Decisions regarding
timeliness typically involve trade-o ffs with relevance and accuracy.
The punctuality of statistical output is the time lag between the release date of data and the target
date on which they were scheduled for release as announced in an official release calendar, laid
down by regulations or previously agreed among partners.
The accessibility of statistical output is the measure of the ease with which users can obtain the
data. It is determined by the physic al conditions by means of whic h users obtain data: where to
go, how to order, delivery time, pricing poli cy, marketing conditions (copyright, etc.),
availability of micro or macro data, various formats (paper, files, CD-ROM, Internet, etc.)
The clarity of statistical output is the measure of the ea se with which users can understand the data.
It is determined by the information environmen t within which the data are presented, whether
the data are accompanied with appropriate meta data describing concepts, sources, methods,
whether use is made of illustrations such as graphs and maps, whether information on data
accuracy are available (including any limitations on use) and the extent to which additional
assistance is made available to users.
The coherence of two or more statistical outputs refers to the degree to which the statistical
processes by which they were generated used the same concepts – classifications, definitions, and
target populations – and harmonised methods. Coherent statistical outputs have the potential to
be validly combined and used jointly. Examples of joint use are where the statistical outputs
refer to the same population, reference period an d region but comprise different sets of data
items (say, employment data and production data ) or where they comprise the same data items
(say, employment data) but for different refere nce periods, regions, or other domains.
Comparability is a special case of coherence and refers to the latter example where the statistical
outputs refer to the same data items and the aim of combining them is to make comparisons over
time, or across regions, or across other domains.
Process Quality Components
Output quality is achieved through process quality , which has two broad aspects:
 effectiveness: which leads to the outputs of good quality; and
 efficiency: which leads to their production at mini mum cost to the NIS and to respondents
and other data providers.
The components of process quality may be formulated in two groups based on the first ten
principles in the ESS Code of Practice, as follows.
Institutional Environment
 Professional independence: NIS staff is professionally independent from other policy,
regulatory or administrative departments and from private sector organizations.
 Mandate for data collection: the NIS has a clear legal mandate to collect information.
Providers can be compelled by law to allow access to or to deliver data.
 Adequacy of resources: the resources available are sufficien t to meet systems and processing
requirements.
 Quality commitment: staff commits themselves to wo rk and cooperate according to the
principles stated in the Quality Declarat ion of the European statistical system.
 Statistical confidentiality: the privacy of data providers (households, enterprises,
administrations and other respondents) and th e confidentiality of the information they
provide, and its use only for stat istical purposes, is guaranteed.

74

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Impartiality and objectivity: production and dissemination of statistics respect scientific
independence and are conducted in an object ive, professional and transparent manner in
which all users are treated equitably.
Surveys and Statistical Infrastructure
 Sound methodology: good tools, procedures and expertise.
 Appropriate statistical procedures: are implemented throughout the survey life cycle.
 Non-excessive burden on respondents: reporting burden is in prop ortion to the needs of the
users and not excessive. It is monitored over time and targets are set for its reduction.
 Cost effectiveness: resources are effectively used.
Balancing Quality Considerations
The output and process quality components are interrelated. There is no general model that
brings them together so as to optimize or to prescribe a level of quality. Achieving an
acceptable level of quality is the result of addr essing and balancing all quality components over
time. This balance is a critical aspect of the design, implementation and operation of NIS
surveys.
The quality guidelines presented in Chapter 3 are an aid in promoting good statistical practices,
in particular sound methodology, appropriate st atistical procedures, non-excessive burden on
respondents, cost effectiveness an d all aspects of output quality.
2.5 Quality Assessment and Reporting
ESS Methods and Procedures
 The ESS Standard for Quality Reports , which was updated in 2009, provides recommendations
for the preparation of comprehensive quality reports by NSOs and Eurostat units.
 The ESS Handbook for Quality Reports also updated in 2009 provides more details and
examples.
 Both documents contain the most recent version of Standard Quality Indicators for use in
summarizing the quality of statistical outputs.
 The ESS Quality Glossary covers many technical terms in ESS quality documentation,
providing a short definition of each term and indicating the source of the definition.
 A more comprehensive and up to date glossary is the Metadata Common Vocabulary ,
developed by a partnership of internat ional organisations including Eurostat.
 The European Self-Assessment Ch ecklist for Survey Managers (DESAP) enables the conduct of
quick but systematic and comprehensive qualit y assessments of a survey and its outputs
and identification of potential improvements.
 There is a Condensed Version of Checklist for survey managers (DESAP) that contains only
selected key questions, and there is an Electronic Version of Self Assessment Checklist with an
Electronic Version User Guide .
 The Handbook on Data Quality – Assessment Methods and Tools (DatQAM) details the full
range of methods for assessing process and outp ut quality and the tools that support them.
 The ESS Handbook on Improving Quality by Analysis of Process Variables describes a general
approach and useful tools for identifying, me asuring and analysing key process variables.
(The latest versions of all these documents are available from the quality pages on the Eurostat
website.) Taking into account the approach es presented, the NIS quality reporting
arrangements are discussed in Chapter 4.

75
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 3 Quality Guidelines
Introductory Remarks
These guidelines are intended to help in designing a new survey or redeveloping or enhancing
an existing one. They are organized in sectio ns, most of which correspond to the main sub-
processes (steps) of which a survey is typicall y comprised. This seems to be a more natural
structure for survey managers (the main users) than organizing the same information according
to process and output quality components. Consideration was given to using the same
structure as the recently promulgated Generic Statistical Business Process Model . However, this
model has its origins in an IT environment and includes a sharp distinction between design and
build functions, whereas from a survey manager’s perspective it is more appropriate to say all
there is to say about a particular sub-process, s ay sampling, in a single section, whether it is
related to designing, building or operating.
Section 3.1 provides guidelines to assist in iden tifying objectives, uses and users. The following
sections cover subsequent survey sub-processe s in roughly chronological order. However,
some sub-processes may take place concurrently, for example, frame development, sampling,
and questionnaire design. There are signif icant interdependencies between some sub-
processes, for example, between questionnaire design and data collection and capture. Other
sections, such as document ation, refer to activities that do not constitute distinct sub-processes
on their own, but rather take place within the co ntext of several sub-processes. Finally, aspects
relating to administrative data use are discussed in a separate section.
All sections have the same fo ur part structure, as follows.
 Scope and Purpose, comprising a definition and description of the sub-process or activity,
and an indication of its potent ial impact on quality, thus es tablishing the context for the
following guidelines.
 Principles , comprising broad, underlying policies an d approaches that govern the design of
the sub-process or activity, with an emph asis on those that relate to quality.
 Guidelines , comprising known good practices an d providing a comprehensive technical
checklist to aid survey design and operations . Judgement is needed in deciding practices
are appropriate in any particular case and when and how they should be implemented.
 References. The existence and relevance of any rele vant NIS or international policy or
standard is indicated together with documents that provide more details in specific aspects.
3.1 Objectives, Uses and Users
Scope and purpose
An initial planning exercise must be conducted to establish the basic da ta needs and the overall
feasibility of a proposed new or redesigned su rvey before it is approved. This includes
definition of the broad objectives, the user population being targeted, an d the key questions or
issues to which analysis based on the data will be directed. Following approval, the results of
the initial planning must now further elaborated to ensure that the new or redesigned activity
will meet specific user requirements.
Objectives are the purposes for which information is required, stated within the context of the
program, research problem or hypotheses that gives rise to the need for data.
Specific uses indicate more precisely the data needs, fo r example, by describing what decisions
may be made based on the data collected and how the data will support these decisions. For
repeated surveys, additional uses may evolve over time.
Users are the organizations and individu als expected to use the data.

76

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Arriving at a consensus on specific objectives, us es and users is essential for rational decisions
about survey design.
Principles
Specification of objectives and uses in cons ultation with potential users leads to the
development of a detailed plan for survey. User s can help in describing more precisely the
survey objectives. Survey developers can id entify the conceptual, methodological and
operational issues that they must resolve and can suggest a reasonable schedule.
It is important to have a clea r understanding and to formulat e a concrete statement of the
objectives in terms of hypotheses to be tested and/or specific data requirements, including the
quality expected, budget constraint s and expected delivery dates.
A statement of objectives is an important mean s of communicating to users what outputs can
be expect and their limitations. It also prov ides subsequent potential users, who may have
different objectives, with the means to assess th e extent to which the outputs may meet their
specific needs.
Guidelines
 Focus analysis of user needs on finding the m ost cost-effective solutions for both the short
and long term. Before embarking on a design/red esign, analyse currently available statistics
in the area in terms of sources, frequency, qu ality, timeliness, etc. Consider the trade-off
between limitations of currently available data and the cost and time required to produce
additional data.
 Develop survey objectives in partnership with important users and stakeholders. Identify
important users and groups of users, for example policy makers. Include potential users within the NIS itself, for example the National Accounts. Establish and maintain relationships
with users of information in th e private and public sectors, and with the general public, to
enhance the relevance of the outputs and to improve their marketing.
 Before any major design or redesign, conduct ex tensive and user-focused consultation so as
to identify content options as well as to de velop public support for the program. Since
outputs are not used if they are not trusted, ta ke a very open approach when developing or
revising programs so as to build confidence in the process and products.
 In determining the extent to which a survey wi ll meet user needs, seek a reasonable trade-
off between those needs and th e budget, response burden and privacy considerations. The
NIS may have little discretion when data co ntent and general methodology is legislated.
However, in other cases, it is worthwhile formulating alternative methodological
approaches, means and modes of data collection, frequencies, geographical detail, etc., with
a view to arriving at an optimum solution.
 Review ongoing surveys at regular intervals. Th ey need to evolve, adapt and innovate so as
to keep pace with changing users demands. The survey purpose needs to be re-examined
and revised periodically to ens ure continuing relevance to user needs as they involve or
change. Sometimes the overhaul of existing surveys may be desirable to maintain the
reliability of key statistical seri es, especially if sources of in formation have changed, or the
ways in which they are made available are reengineered.
 Where explicit data quality targets exist, includ e them in the statement of survey objectives.
Targets may refer to sampling errors, coverage rates, response rates, and timeliness.

77
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics References
Blanc, M., Radermacher, W. and Körner, T. (2001). Quality and users . Session 15.1 of the
International Conference on Qu ality in Official Statistics , Stockholm, Sweden.
Brackstone, G.J. (1993). Data relevance: keeping pace with user needs . Journal of Official Statistics,
9, 49-56.
3.2 Concepts, Variables and Classifications
Scope and purpose
Concepts are the subjects of inquiry and analysis of interest to users. They refer to general
characteristics or attributes of statistical units. Variables are indicators used to measure the
concepts. Definitions of concepts and the co rresponding variables must be unambiguous,
precisely specified, and relevant to the primary analytical purposes for which the data are being
collected. All categorical statistica l data have to be classified for presentation and analysis and
the corresponding classifications scheme must also suitable for these analytical purposes.
Principles
In order to draw conclusions from a set of data , the users must have input to and knowledge of
the concepts underlying the data. Use of harm onized definitions of concepts, variables and
classifications assists users in comparing and integrating data. However, such definitions may
need modification to meet specific user need s. A variable chosen at a point in time may
become obsolete if new factors come into play.
The definitions of the concepts, variables and classifications should be documented, and any
differences from standards, or from definitions used for relate d data, should be highlighted.
This documentation is especially important for users who wish to use the data for other than
purpose originally envisaged.
There is often more than one way to measure a concept. Factors to be taken into account in
defining indicators include the ease of obta ining data from respondents, the respondent
burden imposed, the context in which the ques tion(s) must be asked, the collection method,
the editing, imputation and weighting techniqu es, whether the information can be obtained
from administrative records, and the costs associated with collection and processing.
Guidelines
 Specify concepts, variables and classifications clearly and justify them in terms of their
intended use.
 Wherever possible, make use of the standa rd definitions of concepts, variables,
classifications, statistical units and populations.
 In choosing naming conventions, take existing standards and usage into account. Use titles
from existing standards only as defined in the standards.
 To maximize flexibility of use, code micro-data and maintain files at the lowest possible level
of each classification. Aggregation to a high er level required for particular analytical
purposes or to satisfy confiden tiality or data reliability constraints can be made at a later
stage.
 Wherever possible, use a common collapsing strategy for aggreg ations and define them in
terms of higher level aggregations of the classification. Document differences between the
standard and actual levels of classifications/ aggregations used. Aim to use classifications
that include detailed and the collapsed levels . Make clear to users how these relate into
higher level (i.e., less detailed) classifications.

78

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Use standard definitions to make it possibl e to compare data collected from different
sources and to integrate data across sources . The NIS has many standard classifications
including of industries, products, occupations and geography (see references below) as well
as its Glossary of Statistical Terms. In addition there are international standard classifications
produced by the United Nations Statistical Offi ce, the International Labour Office, Eurostat,
and other international and regional agencies. In the absence of an official standard,
examine the concepts, variables and classifi cations being used by related statistical
programs and consult with the expe rts in standards when necessary.
 The NIS has produced official concordances to a number of international standard
classifications. When there is a requirement to provide data to international agencies, use
official concordances when they are available.
 Use standard units of observation to facilitate the comparison of data. Classifications are
usually designed with particular units of observation in mind.
 Take account of derived statistical activities, su ch as the System of National Accounts, whose
requirements in terms of variables and classi fications might have a significant effect the
survey.
References
Classification of Activities in National Economy – CAEN REV.1.
Classification of Activities in National Economy – CAEN REV.2.
Classification of the Products and Services Rela ted to the Activities in the National Economy –
CPSA.
Nomenclature of Industrial Serv ices and Products – PRODROM.
Register of the Administrative and Te rritorial Units of Romania – SIRUTA.
Nomenclature of Territorial Units for Statistics – NUTS.
Classification of Occupations in Romania – COR 2009.
International Standard Classifi cation of Education – ISCED.
Emission Inventory Guidebook – CORINAIR.
Selected Nomenclature for Sources of Air Pollution – SNAP.
Standard Goods Classifi cation for Transport Statistics – NST 2007.
List of Dangerous Goods (according to) ADR and ADN.
The Nomenclature of Products and Services – COICOP.
The Combined Nomenclature of Goods – NC.
System of National Accounts, 1993
3.3 Coverage and Frames
Scope and purpose
The target population is the set of units about which info rmation is wanted and estimates are
required. Practical considerations may dictate that some units be deliberately excluded, for
example, small informal businesses that are impossible to access without incurring excessive
cost. This gives arise to the concept of the survey population , the set of units obtained by
excluding some units that are hard or expensiv e to access. Differences between the target
population and the survey population are the resu lt of deliberate restrictions on coverage. If

79
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics the two differ, valid statistical inference unde r probability sampling can be made about the
survey population, not about th e target population itself.
A frame is any list, material or device that delimits, identifies, and allows access to the elements
of the survey population. Frames are generally of two types: area frames and list frames. Area
frames are usually made up of a hierarchy of geog raphical units, that is, the frame units at one
level can be subdivided to form the units at th e next level. All the elements included in the
frame constitute the frame population . The discrepancies between the survey population and
the frame population are referred to as coverage errors .
Principles
The survey frame should conform to the s urvey population and contain minimal under-
coverage and over-cover age. Frame information must be ke pt up-to-date. Coverage errors
occur due to omissions, erroneous inclusions, dupl ications and/or misclass ifications of the units
in the survey frame.
Characteristics of the frame units (e.g., identifica tion, contact, classification, address, size, maps
in case of geographical units) should be of high quality in view of their use in stratification,
sample selection, collection, follow-up, data pr ocessing, imputation, estimation, record linkage,
quality assessment and analysis. Frame imperfecti ons such as coverage errors and out-of-date
characteristics are likely to bias or diminish the reliability of the survey estimates and to
increase data collection costs.
Guidelines
 Test possible frames at the planning stage of a survey for their suitability and quality.
 When several frames exist, some of which are incomplete but less expensive to use and
others more complete but prohibitively expens ive, consider the use of multiple frames.
 Consider use of random digit dialling may be used for some telephone surveys or in
combination with other area or list frames.
 For business and institutional surveys, use the Business Register (REGIS).
 For agricultural surveys, use statistical re gister of agricultural exploitations (REXA).
 For household surveys, use master samp le for households surveys (EMZOT).
 To avoid inconsistencies, to fa cilitate combining estimates from the surveys and to reduce
costs of frame maintenance and evaluation us e the same frame for surveys with the same
target population as far as possible.
 Retain and store information about sampli ng, rotation and data collection so that
coordination between surveys can be achiev ed and respondent re lations and response
burden can be better managed. For example, record for which units’ data are being
collected by each survey.
 Incorporate procedures to eliminate duplicatio n and to update for births, deaths, out-of-
scope units and changes in characteristics.
 Monitor the frame quality by periodically a ssessing its coverage and the quality of the
information on the characteristics of the unit s. Many techniques exist for this purpose:
 matching the frame or a sample of the fram e with comparable alternative sources, often
provided by administrative records, for the survey population or subsets of it;
 analyzing survey returns for duplicates, de aths, out-of-scope units, and changes in
characteristics;
 using specific questions on the questionna ire to aid in monitoring coverage and
classification information; verifying with local authorities (e.g., regional offices, field survey staff, the survey units themselves);

80

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  verifying the frame or subsets of it in the field (which could include verification of out-of-
scope units);
 comparing the frame with a sample of un its from a corresponding area frame;
 updating the frame to determine changes to it;
 checking the consistency of coun ts with other sources or with data from specially designed
replicates;
 using evaluative information obtained from other surveys with the same frame;
 Monitor the frame between the time of sample selection and the survey reference period.
 Incorporate frame updates in the timeliest manner possible.
 Minimize frame errors through effective training of staff, an emphasis on the importance of
coverage, and the implementation of quality assurance procedures of frame related
activities.
 For area frames, implement map checks to ens ure clear and non-overlapping delineation of
the geographic areas used in the sampling desi gn (e.g., through field checks or the use of
other map sources).
 For statistical activities from administrative so urces or for derived statistical activities, where
coverage changes may be outside the control of the immediate manager, determine and monitor coverage, and negotiate required changes with the source manager.
 Make adjustments to the data or use supple mentary data from other sources to offset
coverage error of the frame.
 Include descriptions of the ta rget and survey populations, any differences between the
target population and the survey population, as well as the description of the frame and its
coverage errors in the survey documentation.
References
Archer, D. (1995). Maintenance of business registers. In Business Survey Methods, B.G. Cox et al
(eds.), Wiley-Interscience, New York, 85-100.
Colledge, M.J. (1995). Frames and business registers: an overview. In Business Survey Methods,
B.G. Cox et al (eds.), Wiley-Interscience, New York, 21-47.
Eurostat (2003) Business Register Recommendations Manual
(http://epp.eurostat.ec.europa.eu/cache/ITY_ OFFPUB/KS-BG-03-001/EN/KS-BG-03-001-EN.PDF)
Kott, P.S. and Vogel, F.A. (1995). Multiple-frame business surveys. In Business Survey Methods,
B.G. Cox et al (eds.), Wiley-Interscience, New York, 185-203.
3.4 Sampling
Scope and purpose
Sampling is the selection of a set of units from a survey population, referred to as the sample ,
with the aim of making inferences about the population. The choice of sampling method has a considerable influence on quality, in particul ar sampling error. It depends many factors
including the desired level of precision, detail of data output, availability of appropriate
sampling frame and auxiliary variables for stra tification and sample selection, estimation
methods that will be used, and the available budgets.
Principles
Probability sampling means select ing units from the frame in such a way that all units have
known and positive inclusion probabilities . Sample size is determined by the required precision

81
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics and available budget. The probability distributi on that governs the sample selection, along
with the stages and units of sa mpling, the stratification, the sample size determination and
allocation are collectively referred to as the sample design . A combination of sampling design
and estimation method (see Section 3.10) is chosen so that the resulting estimates have
maximum precision for a given budget, or in cur minimum cost for given precision.
Stratification consists of dividing the population into subsets ( strata ) within each of which an
independent sample is selected. The choice of strata is based on the objectives of the survey,
the frequency distributions of the main variable (s) of interest and the desired precision.
Sometimes the information needed to stratify the population is not available on the frame. In
such cases, a two-phase (double) sampling scheme may be used, whereby a large sample is
selected in the first phase and the required stratification data obtained. The first sample is then
stratified as required and the second phase samp le is selected within the first phase sample.
In case of area frames, it is no t efficient to select directly the reporting units i.e., the units about
which data will be reported. In such cases, a two stage sampling scheme may be used. In the first
stage clusters (called primary sampling units ) of potential reporting un its are selected; in the
second stage samples of reporting units are select ed from within each of the selected primary
sampling units. Budgetary or other considerations may necessitate more than two stages.
Data collected for the reporting units may, where appropriate, be supplemented at the
estimation stage, with auxiliary information from other sources than the survey itself, such as
administrative records or census projections to improve the precision of the estimates. The
choice of sampling design should take into account the availability of such auxiliary
information.
Guidelines
 For statistical efficiency strata should cont ain units that are as homogeneous as possible
with respect to the information requested in the survey.
 For highly skewed populations, which means for most business populations, create a
stratum of large units to be included in the s urvey with certainty. These large units normally
account for a significant part of the estimates of the population totals.
 Most surveys produce estimates for various domains of interest, for example, regions. This
should be taken into account in the design by stratifying accord ing to these domains
whenever possible, otherwise, it is necessary to post stratify at the estimation stage.
 For longitudinal surveys, choose stratification variables that correspond to characteristics
that are stable through time.
 Where not all the data required for good stratifi cation are available from the frame, consider
the possibility of a two phase sample design. Calculate the cost of samp ling at each phase,
the availability of data required at each phase, and the gain in precision obtained by
stratifying the first phase sample.
 For surveys based on an area frame, determin e how many stages of sampling are needed
and which sampling units are appropriate at each stage. For each possible type of reporting
unit, consider the availability of obtaining or cr eating a suitable frame of such units, the ease
of contact and of data collection, the qual ity of data, and the cost of collection.
 Conduct studies to evaluate alternative samp ling methods, stratification options and
allocation possibilities. The usef ulness of these studies depends on the availability and age
of data used for the studies and their relation ship to the key survey indicators. Such data
may be drawn from previous censuses, surveys or administrative data.
 When determining sample size, take into accoun t the required levels of precision for each
indicator, the sample design, the auxiliary information, the budget, and non-sampling factors including likely non-response, out-of-s cope units, and attrition (in repeating and
longitudinal surveys).

82

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Most surveys produce estimates for many indicato rs, and a sample that is optimised for one,
may be far from optimised for others. Handle this problem by first identifying the key
indicators and optimise with respect to one or two from this subset. This often requires a
compromise between optimum strategi es for the individual indicators.
 In determining sample allocation and size for stratified sample s, take account of expected
frame deficiencies, such as de ad and misclassified units.
 At the implementation stage, compare the size and characteristics of the actual sample to
what was expected. Compare the precision of the estimates to the planned objectives.
Repeating Surveys
 As the survey population of a repeating survey is likely to increase gradually, it is prudent to
used a sample design that holds the sample size (and hence collection costs) stable. This is
possible as the precision of survey estimates is more depe ndent on the total sample size
than on the overall sampling fraction.
 The design should be as flexible as possible to deal with future changes, such as increases or
decreases in sample size, restratification, resampling and updating of selection probabilities.
If estimates are required for specified domains of interest (e.g., sub-provincial estimates)
form strata by combining smaller stable domains (e.g., districts) so that future changes in the
required domains are easier to accommodate.
 If efficient estimates of change are required an d/or if response burden is a concern, use a
rotation sampling scheme that replaces part of the sample in each period. The choice of the
rotation rate is a compromise between th e precision of the change estimates and
respondent burden. A low rotation rate gives good precision but may lower response rates
over time. It also has the additional benefit of reducing costs if the first contact is substantially more expensive than subsequent contacts.
 Develop procedures to monitor the quality of the sample design over time. Set up an update
strategy for selective redesign of strata that have suffered se rious deterioration.
 For longitudinal panel surveys, determine the length of time panels are in sample by
balancing duration against attrition and conditio ning effects. Use a de sign with overlapping
panels (i.e., with overlapping time span) when there is a need to produce cross-sectional
estimates along with the longitudinal ones.
Software
 Use generic software instead of tailor-made systems wherever possible to reduce
development costs and possible progra mming errors. For example MICROSTRATE
developed by Eurostat enables control sample overlap.
References
Cochran, W.G. (1977). Sampling Techniques . Wiley, New York.
Eurostat (2008) Eurostat Sampling Reference Guidelines – Introduction to Sample Design and
Estimation Techniques. (http://epp.eurostat.ec.europa.eu/cache/ITY_OFFPUB/KS-RA-08-
003/EN/KS-RA-08-003-EN.PDF)
Eurostat (2006) Benchmarking through Calibrati on of Weights for Microdata
(http://epp.eurostat.ec.europa.eu/cache/ITY_ PUBLIC/KS-DT-05-007/EN /KS-DT-05-007-EN.PDF)
Hidiroglou, M.A., (1994). Sampling and estimation for establishm ent surveys: stumbling blocks and
progress. Proceedings of the Section on Survey Research Methods, American Statistical
Association, 153- 162.
Hidiroglou, M.A, and Srinath, K.P. (1993). Problems associated with designing sub-annual business
surveys. Journal of Economic Statistics, 11, 397-405.
Kish, L. (1965). Survey Sampling . Wiley, New York.

83
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Särndal, C.-E., Swensson, B. and Wretman, J. (1992). Model Assisted Survey Sampling. Springer-
Verlag, New York.
3.5 Questionnaire Design
Scope and purpose
A questionnaire is a set of questions designed to collect information from a respondent. It may
be interviewer-administered or respondent-com pleted, with data collection using paper and
pencil, telephone, computer-assisted or Intern et. Questionnaires have a major impact on
respondent behaviour, interviewer performance, collection costs and respondent relations.
Principles
Questionnaire design (mode, content and layout ) must take into account user requirements,
survey operations and the nature and characte ristics of the respondent population. Good
questionnaires impose low response burden and remain both respondent and interviewer
friendly. They ask relevant questions, permit da ta to be collected efficiently, with a minimum
number of errors, while facilita ting data coding and capture, and minimizing the amount of
editing and imputation that is subsequently required.
All new and modified questionnaires must be thoroughly tested before implementation.
Questionnaires in ongoing surveys should be evaluated periodically.
Guidelines
 Use words and concepts in ques tionnaires that are understand able to respondents. In the
case of businesses, choose questions, time re ference periods, and response categories that
are compatible with company record-keeping pr actices. To the extent possible, harmonise
concepts and wording with those in common use. When approp riate, reuse questions from
other surveys.
 Choose question design and wording that encourage respondents to complete the
questionnaire accurately. To this end, the questionnaire should not deviate from the topic of
the survey, be as brief as possible, flow smoot hly from one question to the next, facilitate
respondents' recall and indicate appropriate information sources.
 In the introduction to the questionnaire, indi cate the subject of th e survey, identify the
sponsor, explain the purpose, and request the re spondent's cooperation. Also indicate the
authority under which the survey is being conducted, the confidentiality protection
measures, and any record linkage or data sh aring arrangements that are envisaged. The
opening questions should be applicable to all respondents, establish that the respondent is
a member of the survey populati on, and be easy to complete.
 Design self-completed questionna ires to be attractive and easy to complete. To this end,
give a positive first impression in the cover letter and front cover, and make the
questionnaire appear professional and businesslike.
 If the questionnaire is to be interviewer-administered, make it interviewer-friendly.
 To minimize the possibility of reporting errors, ensure that the instructions to respondents
and/or interviewers are short, clear, and easy to find. Provide definitions at the beginning of
the questionnaire or in specific questions, as required (not in a separate instruction sheet).
Ensure that time reference peri ods and units of response are clear. Use boldface print to
emphasize important items. Specify ”includes” or ”excludes” in the questions themselves,
and ensure that response categories are mutually exclusive and exhaustive.
 With respect to the questionnaire layout, provid e headings for each section and instructions
and answer spaces that facilitate accurate an swering. Use colour, shading, illustrations and
symbols to attract attention and guide re spondents (or interviewers) through the

84

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics questionnaire. At the end of the questionnaire, provide space for additional comments by
respondents, consider asking for the time take n to complete the ques tionnaire, and include
an expression of appreciation to the respondent.
Testing
 The most appropriate methods for testing and evaluating a questionnaire depend upon the
type and size of the survey, the content, the extent of utilisatio n of previous survey
questions, whether the survey is to be repe ated, the method of data collection, and the
development schedule, budget, and availability of resources.
 Consider two or more phases of questio nnaire testing, for example, testing the
questionnaire at an early stage in its develo pment, and then retesting it after making
revisions based on the initial te st findings. The process may be repeated several times with
different methods each time.
 Use focus groups, in-depth interviews, think- aloud interviews, and behaviour coding to
provide insight into how respondents may reac t to the questionnaire. Focus groups and
one-on-one, in-depth interviews are used to test and evaluate question wording,
sequencing and format. Cognitive methods ar e used to examine respondents' thought
processes as they answer the survey questi ons and to ascertain whether or not they
understand the questions and are able to pr ovide accurate responses. Behaviour coding
provides a systematic and objective mean s of examining the e ffectiveness of the
questionnaire by analyzing the interviewer-respondent interactio n. These qualitative testing
methods may also help in determining ques tionnaire content through evaluation and
exploration of key concepts.
 Conduct informal testing (pretesting) of the qu estionnaire to help id entify poor question
wording or ordering and errors in questionnaire layout or inst ructions, and problems likely
to arise from respondents' inability or unwi llingness to answer questions. Use informal
testing to suggest additional response categori es that can be pre-coded, and to provide a
preliminary indication of the interview length.
 Hold debriefing sessions with interviewers af ter testing the questionnaire at which they
discuss their experiences in interviewing respondents and impr essions of how the
questionnaire performed. Interviewers can identify potential sources of response and non-
response errors as well as areas wher e the questionnaire can be improved.
 Use split sample testing when there is a n eed to determine the best of two or more
alternative versions of the ques tionnaire. This involves an experimental design that is
incorporated into the data collection process. It may be used to investigate issues such as
question wording, question sequenci ng, and data collection procedures.
 Conduct pilot testing to observe how all the survey operations, including the administration of the questionnaire, work together in practice. The pilot test duplicates the final survey
design on a small scale from beginning to end, including data processing and analysis. It
provides an opportunity to fine-tune the questionnaire before its use in production.
References
Fowler, F.J. Jr. (1995). Improving Survey Qu estions: Design and Evaluation. Applied
Social Research Methods Series, 38, Sage Publications, Thousand Oaks, California.
Gower, A.R. (1994). Questionnaire design fo r business surveys, S urvey Methodology,
20, 125-136.

85
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 3.6 Data Collection and Capture
Scope and purpose
Data collection is the process of acquiring data from individuals or organisations using the
questionnaire. If no data are obtained initially , or if the data obtained are incomplete or
unsuitable (as identified by preliminary editing) follow-up may be required to help complete
data collection (as further discussed in the next section).
Data Capture is the process that of conv erting data provided by respondents into electronic
format suitable for subsequent processing. In the case of CAPI (Computer Assisted Personal
Interviewing), CATI (Computer Assisted Tele phone Interviewing) and EDR (Electronic Data
Reporting), data are captured as part of the actual collection process. Otherwise data are
captured in a separate operation by manual key entry or automated means such as Intelligent
Character Recognition (ICR). Often this data co nversion involves either manual or automated
coding. Sometimes it includes transmi tting the data to another location.
Principles
Data providers, especially individuals and organisations who complete questionnaires, (usually)
without payment, are the NIS most valuable resourc e. To ensure continuing cooperation, it is
essential to minimize respondent burden.
Gaps or inconsistencies in the data are best corrected by consulting respondents themselves
during data collection or very soon afterwards.
Given data collection and capture operations' high impact on data quality, use of appropriate
quality and performance measurement tools to manage these processes and provide objective
measures to supervisors and clients is essential.
Throughout the process, appropriate steps must be taken to preserve the confidentiality and
security of the information collected (as further discussed in Section 3.13).
Guidelines
 Interviewers and data capture operators are crit ical to the success of most data collection
and capture operations. Ensure that they have appropriate training and tools.
 Exploit advances in communications and comput ing technology to improve the efficiency
and effectiveness of data collect ion and captures and to reduce the costs and risks. Consider
computer-assisted survey interviewing (CAPI and CATI) and electronic data reporting (EDR)
via the Internet, automated data entry (using IC R) and automated coding by text recognition
(ACTR).
 Establish appropriate sample control procedures for all data collection operations. Institute
effective control systems to ensure the security of data capture, transmission and handling.
Track the status of sampled units from sample se lection through to clean edited data so that
data collection managers and interviewers can assess progress at any point in time.
 Control paper questionnaire delivery operations in mail surveys to ensure that each unit that
has been selected receives the appropriate questionnaire. Once the questionnaire is
returned, verify the accuracy of the covera ge information and the quality of the data
provided. Follow-up interviews may be needed in some cases. When no questionnaire is
received, follow-up activities are necessary to es tablish the status of the unit (e.g., active or
inactive) and to obtain the missing information.
 When collecting data, ensure that the appropri ate person within the responding household
or organisation is contacted at the appropri ate time so that the information is readily
available. Allow the respondent to provide th e data using a method and format that is
convenient to them or their organisation. This helps improve response rates and data quality.

86

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Ensure that procedures are applied to all unit s consistently. Automati on is desirable and
releases staff to work on difficult cases. Centra lize processing to reduce costs and make it
easier to take advantage of a pool of expert knowledge. Given that changes to procedures
may be required in the future, design processes that can be easily modified.
 Monitor the frequency of edit failures and corrections by stratum, collection mode,
processing type, and data item. This will help in evaluating the quality of the data and the
efficiency of the editing function.
 Expenditure, performance and quality measure s gathered during the data collection
operation enable the survey manager to make decisions regarding the need for
modification or redesign of the process. Trac k actual costs of postage, telephone calls,
questionnaire production, computing, and per son-days. Important quality measures include
response rates, processing error rates, follow-up rates, and counts of non-response by reason.
 Manual data capture from paper questionnaires is subject to keying errors. Incorporate on-
line edits so that the data capture operator ca n correct keying errors and record them for
later review and analysis.
 Use statistical quality control methods to assess and improve the quality of clerical collection
and capture operations, in particular data ca pture and coding. Collect and analyze quality
control results to identify the major causes of error and report to managers, staff, subject-
matter specialists and methodologists.
 Use subsequent survey processes to gather us eful information regarding quality that can
serve as signals that collection and capture procedures and tools may require changes for
future survey cycles. For example, editing an d evaluation (see Sections 3.8 and 3.12) may
suggest collection related problems.
References
Couper, M.P., Baker, R.P., Bethlehem, J., Clark, C.Z. F., Martin, J., Nicholls II, W.L. and O’Reilly, J.
(eds.) (1998). Computer Assisted Survey Information Collection . Wiley, New York.
Groves, R.M. (1989). Survey Errors and Survey Costs . Wiley, New York.
Lyberg, L., Biemer, P., Collins, M., de Leeuw, E., Dippo, C., Schwarz, N. and Trewin, D. (eds.)
(1997). Survey Measurement and Process Quality, Wiley, New York.
Mudryk, W. and Xie, H. (2002). Quality control application in ICR data capture for the 2001 Census
of Agriculture. Proceedings of the Section on Quality and Productivity, American Statistical
Association, 2424-2429.
Mudryk, W., Burgess, M.J. and Xiao, P. (1996). Quality control of CATI operations at Statistics
Canada . Proceedings of the Section on Survey Research Methods, American Statistical Association,
150-159.
3.7 Non-Response
Scope and purpose
Despite the best efforts of survey staff to ma ximize response, some non-response will occur.
Non-response can be of two types. Item non-response is where a particular data item on a
questionnaire has not been completed, and unit non-response is where no response has been
received from the unit or the response is so limited as to be effe ctively non-existent.
The two approaches for dealing with missing data are imputation (Section 3.9) and sampling
weight adjustment (Section 3.10). Typically, weigh ts are adjusted for unit non-response and
imputation used for item non-response.

87
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Non-response has two effects on data. First, it introduces bias in estimates when non-
respondents differ from respondents and correction methods ar e the same. Second, it increases
sampling variance because the effe ctive sample size is reduced.
Principles
An effective respondent relations program an d a well-designed questionnaire are critical
elements in maximizing response.
Non-response is monitored and results fed back survey staff for immediate and future actions
and reported to users.
The effort made to get a response in any given case depends upon budget, timeliness
considerations, and likely impact on quality of non-response bias. The appropriate amount of
research devoted to development of non-resp onse adjustment techniques is likewise
influenced by consideratio n of budget, time, use of data, and risk of bias.
Guidelines
 High response rates require an integrat ed approach, along the following lines:
 well defined frame units;
 up to date survey frame in term s of coverage and contact data;
 well defined reference period and appropriat e timing and length of collection period;
 appropriate method(s) of data collection; mi nimal response burden (in terms of length
of questionnaire, difficulty of questions, fr equency of collection); attention to sensitivity
of subject matter (sensiti vity of subjects);
 effective follow-up methodology and anticipati on of difficulties in tracing respondents
who have moved – use of pre-test and/or results from similar surveys to establish
expected response rates;
 effective use of respondent incentives;
 prior experience with same type of survey, an d demonstrated ability of collection staff;
 reasonable workloads for collection staff;
 well established knowledge of and relationships with respondents;
 sufficient budget and its appropriate• allocation to the various operations.
 Follow up non-respondents to the extent the budget permits. Follow-up increases response
rate and helps determine whether respondents and non-respondents are similar with respect to characteristics measured.
 Follow-up is particularly important for longitud inal surveys where the sample is subject to
accumulating attrition due to non-response at each survey occasion. Facilitate high quality
tracing using administrative data, city and telephone directories, and local knowledge. Verify/update contact information on each survey occasion and ask units to notify the NIS if
changes occur between survey cycles.
 Prioritize follow-up activities. For example, in business surveys, follow-up large or influential
units first. Likewise, give a higher priority to non-responding units in domains with high
potential for non-response bias. Use a score function to prioritise follow-up.
 Record and monitor the reasons for non-response (e.g., refusal, non-contact, temporarily
absent, technical problem). The degree of non- response bias may differ depending on the
reason. Monitor non-response trends by reason.
 Try to determine differences (if any) between respondents and non-respondents by linking
to external data sources (for example, admi nistrative data files) and by examining the
responses of the non-respondents who beca me respondents during a follow-up. For
repeating surveys, known characteristics of re spondents for one cycle/ wave of the survey

88

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics can be use to compare characteristics of re spondents and non-respondents in subsequent
cycles/waves.
 Attempt to evaluate the extent to which th e non-response adjustment procedures correct
for the potential bias. Take non-response into account when producing estimates and their
associated variance estimates.
 Record unweighted and weighted non-respon se rates at the estimation stage.
 Inform users of non-response rate when providing estimates.
References
Cialdini, R., Couper, M. and Groves, R.M. (1992). Understanding the decision to participate in a
survey . Public Opinion Quarterly, 56, 475-495.
Federal Committee on Statistical Methodology (2001). Measuring and reporting sources of error
in surveys. Statistical Policy Working Paper 31. See also http://www.fcsm.gov.
Groves, R.M., Dillman, D. A., Eltinge, J. L. and Little, R. J. A. (2002). Survey Non-response. Wiley,
New York.
3.8 Editing
Scope and purpose
Data editing is the application of checks to detect mi ssing, invalid or inconsistent data item
entries or to point to data records that are pote ntially in error. Some of these checks are based
on logical relationships that foll ow directly from the data item definitions and relationships.
Others are empirical in nature – feasibility chec ks, outlier detection techniques. Checks may be
based on data from previous cycles of the same survey or from other sources.
Editing encompasses a wide variety of activiti es, from interviewer field checks, computer-
generated warnings during data collection or capt ure, identification of units for follow-up, error
localization for the purposes of imputation, to data validation. Th e last two topics are addressed
in Sections 3.9 and 3.12.
Principles
The goals of editing are threefold:
 to clean the data;
 to provide information data quality; and
 to provide the basis for future improvement of the survey questionnaire and operations.
Avoid spending a disproportionate proportion of survey resources cleaning the data.
Fatal errors (invalid or inconsistent entries) should be removed from the data to facilitate further
automated data processing and analysis and to en sure the NIS's credibility. Identification of
fatal errors can and should be automated. However, there is a danger of overusing query edits
(those pointing to entries or records that may be in error), particularly gi ven that editing may be
the single most expensive survey operation, accounting for perhaps a quarter of the total
budget.
Edit hit rates, defined as the proportion of edits that actually reveal true errors are often quite
low, for example 20-30%. Furthermore, it is not uncommon for a few er ror corrections to be
responsible for the majority of changes in the estimates due to editing. When the impact of
most query edits on the final estimates is negligible over-editing is said to have occurred.

89
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Editing van play a valuable role is in providin g information for subsequent improvement of the
survey process – in sharpening definitions, improving the questionnaire, evaluating data
quality, and identifying non-sampling error sources.
Guidelines
 Ensure that the edit rules are internally consistent.
 Reapply edits to units to which corrections have been made to ensure that no errors were
introduced by the correction process itself.
 Edit selectively. Priorities may be set according to types and/or severities of errors, and/ or
according to the importance of the data items and/or reporting units.
 For business surveys, put in place a strategy for selective follow-up. The use of a score
function is a means for ensuring resources are systematically concentrated on the most
important units, key indicators, and severe errors.
 Consider reducing editing effort and redirectin g resources into activities with a higher pay-
off, for example, data analysis and response error analysis.
 Assign a high priority to learning from the ed iting results. To reduce errors, practice error
prevention rather than error correction. To this end, ensure editing takes place as early in the
survey process as possible, pref erably while the respondent is still available, for example,
through the use of computer-assisted telephon e or personal or self-interview methods.
 Edits cannot possibly detect small, systematic errors reported consistently in repeated
surveys. Tighter edits are not the solution. Su ch errors are best detected and corrected
through analysis and review of concepts an d definitions, post-interview studies, data
validation, and data confrontation with other data sources.
 Identify outliers (extreme data values) in a survey period or across survey periods. They are a
warning sign of potential errors.
 When conducting follow-ups, do not overestima te the respondents' ability to report or
correct earlier reports. Their memories are limited and they may provide different data.
 The editing process is often very complex. Ensure procedures are well described and up-to-
date procedures, provide appropriate training to all staff involved, and monitor the work
itself. Consider using formal quality control procedures.
 Automate editing to the fullest extent poss ible. While some manual intervention may be
necessary, generalized, reusable software is particularly useful for this purpose. However, do
not be tempted to increase the scope and volu me of checks simply because they can be
automated. Query checks that make little di fference to the estimates should be excluded.
References
Bankier, M., Lachance, M. and Poirier, P. (1999), A generic implementation of the New Imputation
Methodology. Proceedings of the Survey Research Methods Section, American Statistical
Association, 548-553.
De Waal, T., Van de Pol, F. and Renssen, R. (2000). Graphical macro editing: possibilities and
pitfalls. Proceedings of the Second International Conf erence on Establishment Surveys, Buffalo,
NewYork.
Granquist, L. and Kovar, J.G. (1997). Editing of survey data: how much is enough? In Survey
Measurement and Process Quality, Lyberg et al (eds.). Wiley, New York, 415-435.
Latouche, M. and Berthelot, J.-M. (1992). Use of a score function to prio ritize and limit recontacts in
editing business surveys. Journal of Official Statistics, 8, 389-400.

90

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 3.9 Imputation
Scope and purpose
Imputation is the process replacing values that are missing or designated invalid or
inconsistent, thereby creating internally consistent records, whil st preserving as much of the
original data values as possible.
Ideally, missing and invalid and inconsistent entrie s should be resolved at the data collection or
follow-up stages. However, this is impossible in practice because of respondent burden, cost
and timeliness constraints.
Some methods of imputation may distort underlyi ng data item frequency distributions and the
relationships between data items. This must be taken into account wh en producing estimates
and associated variance estimates.
Principles
Imputation may be automated, manual or a combination of both. Good imputation processes:
 depend on access to all the micro-data and good auxiliary information;
 ensure that imputed records are internally consistent;
 result in the minimum number of change s to data items values in a record;
 limit the bias caused by not having observed all the desired values;
 are automated, objective, re producible and efficient;
 leave an audit trail for evaluation purposes.
Imputation methods can be classified as either deterministic or stochastic
 Deterministic imputation methods include logical imputation , historical imputation, mean
imputation, ratio and regression imputation and single donor nearest-neighbour
imputation. These methods can be further di vided into methods that rely solely on
deducing the imputed value from data avai lable for the non-respondent and/or other
auxiliary data about the respondent, and those that make use of the observed data for other
responding units for the given survey.
 Stochastic imputation methods include the hot deck, near est neighbour imputation where a
random selection is made from several near neighbours, regression with random residuals,
and any other deterministic method with random residuals added.
Guidelines
 Determine which auxiliary data items can best explain the non-response mechanism(s) and
use them to enrich the imputation method. Study the quality and appropriateness of available data items and select which to use as matching data item s and which to use to
construction imputation classes.
 Take into account the ty pe of estimates to be produced, level or change, large aggregates or
small domains, cross-sectional or longitudinal data.
 It is often appropriate to use several different types of imputation methods in an ordered
sequence.
 Ensure imputed records are internally consistent.
 Ensure imputed records resemble the orig inal records as closely as possible.
 Test the imputation approach. Consult subject matter experts.

91
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  When donor imputation is used, try to impute da ta for a record from as few donor records as
possible. Operationally, this often means one do nor record per section of the questionnaire.
Also allow equally good donors an equal chance of being selected and avoid systematically
selecting any one donor.
 For large surveys, it may be necessary to impute data in two or more passes, rather than in a
single pass, so as to reduce computational costs or because there are many missing or
incorrect fields on records.
 Flag imputed values and clearly identify the methods and sources of imputation. Retain the
previous and imputed values for evaluation purposes.
 Evaluate the degree and effects of imputation , in particular how to measure sampling
variance under imputation.
 Consider the degree and impact of imputation when analyzing data. Imputation may have a
s i g n i f i c a n t i m p a c t o n d a t a d i s t r i b u t i o n s . F o r e x a m p l e , v a l u e s i n o n e d o m a i n h a v e m o v e d
systematically up, while values in another d o m a i n h a v e m o v e d d o w n b y a n o f f s e t t i n g
amount leaving totals looking the same. The greater the degree and impact of imputation,
the more judicious analysts must be in using the data. In some cases, analyses may be better
conducted excluding imputed values.
Software
 During the development of the imputation methodology make use of any generalised
imputation systems that are available. At the NIS, estimation of quantitative data items is
currently done using SAS macros mainmean.sas and macmean.sas, and of ordinal and
nominal variables by SAS macros: ini_execute.sas and execute.sas.
References
Bankier, M., Lachance, M. and Poirier, P. (1999). A generic implementation of the New Imputation
Methodology. Proceedings of the Survey Research Methods Section, American Statistical
Association, 548-553.
Fellegi, I.P. and Holt, D. (1976). A systematic approach to au tomatic edit and imputation. Journal
of the American Statistical Association, 71, 17-35.
Kovar, J.G., and Whitridge, P. (1995). Imputation of business survey data . In Business Survey
Methods, B.G. Cox et al. (eds.), Wiley, New York, 403-423.
Lee, H., Rancourt, E. and Särndal, C.-E. (2002). Variance estimation from survey data under single
imputation . In Survey Non-response, R.M. Groves et al. (eds.), Wiley, New York, 315-328.
3.10 Estimation
Scope and purpose
Estimation is the process generating estimates of popu lation parameters based on sample data.
Examples of parameters include simple descriptiv e statistics such as totals, means, ratios and
percentiles, and more complicated analytical statis tics such as regression coefficients. Inference
may be in the form of point estimates, confidence intervals, results of hypothesis tests. Point estimates are usually accompanied by estimates of precision .
Where population parameters are particular functi ons of population totals , their estimators are
generally the corresponding functions of the estimated population totals.
Auxiliary data can be used to improve the precision of the estimates.

92

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Principles
The total survey error of an estimate is the amount by which it differs from the true value of
population parameter being estimated. It can be viewed as the sum of the sampling error and
the non-sampling error . The sampling error is the error associated with basing the estimate on
data from the sample only. It includes sampling bias and sampling variance. Non-sampling
errors include all other causes of lack of pr ecision, including covera ge errors, measurement
errors and non-response errors, as further discussed in other sections.
The sample design and the estimation method joi ntly determine the properties of the sampling
error. The goal is to choose an estimator (i.e., estimation method) that give minimum bias and
variance and is consistent, meaning that sampling error is zero when the sample comprises the
whole population.
When no useful auxiliary data are available for estimation, the most nat ural choice of estimator
is the Horvitz-Thompson estimator. It assigns weights to units that are the inverses of the
inclusion probabilities of the units. Such weights are called a sampling weight. A sampling
weight can be interpreted as the number of times that a unit should be replicated to represent
the full population. An estimator can be improved when auxiliary are available. C alibration is a procedure by which
auxiliary data are incorporated. It adjusts th e sampling weights by multipliers, known as
calibration factors, that make the estimates agree with known totals. The resulting weights are
called calibration weights or final estimation weights. These calibration weights will generally
result in estimates that are consistent and th at have a smaller sampling variance than the
Horvitz-Thompson estimator. Bounding methods are used to ensure that calibration does not
produce negative or very large weights.
As a result of non-response, the observed sample is smaller in size th an the original sample
selected. To compensate for non-response reweighting is usually used. It co nsists of adjusting
the sampling weights by non-response adjustment factors before calibration. The basic principle
in computing the non-response adjustment fact ors is to use the inverse of the response
probabilities. However, these are unknown and mu st be estimated. The key to reducing non-
response bias is to obtain a useful non-response model by taking full advantage of auxiliary
data.
Outliers may lead to unreliable estimates for continuo us variables. Outliers might be due either
to extreme values of some data items, or to ve ry large weights, or both. Some form of outlier
detection and adjustment is required. For longitudinal surveys, two sets of es timation weights are usually derived: the longitudinal
weights and the cross-sectional weights. The longitudinal weights refe r to the population at the
initial selection of the longitudinal sample. Th ese weights are usually ad justed to take into
account the attrition of the sample over time. Th ey are used when perfor ming analysis of the
longitudinal data. The cross-sectional weights are related to the population established at each
survey wave. These weights are no rmally used to produce point estimates, or differences of
point estimates between two time periods. Becaus e of the changes in the population over time,
the two sets of weight are generally different.
In repeated or longitudinal surveys with a la rge sample overlap between occasions, consider
the use of estimation methods that exploit the correlation over time. In essence these methods
treat the data from previ
ous occasions as auxiliar y variables. One such method is referred to as
composite estimation .

93
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Guidelines
 Incorporate sampling weights in the estimation process. This implies reflecting all relevant
aspects of the sample design – stratification , clustering, and multi-phase or multi-stage
information – in the estimation procedures
 Whenever auxiliary data are available for samp le units, together with known population
totals for such data, consider using calibration so that the weighted auxiliary data add up to
these known totals. This may result in improved precision and lead to greater consistency
between estimates from various sources.
 When the original classification of sampling units has changed between the time of sample
selection and estimation, consider domain estimation so that the new classification is
reflected in the estimates. Domain estimation refers to estimation for specified subsets of
the population (or domains ) of interest. Often the units fa lling in these subsets have not
been, or could not have been, identified before sampling. Estimation in the presence of
dead or out-of-scope units in the sample is an example of domain estimation.
 The quality of non-response adjustment fa ctors depends on assumptions made in the
(explicit or implicit) non-response model. Th e model should be validated making use of
auxiliary data correlated with the propensity to respond. To obtain some protection against
model failure, form non-response adjust ment classes and estimate the response
probabilities by the response rates within these classes.
 Two-phase sampling theory can be used to estimate the vari ance for various estimators
incorporating the non-response adjustments.
 When appropriate, use two phase sampling to improve estimation by incorporating auxiliary
data. Auxiliary data can be used (a) to strati fy the second-phase sample, (b) to improve the
estimate using a difference, ratio or regression estimator, or (c) to dr aw a sub-sample of non-
responding units. A fairly general approach to two-phase sampling is when auxiliary data are incorporated in the estimation process vi a the Generalized Regression Estimator.
 The requirements for small domains, such as small areas, are best incorporated at the
sample design stage. However, if this is not possible at the design stage, or if the domains
are only specified later, consider special estimation methods at the estimation stage. These
methods borrow strength from related domains to minimize the mean square error of the
resulting estimator. Examples are small area estimators.
 To deal with outliers use outlie r-resistant (robust) estimators.
 Whenever possible, use generalized estimation software in preference to tailor-made systems. Possible software packages include SAS, FOX, SUDAAN, PC CARP, STATA.
References
Chambers, R.L., Kokic P., Smith P. and Crudas M. (2000). Winsorization for identifying and treating
outliers in business surveys. Proceedings of the Second International Conference on
Establishment Surveys, June 17-21, 2000, Buffalo, New York, 717-726.
Cochran, W.G. (1977). Sampling Techniques . Wiley, New York.
Deville, J.-C. and Särndal, C.E. (1992). Calibration estimators in survey sampling. Journal of the
American Statistical Association, 87, 376-382.
Fuller, W.A. (2002). Regression estimation for survey samples . Survey Methodology, 28, 5-23.
Hidiroglou, M.A. and Särndal, C.E. (1998). Use of auxiliary information for two-phase sampling .
Survey Methodology, 24, 11-20.
Lee, H. (1995). Outliers in business surveys . In Business Survey Methods, B.G. Cox et al. (eds).
Wiley, New York, 503-526.

94

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Rao, J.N.K. (1999). Some recent advances in model-based small area estimation. Survey
Methodology, 25, 175-186.
Singh, A.C., Kennedy, B. and Wu, S. (2001). Regression composite estimation for the Canadian
Labour Force Survey with a rotating design. Survey Methodology, 23, 33-44.
Singh, M.P., Hidiroglou, M.A., Gambino, J. and Kovacevic, M. (2001). Estimation methods and
related systems at Statistics Canada . International Statistical Review, 69, 461-486.
Thompson, M.E. (1997). Theory of Sample Surveys . Chapman and Hall.
3.11 Seasonal Adjustment and Trend-Cycle Estimation
Scope and purpose
Sub-annual macro-economic series are key fo r economic policy-making. However, they are
influenced by seasonal fluctuat ions and calendar/ trading-day e ffects that mask relevant short
and long-term movements and impede a clea r understanding of underlying economic
phenomena. Main aim of seasonal adjustment is to filter out usual seasonal fluctuations and
typical calendar effects.
A time series is viewed as having four components – a trend, a cyclical effect, a seasonal effect,
and an irregular component.
 The trend is the underlying long-term movement lasting many years.
 The cycle , usually called the business cycle, is a quasi-periodic oscillation lasting in the order
of a few years.
 The trend and cycle are usually estimated in combination.
 The irregular component represents those random variat ions that are unforeseeable
movements related to events of all kinds.
Seasonal adjustment consists of estimating seasonal factor s and applying them to a time series
to remove the seasonal variations . These variations represent the composite effect of climatic
and institutional factors that repeat with a certain regularity within the year.
A seasonally adjusted series consists of the trend-cycle and the irregular component. Smoothing
the seasonally adjusted series to elimin ate the irregular component produces the trend-cycle
estimates , which provide a reading of the underl ying business cycle – the direction of
movement, the amplitude of the cycle and, especially, the timing of turning points.
In the context of seasonal adjustment, the aim of pre-treatment is to ensure reliable estimation
of seasonal component by detecting and correct ing the series for specific known problems
prior to estimation. Pre-treatmen t includes graphical analysis, calendar adjustments (for trading
days, moving holiday and EU calendar), outlier detection and correction, treatment of missing
observations, and selection of model and decomposition scheme .
Principles
A time series is seasonally adjusted only when th ere is evidence that the series is influenced by
seasonal forces and the series co ntains identifiable seasonality. Identifiable seasonality is
defined as a seasonal pattern that is not obscured by a high degree of irregular fluctuations and
thus can be identified reliably.
Ideally the seasonal adjustment procedure does no t leave any residual seasonality in the series
and the resulting seasonally adjusted series is somewhat smoother than the original. The trend-
cycle series is much smoother as the ir regular component has been eliminated.

95
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics The last few points in the seasonally adjusted se ries are the ones most prone to error and hence
t o r e v i s i o n a s m o r e p o i n t s b e c o m e a v a i l a b l e . Ideally, revisions to the seasonally adjusted
estimates should be minimal.
For aggregate series resulting from a combin ation of component series, those component
series that contain identifiable seasonality should be seasonally adjusted, the remainder should
be left unadjusted. The aggregate series itself should be adjusted so that it does not contain
residual seasonality and it is relatively smooth. It may be adjusted by indirect or direct method.
 In the indirect method , the seasonally adjusted componen ts and the unadjusted ones are
combined to obtain the seasonally adjusted aggregate.
 In the direct method , the aggregate is seasonally adjusted , and its additive property (of being
the sum of the components) is restored by ra king/calibration of the seasonally adjusted
components.
ESS Guidelines on Seasonal Adjustment
The ESS Guidelines published in 2008 provide de finitive and comprehensive description of all
aspects of seasonal adjustment. They focus on two approaches:
 TRAMO-SEATS – supported by Banco de España
 X-12-ARIMA – supported by US Bureau of Census
They cover pre-treatment of series, revision poli cies, quality, and documentation. They discuss
the limitations of seasonal adjustment, e.g. shor t time series and they provide three sets of
alternatives: A – best approach; B acceptab le approach; C practices to be avoided
Guidelines
 Make use of the recently published ES S Guidelines on Seasonal Adjustment.
 The choice between the two recommended method s of seasonal adjust ment is a matter of
experience, subjectivity and characteristics of the time series.
 Before seasonally adjusting a time series for the first time, conduct a thorough analysis to
assess if seasonality is identifiable. Publish the se ries in seasonally adjusted form only if it is
identifiable. Check the situation subsequently every few years,
 The frequency of revisions should be minimize d. Although revisions arise with each new
data point added, implement revisions only when they bring about improvement in the
estimates, that is, when the revised estimate moves appreciably closer to the final estimate.
 Wherever seasonally adjusted figures pertai ning to the same economic activity are
published, coordinate the seasonal adjustment options applied by the areas involved, and
make every effort to treat related series in a consistent manner.
 On an annual basis, revise the seasonally adju sted values for the last three years when data
for the first period (month, quarter) of the ne xt year becomes available. When seasonally
adjusted values are derived with year-ahead (for ecast) seasonal factors, the annual revision
should apply to the last four years.
 For aggregate series comprising combinations of component series choose the direct
approach but only if the calibration/raking does not distort too much the month-to-month
(quarter-to-quarter) movements of the component series.
 Wherever seasonally adjusted figures pertai ning to the same economic activity are
published, coordinate the seasonal adjustment options applied by the areas involved. For
example, when possible, make co nsistent choices between direct and indirect adjustment of
composite series, and ensure that extreme occ urrences in the time series brought about by
events such as plant closures, strikes, natura l disasters, etc. are treated in a consistent
fashion by the different areas.

96

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  For the seasonal adjustment of recent observations, use a concurrent seasonal factor . This is a
factor obtained using all the available data po ints. An exception to this guideline may apply
when the most recent observations have been subjected to historically large revisions. In
this case year-ahead (forecast) seasonal factors based on data that ended at the end of the
previous year may be more appropriate.
When Using X-12-ARIMA Trend-Cycle Estimation
 Use the daily weights that are automatically esti mated for series with trading-day variations.
During the current year, keep them fixed by su pplying them as prior daily weights. They will
be modified at the next annual revision. Ex ceptions to this guideline may occur when a-
priori daily weights can be provided by su bject matter experts based on better knowledge
of the series in question
 Use the Easter effect factors calcul ated automatically by the program.
 Use the automatic ARIMA extrapolation subroutine whenever possible. If none of the built-in
models is selected, an ARIMA model has to be provided.
 Use the Henderson moving averages to produce the trend-cycle estimates. To ensure that
the trend-line lies within the scatter plot of the seasonally adjusted series, apply the
Henderson moving averages to the published seasonally adjusted series.
 Before applying the trend-cycle estimator, extend the seasona lly adjusted series with one
year of forecasted values from an ARIMA mo del fitted to the seasonally adjusted series.
 Apply the Henderson moving averages to the extended seasonally adjusted series from
which the extremes have b een previously corrected.
 Use the Henderson moving average automatica lly selected by the X12-ARIMA program:
based on the value of the irregular/trend-cycle ratio.
 Ensure the trend-cycle estimates are consis tent with published seasonally adjusted
estimates.
 Inform users that the last few trend-cycle estimates (especiall y the very last estimate) are
subject to large revisions. There may even be a reversal of movement when one more data
point is added to the series. The uncertainty associated with the estimates around the end
can be indicated, for example, by a dashed line on the trend graph or by a written caveat to
users.
References
ESS Guidelines on Seasonal Adjustment (2009).
3.12 Data Quality Evaluation
Scope and purpose
Data quality evaluation is the process of determining whethe r final outputs meet the original
objectives of the survey/ statistical process. Ev aluation results enable users to better interpret
survey results and the NIS to improve quality of the current and/or subsequent survey cycles.
There are two broad methods of evaluating data quality:
 Certification or validation is the process whereby data are analysed before official release
with a view to avoiding gross errors and el iminating obviously poor quality data. This
process frequently coincides with an interpreta tive analysis of the data and is invariably
subject to tight time constraints, and thus can involve only methods that yield rapid results.

97
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Sources of error studies provide quantitative information on the specific sources of errors in
the data. Typically, the results of these studies ar e only available after the official release of
the data.
Principles
Users must be able to determine to what extent da ta errors are likely to affect their use of the
data. However, given that they are rarely in dependently capable of evaluating accuracy
themselves, it is incumbent on each agency to evaluate data quality and provide users with the
results in a usable form and on a timely basis.
Data quality evaluations are also useful to the NIS itself. To the extent that errors can be
associated with particular stages of the survey process, an evaluation can lead to quality
improvement in the next survey cycl e and/or in other similar surveys.
The sources of error that must evaluated include the following
 Coverage errors which consist of omissions, erroneous inclusions, and duplications in the
frame used to conduct the survey. They may transl ate into a negative or positive bias in the
data, and the impact may vary depending on part icular survey population. Errors in coding,
notably in applying industrial and geographical classifications, may lead to coverage error.
 Sampling errors occur when survey results are obtain ed from a sample rather than the
population as a whole. They may also include estimation errors due to estimators that, by
design or otherwise, create bias, for example, some small area estimators.
 Non-response errors occur when there is no response to one or all of the survey questions.
Non-response leads to an increase in variance as a result of a reduction in the actual size of
the sample and the recourse to imputation, and it produces a bias if the non-respondents
have characteristics of interest that are different from those of the respondents.
 Measurement errors occur when the response provided di ffers from the real value. Such
errors may be random, resulting in increased va riance, or systematic resulting in bias. They
may be attributable to the respondent, the interviewer, the questio nnaire, the collection
method or the respondent's record-keeping system.
 Processing errors occur when checking, coding, entering, imputing, and tabulating data. Like
measurement errors, processing errors may lead to variance and/or bias.
There are two very different kinds of proc essing errors. The first type concerns micro-data . The
second type concerns macro-data and involves serious mistakes in calculation or presentation of
aggregates that are not found until after publication . Mistakes are the errors most visible to the
public, typically receiving a lot of negative a ttention. Examples are when the methodology is
not applied correctly, when the wrong number is inadvertently included in a press release, and
when analytical presentations or diagrams gi ve wrong impressions. They may occur in any
stage in the production of statistics: programmi ng, calculation, report writing, editing of
manuscripts, etc.
Guidelines
 Determine the extent of data quality evaluation required for the survey/ statistical process
considering the following factors: data uses;; risk of errors and impact of errors on data use;
quality variation over time; cost of the evaluation in relation to the total cost of the program;
needs for improvement in quality and/or effi ciency; usefulness of results to users; and
whether or not the survey will be repeated.
 In the case of census and survey data, minimum requirements include measuring or evaluating coverage errors, response or impu tation rate and (if dealing with a sample
survey) measurement of sampling errors for key indicators.
 Provide a quality evaluation based on expert opinion when quantitative measurements are
limited by the nature of the outputs, time constraints, cost, or technical feasibility.

98

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Make data quality evaluation part of the overall survey design as the information needed is
often best collected during the survey process. Data quality reports should be included in
the dissemination schedule for the survey.
 In the case of repeated surveys, it is likely not necessary, nor even possible, to produce a
detailed quality evaluation on every occa sion. However, a periodic review should be
scheduled at regular, say annual interv als, not just when problems arise.
 Involve users in planning the evaluation and discussing the results. When circumstances
permit, involve them in the actual evaluation process.
 Among evaluation methods, consider:
 checking coherence in relation to external data sources – for example: other surveys,
other iterations of the same survey, administrative data;
 checking internal coherence – for example: by calculating ratios that are known to be
within certain limits (male-female rati os, average values of properties, etc);
 analysing largest units individually as rega rds their contributions to overall estimates
(generally applied to business surveys);
 calculating data quality indicators – for exam ple: non-response rates, imputation rates
and coefficients of variation;
 holding feedback sessions with staff involved in data collecting and processing;
 reasonableness checks by well-informed expe rts, including a pre-release external
review.
 The type and number of mistakes that have been officially recognised and have resulted in
revisions should be analysed and presented for several years back.
 Procedures to minimise the risk of mistakes and for handling the situation when mistakes
have been discovered, should be developed and documented.
References
Biemer, P., Groves, R.M., Mathiowetz, N.A., Lyberg, L. and Sudman, S. (eds.) (1991). Measurement
Errors in Surveys . Wiley, New York.
Lessler, J.T. and Kalsbeek, W.D. (1992). Nonsampling Errors in Surveys . Wiley, New York.
3.13 Disclosure Control
Scope and purpose
When publishing data the NIS is obligated by law to protect the confidentiality of respondents’
information. This means ensuring that no data item for any individual (person, business) is
disclosed, i.e., can be precisely deduced, or inferred within a narrow range
In a table, a data cell is said to be sensitive if it results in disclosure, i.e., reveals data about an
individual irrespective of whether or not the data item is actually considered sensitive by the
respondent. (For example, for a business respondent, income may be sensitive, whereas district
of operation may not.)
Disclosure control refers to measures taken to adjust outp ut data so that confidentiality is
protected. As it usually results in modifying or suppressing some data, the goal is to ensure
confidentiality protection wi th minimum loss of output.
From confidentiality perspective there is an important distinction between
 micro-data outputs – anonymized for individual records and

99
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  aggregate/tabular data outputs – in form of tables of frequencies (counts) or tables of
magnitudes (like income).
Public perception of vigilance in protecting confid entiality is as important as reality of what is
done.
Principles
The NIS has set of Rules on the Confidentiality of Statistical Data, also a policy for the Protection
of Classified Information.
Disclosure Control for Tables
The rules for determining whether or not any given cell is sensitive are based on disclosure
criteria . Two types of criteria are used. One is depends on the number of respondents
contributing to the cell, the other depends the rela tive sizes of contributions. An example of the
former is that the number of respondents contri buting to a cell must exceed three. (Less than
three is unacceptable since, if there are only two respondents, one of the respondents can
derive the value for the other resp ondent by simple subtraction.)
A general example of a rule depending on relative size is the (n,k) rule in which a cell designated
as sensitive if the largest n resp ondents account for k% or more of the total cell value. Another
rule is the p-percent rule. For example, under a p=15 rule, a cell is designated sensitive if the
sum of the contributions of the third largest and all lower ranking respondents' values is less
than 15% of the largest respondent’s value. This ensures that the unit with the second largest
value cannot estimate the larges t unit’s value too closely.
Cells that are deemed sensitive according to the d i s c l o s u r e c r i t e r i a h a v e t o b e m o d i f i e d o r
suppressed. There are many possible cell suppression rules . Suppressing only the sensitive cells
is not sufficient when marginal totals are published, because the value in the suppressed cell
can be deduced. To preserve confidentiality it is necessary to undertake complementary
suppression , which entails identifying all the other complementary c e l l s t h a t h a v e t o b e
suppressed in order to protect the sensitive cell . Sophisticated software exists to identify
complementary cells.
There are alternatives to cell suppression. One method is to collapse categories so that fewer or
none of the cells are sensitive. Another method is to add noise to the da ta, either in the table
itself or the underlying micro-data. This ma y be done, for example, by rounding, though
conventional rounding, i.e., to the nearest high er level unit of measure, may not add enough
noise to give protection. There are several generalized disclosure control software packages available including CONFID
(Statistics Canada, 2002) and ARGUS (Hundepool et al, 2002).
In the case of multiple releases from the sa me database, especially in the case of ad hoc
requests, it is difficult to find software that ca n take care of all possible confidentiality concerns
and some manual intervention is necessary.
Disclosure Control for Micro-data Files
Even in the absence of obvious identifying info rmation such as names and telephone numbers,
micro-data files may contain a number of data items, termed key data items , which in
combination can identify individuals uniquely. This means effective disclosure. Even if the
individuals identified are not truly unique, or if they have been wrongly identified, the
appearance of a disclosure can be harmful to the NIS.
The number and nature of the key data it ems determine the disclosure risk. Some
characteristics such as detailed location, or exact income, are considered to present a high
disclosure risk. Micro-data files for businesses are rarely released because of the heterogeneous nature of business data. The presence of hierarch ical relations between un its may also increase
disclosure risk. The situation is further complica ted for longitudinal surveys as the set of key
variables may evolve over time.

100

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Disclosure risk also depends upon methodology.
 It increases with sampling rate. In the case where the sampling rate is 100% for the entire
population, or for identifiable strata, micro-data should not be released.
 The presence of measurement errors and of imputed values lowers disclosure risk.
There are two basic restricted data methods for micro-data disclosure control.
 Data reduction methods, which include sampling, broadening classification categories,
removing selected data items for some responde nts, and removing selected respondents.
 Data modification methods include adding random noise, swapping data items between
records, replacing small groups of units with average values, and replacing data for some
respondents by imputed values.
As an alternative to releasing micro-data, restricted access procedures may be established that
permit selected research worke rs to access to micro-data under controlled conditions.
Guidelines
Tabular Data
 Determine the sensitivity of each cell. Do not rele ase a data table if it co ntains values for cells
that are considered to be sensitive.
 Determine if zero frequency cells represent a problem. Zero frequency cells may reveal
sensitive information in ta bles of magnitude data.
 Consider alternative methods to cell suppressi on, for example the use of random rounding.
 In the case of multiple releases from a single database, use common sense to supplement
the results obtained from confidentiality protection software.
Micro-data
 Assess the risk of disclosure for micro-data files and apply appropriate data reduction or
modification methods.
 Ensure that all public use micro-data files are reviewed by a senior NIS Committee before
release
 For longitudinal surveys define the release and confidentiality protection strategy in
advance of the first wave. This may require making assumptions about how the key data
items and how they will evolve over time.
 As an alternative to releasing micro-data files, consider using restricted access methods such
as remote access or research data centres.
 Use generalized disclosure control software in preference to custom-built systems whenever
possible.
NIS Confidentiality Rules
To prevent the dissemination of confidential statistical data, the fo llowing rules must be
observed.
 Individual statistical data regarding a natura l or legal person may not be disseminated
unless the person expresses hi s/her approval in writing.
 Aggregate data for two natural or legal pers ons may not be disseminated unless they
expressed their approvals in writing.
 Aggregate statistical data for three or more natural or legal persons may be disseminated
but only provided these data no longer allow the identifica tion of individual data. In
particular, these data may not be disseminated if one natural or legal person represents over
80% of the total value or quantity of the units in the cell.

101
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Unique identifiers: personal code, fiscal code, name and address, locality and other
information which cannot be depersonalized (mad e anonymous) will not be included in the
individual data files for public use.
For scientific purposes access to the individual statistical data may be granted provided that all
of the protection measures regarding the preservati on of the confidentiality of statistical data
have been taken and subject to:
 approval of the NIS management and endo rsement by the Committee of Statistical
Confidentiality, established through an Order issued by the NIS President;
 approval of the management of the Regional/C ounty Statistical Office and endorsement by
the Committee of Statistical Confidentiality, established at territo rial level by decision of the
executive manager of the Region al/County Statistical Office.
References
Eurostat (1999) Manual on Disclosure Control Methods
Brackstone, G. and White, P. (2002). Data stewardship at Statistics Canada . Proceedings of the
Social Statistics Section, Americ an Statistical Association, 284-293.
Eurostat (1996). Manual on Disclosure Control Methods . Luxembourg: Office for Official
Publications of the European Communities.
Hundepool, A., van de Wetering, A., de Wolf, P.-P ., Giessing, S., Fischetti, M., Salazar, J.-J. and
Caprara, A. (2002). ARGUS user manual 2.1 . Statistics Netherlands, Voorburg.
National Institute of Statistics Rules on the Confidentiality of Statistical Data
National Institute of Statistics Policy for the Protection of Classified Information
3.14 Data Analysis and Presentation
Scope and purpose
Data analysis is transforms data into information. Anal ytical results underscore the usefulness of
data sources and shed light on issues. They are all the more significant when, for confidentiality
reasons, it is not possible to release micro-da ta. They are typically presented in the form of
commentaries attached to outputs an d separately published articles.
The basic steps in analysis comprise identify ing the issues, asking meaningful questions,
developing answers to the questions through examination and interpretation of data, and
communicating the messages to the users.
Analysis plays a role in survey development, review and enhancement by helping to identify
problems and potential improvements. It facilita tes effective extraction of information from
previous surveys and pilot studies, planning new statistical activities, providing information on
data gaps, for designing surveys, and formulating quality objectives. Presentation of data and accompanying commentaries and of associated analytical articles
requires consideration of how best to communicate with the users.
Principles
Analysis outputs may be categori zed into two general types:
 descriptive results, relating to the survey population at the time that the data were collected,
and
 studies that go beyond the actual population surveyed.

102

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Commentaries attached to data outputs are restri cted to descriptive results. The NIS mandate
does not presently support analytical studies th at interpret data output. Such studies may be
conducted by independent researchers with NIS guidance.
Any conclusions presented in commentary or an analytical study, especially those that can
impact on public policy, must be supported by the data being analysed.
Presentation standards should be developed and followed.
Guidelines
Preparation of Analytical Articles
 Identify the issues of concern (both current an d those likely to emerge in the future), the
audience, the sources of informat ion and the analysis methods.
 Ensure that the data are appropriate for the analysis, for example that the frame population
approximates the target population sufficiently closely, that the concepts and definitions are
relevant, that the longitudinal or cross-sectional nature of the survey is appropriate, and that
the data accuracy is sufficie nt for meaningful results.
 If more than one data source is being used fo r the analysis, investigate whether the sources
are consistent and how they may be appropriately combined.
 Consider how unit and item non-response should be handled, and whether or not imputed
values should be included.
 When making comparisons between two groups of individuals, businesses, or other units,
control for extraneous factors. If significan t differences between the groups are found,
consider alternative pl ausible explanations.
 Since the analyses are based on observations rather than the results of a controlled
experiment, avoid drawing conclusions concerning causality.
 Do not focus on short term trends without in s p e c t i n g t h e m i n l i g h t o f m e d i u m a n d l o n g
term trends. Frequently, short term trends are merely minor fluctuations around more
important, longer term trends.
 Where possible, avoid arbitrary time reference po ints, such as the change from last year to
this year. Instead, use meaningful points of reference, such as the last major turning point for economic data, generation-to-generation differences for demographic statistics, and
legislative changes for social statistics.
Presentation of Analytical Articles
 Prior to writing an analytical article, prepare an outline of the article indicating the issues
being addressed, the data being used, the analytical methods, the results to be highlighted, and the most interesting findings.
 Focus the article on important indicators and topics. Trying to be too comprehensive tends to interfere with a strong story line.
 Arrange ideas in a logical order and in order of relevance or importance. Use headings, sub-
headings and sidebars to strengthen the organisation of the article.
 Keep the language as simple as the subject permits. Depending on the targeted audience,
some loss of precision may an acceptab le trade-off for more readable text.
 Use graphs in addition to text and tables to communicate the message. Use headings that capture the meaning for example “Women’s earn ings still trail men’s”, in preference to
traditional titles like “Income by age and sex”.
 Aim to help readers understand the information in the tables and charts by discussing it in
the text.

103
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  When tables are used, take care that the ov erall format contributes to data clarity and
minimises the possibility of misinterpretation. This includes appropriate spacing, wording,
placement and appearance of titles, row and column headings and footnotes.
 Explain rounding practices or procedures. In the presentation of rounded data, do not use
more significant digits than are consis tent with the accuracy of the data.
 When presenting details about rates, be careful to distinguish between percentage change and change in percentage points. Define the base used for rates.
 Ensure that all references are accura te and are referred to in the text.
 Check for errors – ensure the co nsistency of figures used in th e text, tables and charts and
the accuracy of external data.
 Ensure that the intentions stated in the intr oduction are fulfilled and that the conclusions
are consistent with the evidence.
 Have the article reviewed by at least two other persons.
 Prepare a verbal presentation of the analysis, and give it to colleagues before giving it to an
external audience.
Commentaries
The guidelines above are equally applicable to commentaries attached to data outputs with the
condition that the analysis is less in depth an d is focused on summarising the main results
rather than on exploring issues.
References
Chambers, R.L. and Skinner, C.J. (eds.) (2003). Analysis of Survey Data . Wiley, Chichester.
Lohr, S.L. (1999). Sampling: Design and Analysis . Duxbury Press.
3.15 Data Dissemination
Scope and purpose
Dissemination means data release to users. On line release mechanisms include the Internet,
statistical databases and web fi les, television and radio inte rviews, and press conferences.
Offline mechanisms include paper publications, CD -ROMs, press releases, fax, electronic mail,
answers to ad-hoc requests, an d presentations at events.
Principles
Disseminated outputs must be accurate, comp lete, accessible and appropriately priced,
understandable, usable, timely and meet confidentiality requirements. Dissemination
managers must take account of user needs and expectations based on user feedback, product
testing and other marketing activities. They must exploit new technology to best enable users
to access and process data easily and efficiently.
The dates and times when data will be released should be pre-announced. Users should be
given equal treatment in terms of data access. Data should be published on the web, or sent
electronically, or released in paper copies, at exactly the same time and in accordance with the
pre-announcements.
Outputs must be accompanied by metadata that enable users to determine how appropriate
the data are for the particular uses they have in mind. They also increa se the confidence that
users have in the data. The metadata provided should include concepts and definitions,
targeted and sampled populations, sample desi gn, questionnaire, data collection imputation
and estimation methods, response rates, possi ble errors and exceptional circumstances. The

104

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics detail included should be matched to user n eeds. This may entail making summary metadata
visible initially with links to more deta iled metadata for users who need them.
Guidelines
 Ensure the data are checked and validated by a unit other than the producing unit. The
checking unit should have proven experience.
 Develop and use a common layout and format fo r all products within the same category or
theme and have a standard for the agency as a whole.
 Ensure that data released are ex actly the same as are held in the internal databases. It should
always be possible to repr oduce the outputs exactly.
 Test every electronic product before release to ensure that it is performing as users would
expect.
 Provide metadata containing appropriate descriptions of quality and methodology.
 Provide data quality indicators and tools to help users evaluate the data, for example CV
look-up tables, sampling variance programs.
 Clearly state the rules, conditions and copyri ght terms for using or re-disseminating the
statistical information.
 Accompany each output with a contact name, phone number and e-mail address.
 Make maximum use of generalised data and metadata dissemination systems.
 Ensure staff involved in data dissemination processes are well trained.
 Analyse and make use of dissemination stan dards and best practices from other EU
countries.
References
National Institute of Statistics Romania (2006). Policy on Data Dissemination .
3.16 Documentation
Scope and purpose
Documentation here refers to a description of the s urvey/ statistical process, including the
concepts and definitions, the methods used to produce the da ta, the outputs and the factors
affecting quality. During survey development and implementation, documentation is a means
of communication, including not only what decisions were made, but also why they were
made. Documentation supports subsequent enha ncement of the survey in the case of a
repeating survey, and development of similar survey s. It also provides the basis for telling users
about survey quality and methodology. Docu mentation may be aimed at any of several
different groups, including managers, technical staff, planners of other surveys, and users.
Principles
The goal is to provide a complete, unambiguous and multi-purpose record of the survey and its
outputs that is up-to-date, well organized, ea sily retrievable, concise and precise. The
appropriate level of detail depends on the intended audience, data sources, sample design,
collection and dissemination methods, users and uses of the data, and total budget.
Effective access and presentation is an import ant. Documentation may be multi-media, for
example paper and electronic. Different docume nts may be prepared for different audiences
and purposes.

105
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics There are numerous content standards of which the most important in the NIS context are the
NIS own Rules Regarding the Drafting and Editing of Survey Methodology and Rules Regarding the
Drafting and Editing of Statistical Work prepared by the Quality Unit, and the Euro SDMX
Metadata Structure (ESMS) .
The ESMS contains a description and represen tation of the metadata to be used in
documenting statistical data an d in assessing data production processes and outputs. The
ESMS concepts used are comp atible with those of the Statistical Data and Metadata Exchange
(SDMX) standard and with the common terminology in the SDMX Metadata Common
Vocabulary . The ESMS will be implemented at Eurostat and national levels.
Guidelines
 Prepare survey documentation at level of de tail appropriate for intended audiences.
 Indicate any changes in object ives, timeliness, frequency, and data quality targets that
occurred during survey development, for exam ple due to budgetary constraints, perceived
feasibility, results of new pilo t studies, or new technology.
 Indicate use of international and nation al standards and highlight deviations.
 Indicate roles of advisory committees and users in survey development and operations.
 Prepare versions of methodology documentatio n emphasising different aspects for different
readers. Provide a methodological overview for senior managers and users. Provide a
comprehensive and consolidated account of procedures and technical issues for
professionals.
 Provide documents to accompany products and subject them to extensive review by peers
and managers to ensure relevance, accuracy and readability
 Follow documentation revision policies.
References
Rules Regarding the Drafting and Editing of Survey Methodology
Rules Regarding the Drafting and Editing of Statistical Work
Euro SDMX Metadata Structure (ESMS) .
Statistical Data and Metadata Exchange (SDMX) .
Metadata Common Vocabulary .
3.17 Administrative Data Use
Scope and purpose
Administrative data are data collected during the co urse of administering government
programs. Administrative procedures include colle cting income and VAT taxes, regulating the
flow of goods and people across borders, reco rding births, marriages and deaths, administering
pensions, providing medical services. Administra tive data are collected in accordance with
relevant legislation. They are of two basic types:
 registration data, containing the details of all the units subject to the administrative
procedure; and
 transaction data, containing details of the intera ctions of those units with the administrative
procedure.

106

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Each data record refers to an individual – person , tax payer, pensioner, etc – and the identity of
the unit corresponding to a given record is crucial. By contrast, in the case of statistical data, the
identity of individuals is of no intrinsic interest once the data have been collected.
Some administrative data are directly tabula ted and disseminated by the NIS. For example
shipments data are obtained from Customs, processed and disseminated as external trade data.
In addition to direct tabulation and dissemination, administrative data may be used:
 to construct and maintain the business register;
 to replace of data collection pa rtially or entirely, for example use of taxation data for small
businesses in place of direct collect ion of income and expenditure data;
 to assist in editing and imputation;
 as auxiliary information in estimation – for ca libration benchmarking and/or calendarisation;
and
 for survey evaluation, in particular data confrontation and comparison of survey and
administrative data.
Principles
Advantages
The advantages of using administrative data are, first, by law, they are provided free of charge
by the administrative agency responsible for their collection. Second, they impose no
additional statistical respondent burden on th e individuals to which the data refer. Third,
modern technology enables the NIS to readily acce ss and process large administrative datasets.
The disadvantages of administrative data stem from the fact that they are collected for
administrative rather than statistical purposes . Usually, the potential st atistical uses of the
administrative data are unknown or considered unimportant at the time the administrative
program is put in place. This means that the NI S has little or no direct control over coverage,
content, accuracy or timing. Further more changes in legislation can causes changes in the
data, again outside NIS control.
In summary, at a time when data demands are gr owing, there are severe budgetary constraints
and growing concerns about response rates and respondent burden, the use of administrative
data is an attractive complement and/or alternat ive to direct data collection. Thus, it is NIS
policy to use administrative data whenever th ey present a cost beneficial alternative, or
addition, to direct data collection.
As with any data acquisition program, the decisions to use an administrative data source must
b e p r e c e d e d b y a n a s s e s s m e n t o f t h e d a t a i n terms of their coverage, content, concepts and
definitions, frequency, timeliness, and qualit y assurance procedures, as well as the likely
stability of the administrative program over time , and the costs of acquiring and processing the
data.
In processing administrative data the NIS has to undertake virtually all the same sub-processes
as for statistical data discussed in previous sect ions. Thus, the guidelines in earlier sections are
for the most part equally applicable to administ rative records. Even sampling and data capture
guidelines may be relevant if administrative data exist only on paper and have to be sampled,
coded and captured. However, there are some additional considerations, which are the subject of this section.
First, the use of administrative data may raise privacy concerns. These are even more important
when the administrative data are linked to othe r sources of data. Thus such linkage is usually
carefully controlled. Second, it is not easy to combine data from an administrative source with data from another
source in the absence of a common identifi cation system covering both sources. Record linkage
techniques are required. If the purpose of linking the sources is frame creation and

107
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics maintenance, edit and imputation or weighting, exact matching is essential. If, on the other
hand, sources are being linked for data analysis purposes statistical matching , i.e., matching of
records with similar statistical properties may be sufficient.
Guidelines
 Build and maintain close ties with the custodia ns of the administrative sources. Liaison is
necessary not only in negotiating use of admini strative data, but also in ensuring that the
NIS is not caught by surprise by changes to administrative procedures, and can even
influence them. Feedback of problems and sugg estions to the data custodians can lead to
strengthening of the administrative sources. Occa sionally, the statistical office may be able
to help build statistical requirements into new programs before they commence. Such
opportunities are rare, but when they happen, the eventual value to the NIS far outweighs
the time and resources required for collaboration.
 Understand the context under which the ad ministrative organization created the
administrative program (e.g., legislation, object ives, and needs). It has a profound impact on
the coverage, contents, concepts and definiti ons, frequency and timeliness, quality and
stability over time.
 Study each data item in the administrative source that is to be used for statistical purposes.
Investigate its quality. Understand the concep ts, definitions and procedures underlying its
collection and processing. Some items might be of very poor quality and not fit for use. For
example, the quality of classification coding (e.g., occupation, industrial activity, geography)
may be insufficient for statistical purposes or may severely curtain use. In such cases
consider the possibility of providing NIS staff or resources to improve quality.
 Choose methodology for the survey that is a ppropriate for the particular administrative
source.
 Like data collected by survey, administrative data are also subject to partial and total non-
response. In some instances, the lack of timeli ness in obtaining the data effectively results
non-response. Thus, imputation and weight ad justment procedures must be developed.
 Imputation and/or transformation may also be required in cases where (some) units report
the data at a different frequency than is required for survey purposes.
 The activity statuses of units according to an administrative source are frequently different
from those required for statistical purposes . For example the tax agency will retain a
bankrupt business in its records so long as it owes tax whereas for the statistical office the
business is inactive. Thus, special attentio n must be given to the identification of
administrative units that are apparently active but inactive from a statistical perspective. For
example not submitting value added tax for 18 months may be considered evidence of
being inactive.
 Also, keep in mind that there may be signific ant measurement errors if the administrative
data have financial implications. For exampl e, income may be underestimated and/or
expenditures overestimated to reduce tax liability.
 Consider privacy implications of the publicatio n of information from administrative records.
Although the NIS has the authority to access ad ministrative records for statistical purposes,
this use may not have been foreseen by the or iginal suppliers of information. Therefore,
survey managers should be prepared to explain and justify the public value and innocuous nature of use for statistical purposes.
 Implement continuous or periodic assessment of incoming data quality. Assurance that data
quality is being maintained is important because the NIS does not control the data
collection process. Assessment may include us e of statistical quality control methods,
comparisons with other sources and s
ample follow-up studies.

108

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  The privacy concerns that may arise with use of a single administrative record source are
multiplied when linkage is made to other sources. A record linkage policy must be designed
to ensure that the value of linkage outweighs any intrusion on privacy that it may entail.
 When data are being brought together fo r two or more sources without a common
identification scheme, consider statistical ma tching methods when exact matching is not
required.
References
Cox, L.H. and Boruch, R.F. (1988). Record Linkage, Privacy and Statistical Policy . Journal of Official
Statistics, 4, 3-16.
Eurostat (2001) Use of Administrative Sources for Business Statistics Purposes
Hidiroglou, M.A., Latouche, M.J., Armstrong, B., and Gossen, M. (1995). Improving Survey
Information Using Administrative Records: The Case of the Canadian Employment Survey.
Proceedings of the Annual Research Confer ence, U.S. Bureau of the Census, 171-197.
Michaud, S., Dolson, D., Adams, D., and Renaud, M. (1995). Combining Administrative and Survey
Data to Reduce Respondent Burden in Longitudinal Surveys . Proceedings of the Section on Survey
Research Methods, American Statistical Association, 11-20.

109
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 4 Quality Management Framework
Introductory Remarks
This chapter outlines the Quality Management Framework (QMF) within which the quality
guidelines described in Chapter 3 are applied. Wh ereas Chapter 3 refers to surveys and is aimed
at survey managers, Chapter 4 refe rs to the agency as a whole and is aimed at senior managers
and staff with special responsibility for promot ing quality management within the organisation.
Quality management involves identi fication and pursuit of quality objectives in the light of user
demands for more information and other quality considerations, taking into account financial
and human resources, and the burden on re spondents. Thus, the QMF comprises many
mechanisms at various levels throughout the NIS. Its effectiveness depends on the
professionalism and motivation of the staff an d the synergy resulting from the many players
operating collectively with a common set of quality goals in mind.
The QMF is presented in the context of the output quality components defined in Chapter 2,
with sections on Managing Relevance, Accuracy, Timeliness, Accessibility, Comparability and
Coherence, together with two cross-cutting sections on Quality Reporting and Managing the
Institutional Environment .
4.1 Managing Relevance
Relevance is the degree to which statistical outputs meet current and potential user needs. It
depends on whether all the statistics that are need ed are produced and the extent to which concepts
used (definitions, classifications etc.,) reflect user needs.
The NIS programme and outputs must properly and continuously reflect the most important
data needs as these evolve over time. Thus management of relevance has two aspects –
determining statistical needs and adjusting the NIS programme to meet these needs.
Determining User Needs
ESS requirements are specified in EU regulation s. They are mandatory. Furthermore, quality
reports required by the regulations typically re quire evidence that the required data are being
produced. Additional needs may come from other international agencies in particular the IMF,
OECD, UNDP, FAO, etc.
National demands are identified through liai son with major users, for the most part
government departments. There is also some f eedback from other users on existing outputs
collected by the Dissemination Bureau. Research ers and analysts may indicate data gaps and
limitations through published articles. Comment s and criticisms from media may also be
informative.
Account also has to be taken of the needs of internal programmes, such as the System of
National Accounts, that draw data from a range of surveys and integrate and reconcile them.
The processes that determine data needs also result in the monitoring of other quality
components and identification of the corresponding user requirements.
Adjusting the Programme
Adjustments to the programme are made annually , through the definition and implementation
of the National Annual Statistical Work Programme. The Work Programme defines outputs,
tasks and timelines for NIS statistical activities funded by the government. Each year the Work
Programme for the following year is put togeth er based on that for the current year but
adjusted to take into account changing needs. The Work Programme is then circulated to the
primary users – government departments and ag encies – for comments. Based on feedback

110

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics received, and in the light of current policy priorities, NIS senior management finalises the Work
Programme.
In practice, there are heavy constraints on progra m adjustments. First, a large proportion of the
NIS’s budgetary resources are devoted to ongoin g surveys and statistical processes that are
non-discretionary in the sense that they are dictated by EU regulations or provide such basic
information on Romanian society and economy that they cannot be si gnificantly changed.
Second, it is extremely difficult to discontinue, or even cut back, an existing survey because the
users will make vociferous objections. Third, th ere are essentially no prospects of securing
additional government funding for new programmes unless such funding is actually built into
accompanying legislation.
Thus, contractions to the programme are minimal and extensions to meet new data needs are
generally very limited and undertaken only by diverting resources from ongoing activities.
Each year some statistical activities are funded from other sources, for example by the EU, the
World Bank, and/or other international and na tional partners. However, these are typically
aimed at improvements to the statistical processes.
Improvement Considerations
The current procedures for managing relevance coul d be improved in three ways. First, further
extent of usage of multi-annual planning process would give more scope for entertaining programme changes.
Second, regular self administered reviews of all surveys would provide more feedback on public
sensitivities and relevance at survey level, and th e opportunities for changes or cuts to question
modules or sample sizes. Such reviews are envi saged beginning in 2010, as further described in
the section on quality reporting. Third, options for releasing resources to undert ake new surveys or expansion of existing ones
could be explored. These included obtaining a better understanding of costs of individual
surveys so that the opportunities for efficiencies could be more easily identified, and measuring
respondent burden as a lever for reduci ng questionnaire size and sample size.
4.2 Managing Accuracy
The accuracy of statistical outputs in the general stat istical sense is the degree of closeness of
estimates to the true values.
Design Aspects
The accuracy, timeliness and coherence achieved in survey outputs depend heavily upon the
design methodology, including the quality assu rance processes put in place to identify and
control potential errors. There are two aspects: the methodological capacity and prevailing
policies and procedures; and the application of this capacity, policies and procedures to
individual surveys.
There is currently no methodology unit or primary centre of expertise. Responsibility for
sampling and estimation is invested in th ree units handling business, household and
agricultural surveys respectively. All other meth odological matters, for example questionnaire
design, editing procedures, imputation proced ures, outlier detection, are handled by the
statisticians responsible for the individual surveys. The Quality Unit takes responsibility for promoting quality practices, for example quality reporting and the production and use of these
quality guidelines.
As regards methodological procedures, these gu idelines describe the specific practices,
methods and considerations that should be ta ken into account in designing programs, and
indicate where formal standards exist. Apart from this document there are few general NIS

111
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics methodological procedures, for example questionnaire design an d layout guidelines. It is
standard practice to pre-test and pilot test all new questionnaires prior to use in production.
Staff rely on ESS and international literature and experts for guidance, for example the ESS
Guidelines on Seasonal Adjustment.
As regards application of methodology, decision s are largely left to the individual survey
managers and their staff. In addition to decidi ng what constitute acceptable accuracy targets
on the basis of their knowledge of user requir ements, budget and operations, they determine
the specific methods to be applied.
Implementation Aspects
Survey accuracy depends planning , operational, procedures, superv ision, respondent relations,
interviews, and training. Quality and performance monitoring mechanisms should be built into
survey processes as part of design. Two types of information are required . First information is
needed to monitor and correct immediately any operational problems. Second information is
needed to assess whether the survey was implemented as planned, whether some aspects of
the design were problematic, and what lessons were learned from the operational standpoint
to aid future designs.
Assessment Aspects
Accuracy assessment must be considered at th e design stage as measurements need to be
obtained as the survey is taki ng place. The extent and sophistication of measurements depend
on survey size and budget, and their significan ce to users. Informing users of data quality
requires assessment of, at least, the following aspects: survey coverage, sampling error, non-
response rates, and descriptions of any serious problems or issues.
Improvement Considerations
Possibilities for further improvements in managi ng accuracy including reinforcing expertise in
sampling and estimation, questionnaire design, editing, imputation, and analysis, building
quality and performance monitoring mechanisms into survey processes, introducing the
programme of user oriented quality reports (as further discussed in later section, encouraging
use of the survey (DESAP) checklist, and us e of new technologies and innovations (with
adequate testing).
4.3 Managing Timeliness and Punctuality
The timeliness of statistical outputs is the length of time between the event or phenomenon they
describe and their availability. Information that is available to users well within the period during
which it remains useful for its main purposes is considered to be timely.
Punctuality is the time lag between the release date of da ta and the target date on which they were
scheduled for release as announced in an official release calendar, laid down by regulations or
previously agreed among partners.
Timeliness and punctuality are constantly monito red over time and across programs through
the weekly exception reports to senior management.
The choice of timeframe for a survey, including release dates is a design decision, usually
depending on trade-offs with accuracy and with cost. There are two se parate catalogues of
outputs produced towards the end of the year an d visible via the NIS web site. They specify the
release dates of electronic and printed publications and of press releases for the following year.
For some programs, the release of preliminary data followed by re vised and final figures is used
as a strategy for making data timelier. In such cases, the tracking of the size and direction of
revisions can serve to assess the appropriateness of the chosen timeliness-accuracy trade-off. It

112

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics also provides a basis for recognizing any persiste nt or predictable biases in preliminary data
that could be removed through estimation.
Improvements in timeliness can be expected as new technologies are developed and as uses of
data change.
4.4 Managing Accessibility
The accessibility of statistical outputs is the measure of the ease with which users can obtain the
data. It is determined by the physical conditions by means of which users obtain data: where to go,
how to order, delivery time, pricing policy, market ing conditions (copyright, etc.), availability of
micro or macro data, various formats (paper, files, CD-ROM, Internet, etc.)
At the beginning of a new survey or following major survey redesign, the survey manager
prepares an initial dissemination proposal. This includes what data to disseminate, how and
when based on known user demands and furthe r discussions with users. The proposal is
reviewed by senior management, modified in accordance with their decisions and then
implemented by the Dissemination Bureau.
The primary NIS dissemination vehicles are: pape r publications, electronic publications, TEMPO
online database, the public library, dissemination bureau. There are a variety of options that are open to survey managers to make their data more
accessible for analytical purposes, including:
 production of public-use micro-data files;
 provision of a custom data provision service;
 contracts with external researchers.
4.5 Managing Clarity
The clarity of statistical outputs is the measure of th e ease with which users can understand the
data. It is determined by the information environm ent within which the data are presented, whether
the data are accompanied with appropriate metadata, whether use is made of illustrations such as
graphs and maps, whether information on data accu racy are available (inclu ding any limitations on
use) and the extent to which additional a ssistance is provided by the producer.
Metadata
Providing sufficient information to allow users to properly interpret output data is an NIS
responsibility and is primarily about the prov ision of appropriate metadata. The information
needed to understand statistical da ta falls under three broad headings:
 concepts, variables and classifications that underlie the data (conceptual metadata);
 methodology used to collect and compil e the data (procedural metadata); and
 indicators of the accuracy of th e data (operational metadata).
The commentaries that accompany output data are a further aid to users.
The primary vehicle for disseminating metadata is the Metadata Database, which can be
viewed via the Internet. It is not currently linked at data item level to the TEMPO database and
this is an area for improvemen t. Also there are several separate in-house sources of metadata
that should be consolidated within the Metada ta Database to enrich its content and inhibit
variations.

113
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Managing Misinterpretations
Media are monitored every day and, in event of a problem, the Press Relati ons Unit takes action.
Serious misinterpretations of data by the me dia or in the public arena are immediately
challenged publicly by the NIS.
4.6 Managing Coherence and Comparability
The coherence of two or more statistical outputs refers to the degree to which the statistical
processes by which they were generated used the same concepts – classifications, definitions, and
target populations – and harmonised methods. Cohere nt statistical outputs have the potential to be
validly combined and used jointly. Comparability is a special case of coherence and refers to the
case where the statistical outputs refer to the same data items and the aim of combining them is to
make comparisons over time, or across regions, or across other domains.
Three complementary approaches ar e used in managing coherence.
The first approach is the development and use of standard concepts, definitions and
classification systems for all major indicators as well as implementation of international
standard frameworks, for exampl e, the System of National Accounts, where these exist.
The second approach is to ensure that the me asurement methods themselves do not introduce
inconsistencies, in particular by use of:
 the business register as the frame for all business surveys;
 the farm register as the frame for all agricultural surveys;
 the master sample of households for all household surveys
 harmonised methodologies and systems; and
 quality guidelines and international standards.
Areas for improvement include the documentation and use of commonly formulated
questions, the documentation and use of ques tionnaire design and layout standards.
The third approach involves analysis of the data themselves and comparison and integration of
data from different sources or over time. The ai m is to recognize situat ions where variation or
inconsistency exceeds levels implied by the expect ed accuracy of the data. Integration of data
in the national accounts is an example. Also, measures of coherence are required in certain
quality reports prepared for Eurostat in accordan ce with EU regulations. For example a report
on the Labour Cost Survey summarised the coherence of the survey outputs with the National
Accounts, the Labour Force, and the Structural Business Survey.
Users are also an important source of information on coherence, or more particularly lack of it.
4.7 Managing Quality Reporting
Scope of Quality Reporting
The current and proposed spectrum of quality assessment methods may be described in terms
of three levels, as indicated in Figure 1.
Level 1: Output quality indicators, process quality and performance indicators, quality reports, and
user feedback/survey results.
Data obtained from measurements of processes and outputs are selected and structured into
quality and performance indicators, which are th emselves grouped in quality reports. User
surveys are conducted to measure user percepti ons of product quality. Quality reports are
prepared to meet legislated or othe r specific information requirements.

114

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Level 2: Self-assessments; compre hensive reports and peer reviews
Based on Level 1 information and further analysis , surveys and their products will be assessed
against a comprehensive internal standard deve loped by the Quality Unit. Such assessments
will give a more comprehensive picture than Level 1 assessments and, being conducted
according to a common format, they will en able some comparisons across surveys.
Level 3: Labelling and certification.
This level has yet to be implemented. Labelling is aimed at providing highly condensed quality
information regarding the statistics released for the benefit of us ers. It will involve assigning a
label to the outputs of those surveys that meet sp ecific NIS quality requirements. Certification is
similar to labelling, but is against an external standard such as EFQM Excellence Model and
refers to the NIS as a whole, rather than to sp ecific products. There are presently no plans for
labelling or certification.

User Oriented Quality Reports
A s p r e v i o u s l y i n d i c a t e d , a p r o g r a m m e o f u s e r o r i e n t e d q u a l i t y r e p o r t s w i l l b e g i n i n 2 0 1 0 . I n
principle, every survey will be required to prepar e a report every year. However, in the first year,
surveys compiling quality reports for Eurostat will be excluded. The reports will include the ESS
standard set of quality and performance indicators
A report template and instructions for it s completion have been developed.
Checklists
The NIS is promoting use the European Self Assessment Checklist for Survey Managers (DESAP) as
a way of conducting of quick but systematic quality assessment of a survey and a means of
identifying potential improvements. User
Requirements International/National
Standards and Guidelines External
Environment
Quality
Assessment Methods
Process and Product
Descriptions Measurement
Procedures Process
Performance
Indicators Process
Quality
Indicators Output
Quality
Indicators User
Survey
Results Self
Assessment Audit/
Peer Review Comprehensive
Quality Report Labelin g Certification
Internal
Environment
Figure 1: Quality Assessment Methods

115
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 4.8 Managing the Institutional Environment
The management of quality takes place within the NIS institutional en vironment. Measures in
place to create and support an environment an d culture that recognizes the importance of
quality include the following:
 A program of recruitment and developm ent for major occupational groups.
 An overall training and development framework.
 The National Training Centre.
 A staff opinion survey was conducted in 2004 and another is scheduled for 2011.
 Establishing specific areas of expertise and oversight committees, for example in sampling
and estimation, and in IT applications.
 Protocols and conventions with other government departments and agencies that are either
providers of administrative data, users of statistical data or both.
 Procedures to handle respondent complaints.
 Establishment of respondent burden measurements for business surveyes.
There is considerable scope fo r improvements for example (1) establishing and reinforcing
areas of methodological expertise, (2) encouraging data analysis both to better inform users via
commentaries on data outputs and to detect da ta problems and deficiencies, (3) extending
respondent burden measurements to all statistical surveys.
References
Eurostat (2002) Business Methods Your Guide to Business Statistics Methodology .
Eurostat (2000) Handbook on Design and Implementation of Business Surveys .
Fellegi, I. (1996). Characteristics of an effective statistical system . International Statistical Review,
64, 165-197
Trewin, D. (2002). The importance of a quality culture . Survey Methodology, 28, 125-133.

116

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics 5 Appendix: European Statistical System Quality Policies
5.1 ESS Quality Declaration
The mission of the European Statistical System
“We provide the European Union and the World wi th high quality information on the economy
and society at the European, national and regional levels and make the information available to
everyone for decision-making p urposes, research and debate.”
The vision of the European Statistical System
“The ESS will be a world leader in statistical information services and the most important
information provider for the European Union and its member states. Based on scientific
principles and methods, the ESS will offer and continuously improve a programme of harmonized European statistics that constitutes an essential basis for de mocratic processes and
progress in society.”
User focus
We provide our users with products and services that meet their needs. The articulated and
non-articulated needs, demands and expectations of external and internal users will guide the
ESS, its members, their employees and operations.
Continuous improvement
The needs and demands of users will change as will the environment we operate in.
Globalisation and advances in methods and tec hnology will avail new possibilities. It is
imperative that we actively strive to improve our work methods to take advantage of the new
possibilities and to better meet the demands of our users.
Product quality commitment
We produce high quality statistical information according to scientific methods in accordance with objectivity and confidentiality. We provide information on the main quality characteristics of each product so that users are able to assess product quality.
Accessibility of information
We provide statistical results in a user-friendly and accessible form. Utilizing the possibilities of
new media ensures easy access to the information. As far as possible, we will enhance user awareness of the strengths and li mitations of the produced statis tics. Consulting on how to use
data is an integral part of dissemination.
Partnership with and beyond the European Statistical System
The cooperation between current and future members of the ESS as well as with other
organisations will be encouraged. Only by working together, can we learn from others and gradually develop our system. The broad knowledg e of staff and our users, suppliers, partners
and other parties must be combined for us to excel in our purpose.
Respects for the needs of data providers
The suppliers of data for statistics – the respon dents – are an especially important group with
which a mutually rewarding partnership must be es tablished. The producers of statistics should
strive to always minimise the respondent burd en, both the objective and the perceived burden.

117
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Commitment of leadership
The leaders of the organisations in the ESS exerci se a personal, active, and visible leadership to
create and sustain a culture of quality. By providing a clear overall direction, prioritizing
improvement activities and stimulating empowerme nt and innovation, leaders enable the staff
to perform a successful job and to co ntinuously strive for improvement.
Systematic quality management
We systematically and regularly identify stre ngths and weaknesses in all relevant areas to
continuously identify and implement improvem ents where needed. A long-term strategic
orientation is vital for the development of the E SS. The long-term effects in all situations must
be considered with the more obvious short-term effects.
Effective and efficient processes
ESS activities should be seen as processes that create value for the users. We work efficiently to
produce output with as little re sources as possible and to prevent errors in the processes and
products. The processes and their quality are continuously reviewed and improved.
Staff satisfaction and development
To attract and keep competent staff, it is vita l to satisfy staff needs. The ESS members should
treat their employees as the key resources they are.
5.2 European Statistics Code of Practice
For the national and community statistical authorities
Adopted by the Statistical Programme Committee on 24 February 2005 and promulgated in the
Commission Recommendation of 25 May 2005 on the In dependence, Integrity and Accountability of
the National and Community Statistical Authorities
The European Statistics Code of Practice is ba sed on 15 principles. Gove rnance authorities and
statistical authorities in the European Union commit themselves to adhering to the principles fixed
in this code covering the instit utional environment, statistical processes and outputs. A set of
indicators of good practice for each of the 15 principles provides a reference for reviewing the
implementation of the Code.
Institutional environment
Institutional and organisational factors have a significant influence on the effectiveness and credibility of a statistical author ity producing and disseminating Eu ropean statistics. The relevant
issues are professional independence, mandate for da ta collection, adequacy of resources, quality
commitment, statistical confidentia lity, impartiality and objectivity.
PRINCIPLE 1: PROFESSIONAL INDEPENDENCE
The professional independence of statistical authorities from other policy, regulatory or
administrative departments and bodies, as well as from private sector operators, ensures the
credibility of European statistics.
Indicators
 The independence of the statisti cal authority from political an d other external interference
in producing and dissemin ating official statistics is specified in law.

118

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  The head of the statistical authority has suffici ently high hierarchical standing to ensure
senior-level access to policy auth orities and administrative publ ic bodies. He/she should be
of the highest professional calibre.
 The head of the statistical authority and, wh ere appropriate, the he ads of its statistical
bodies have responsibility for ensuring that European statistics are produced and
disseminated in an independent manner.
 The head of the statistical authority and, wh ere appropriate, the he ads of its statistical
bodies have the sole responsibility for deci ding on statistical methods, standards and
procedures, and on the content and timing of statistical releases.
 The statistical work programmes are published, and periodic reports describe progress
made.
 Statistical releases are clearly distinguished and issued separately from political/policy
statements.
 The statistical authority, when appropriate, comments publicly on statistical issues,
including criticisms and misu ses of official statistics.
PRINCIPLE 2: MANDATE FOR DATA COLLECTION
Statistical authorities must have a clear lega l mandate to collect in formation for European
statistical purposes. Administrations, enterprise s and households, and the public at large may
be compelled by law to allow access to or delive r data for European statistical purposes at the
request of statistical authorities.
Indicators
 The mandate to collect information for the production and dissemination of official
statistics is specified in law.
 The statistical authority is allowed by national legislation to use administrative records for
statistical purposes.
 On the basis of a legal act, the statistical authority may compel response to statistical
surveys.
PRINCIPLE 3: ADEQUACY OF RESOURCES
The resources available to statistical authorities mu st be sufficient to meet European statistics
requirements.
Indicators
 Staff, financial, and computing resources, adeq uate both in magnitude and in quality, are
available to meet current European statistics needs.
 The scope, detail and cost of European statistics are commensurate with needs.
 Procedures exist to assess and justify demands for new European statistics against their
cost.
 Procedures exist to assess the continuing need for all European statistics, to see if any can
be discontinued or curtailed to free up resources.
PRINCIPLE 4: QUALITY COMMITMENT
All ESS members commit themselves to work and co operate according to the principles fixed in
the ‘Quality declaration of the European statistical system’.

119
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Indicators
 Product quality is regularly monitored a ccording to the ESS quality components.
 Processes are in place to monitor the quality of the collection, processing and
dissemination of statistics.
 Processes are in place to deal with quality considerations, including trade-offs within
quality, and to guide planning for existing and emerging surveys.
 Quality guidelines are documented and staff ar e well trained. These guidelines are spelled
out in writing and made known to the public.
 There is a regular and thorough review of the key statistical outputs using external experts
where appropriate.
PRINCIPLE 5: STATISTICAL CONFIDENTIALITY
The privacy of data providers (households, enterprises, administrations and other respondents),
the confidentiality of the information they provid e and its use only for statistical purposes must
be absolutely guaranteed.
Indicators
 Statistical confidentiality is guaranteed in law.
 Statistical authority staff si gn legal confidentiality commitments on appointment.
 Substantial penalties are prescribed for any wilf ul breaches of statis tical confidentiality.
 Instructions and guidelines are provided on the protection of statistical confidentiality in
the production and dissemination processes. These guidelines are spelled out in writing
and made known to the public.
 Physical and technological provisions are in pl ace to protect the security and integrity of
statistical databases.
 Strict protocols apply to external users a ccessing statistical microdata for research
purposes.
PRINCIPLE 6: IMPARTIALITY AND OBJECTIVITY
Statistical authorities must produce and dissemin ate European statistics respecting scientific
independence and in an objective, professional and transparent manner in which all users are treated equitably.
Indicators
 Statistics are compiled on an objective basi s determined by statistical considerations.
 Choices of sources and statistical techniques are informed by statis tical considerations.
 Errors discovered in published statistics are corrected at the earliest possible date and
publicised.
 Information on the methods and procedures used by the statistical authority are publicly available.
 Statistical release dates and times are pre-announced.
 All users have equal access to statistical rele ases at the same time and any privileged pre-
release access to any outside user is limited, controlled and publicised. In the event that
leaks occur, pre-release arrangements should be revised so as to ensure impartiality.
 Statistical releases and statements made in press conferences are objective and non-
partisan.

120

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics Statistical processes
European and other international standards, gu idelines and good practices must be fully
observed in the processes used by the statistica l authorities to organise, collect, process and
disseminate official statistics. Th e credibility of the statistics is enhanced by a reputation for
good management and efficiency. The relevant aspects are sound methodology, appropriate
statistical procedures, non-excessive burden on respondents and cost effectiveness.
PRINCIPLE 7: SOUND METHODOLOGY
Sound methodology must underpin quality statistics. This requires adequate tools, procedures
and expertise.
Indicators
 The overall methodological framework of the statistical authority follows European and
other international standards, guidelines and good practices.
 Procedures are in place to ensure that standard concepts, definitions and classifications are
consistently applied throughout the statistical authority.
 The business register and the frame for population surveys are regularly evaluated and
adjusted if necessary in order to ensure high quality.
 Detailed concordance exists be tween national classifications and sectorisation systems and
the corresponding European systems.
 Graduates in the relevant academic disciplines are recruited.
 Staff attend international relevant training courses and conferences, and liaise with
statistician colleagues at international level in order to learn from the best and to improve
their expertise.
 Cooperation with the scientific community to improve methodology is organised and external reviews assess the quality and e ffectiveness of the methods implemented and
promote better tools, when feasible.
PRINCIPLE 8: APPROPRIATE STATISTICAL PROCEDURES
Appropriate statistical procedures, implemented from data collecti on to data validation, must
underpin quality statistics.
Indicators
 Where European statistics are based on admini strative data, the definitions and concepts
used for the administrative purpose must be a good approximation to those required for
statistical purposes.
 In the case of statistical surveys, questionnair es are systematically te sted prior to the data
collection.
 Survey designs, sample selections, and sa mple weights are well based and regularly
reviewed, revised or updated as required.
 Field operations, data entry, and coding are routinely monitored and revised as required.
 Appropriate editing and imputation computer systems are used and regularly reviewed,
revised or updated as required.
 Revisions follow standard, well-establi shed and transparent procedures.

121
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics PRINCIPLE 9: NON-EXCESSIVE BURDEN ON RESPONDENTS
The reporting burden should be proportionate to the needs of the users and should not be
excessive for respondents. The statistical auth ority monitors the response burden and sets
targets for its reduction over time.
Indicators
 The range and detail of European statistics demands is limited to what is absolutely
necessary.
 The reporting burden is spread as widely as possible over survey populations through
appropriate sampling techniques.
 The information sought from busi nesses is, as far as possible, readily available from their
accounts and electronic means are used where possible to facilitate its return.
 Best estimates and approximations are acce pted when exact details are not readily
available.
 Administrative sources are used whenever possible to avoid duplicating requests for
information.
 Data sharing within statistical authorities is ge neralised in order to avoid multiplication of
surveys.
PRINCIPLE 10: COST EFFECTIVENESS
Resources must be effectively used.
Indicators
 Internal and independent external measures monitor the statistical authority’s use of
resources.
 Routine clerical operations (e.g. data capture , coding and validation) are automated to the
extent possible.
 The productivity potential of informatio n and communications technology is being
optimised for data collection, processing and dissemination.
 Proactive efforts are being made to improve the statistical potential of administrative records and avoid cost ly direct surveys.
Statistical Output
Available statistics must meet users’ needs. St atistics comply with European quality standards
and serve the needs of European institutions, governments, research institutions, business
concerns and the public generally. The import ant issues concern the extent to which the
statistics are relevant, accurate and reliable, timely, coherent, comparable across regions and
countries, and readily accessible by users.
PRINCIPLE 11: RELEVANCE
European statistics must meet the needs of users.
Indicators
 Processes are in place to consult users, mo nitor the relevance and practical utility of
existing statistics in meeting their needs, and advise on their emerging needs and priorities.
 Priority needs are being met and reflected in the work programme.
 User satisfaction surveys are undertaken periodically.

122

Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics PRINCIPLE 12: ACCURACY AND RELIABILITY
European statistics must accurately and reliably portray reality.
Indicators
 Source data, intermediate results and statis tical outputs are assessed and validated.
 Sampling errors and non-samp ling errors are measured and systematically documented
according to the framework of the ESS quality components.
 Studies and analyses of revisions are carried out routinely and used internally to inform
statistical processes.
PRINCIPLE 13: TIMELINESS AND PUNCTUALITY
European statistics must be disseminated in a timely and punctual manner.
Indicators
 Timeliness meets the highest European and international dissemination standards.
 A standard daily time is set for the release of European statistics.
 Periodicity of European statistics takes accoun t of user requirements as much as possible.
 Any divergence from the dissemi nation time schedule is publicised in advance, explained
and a new release date set.
 Preliminary results of acceptable aggregate quality can be disseminated when considered
useful.
PRINCIPLE 14: COHERENCE AND COMPARABILITY
European statistics should be consistent internally, over time and comparable between regions
and countries; it should be possible to comb ine and make joint use of related data from
different sources.
Indicators
 Statistics are internally coherent and consistent (e.g. arithmetic and accounting identities
observed).
 Statistics are coherent or reconcilable over a reasonable period of time.
 Statistics are compiled on the basis of common standards with respect to scope, definitions,
units and classifications in th e different surveys and sources.
 Statistics from the different surveys an d sources are compared and reconciled.
 Cross-national comparability of the data is ensured through periodical exchanges between
the European statistical system and other stat istical systems; methodological studies are
carried out in close cooperation bet ween the Member States and Eurostat.
PRINCIPLE 15: ACCESSIBILITY AND CLARITY
European statistics should be presented in a cl ear and understandable form, disseminated in a
suitable and convenient manner, available and ac cessible on an impartial basis with supporting
metadata and guidance.
Indicators
 Statistics are presented in a form that faci litates proper interpretation and meaningful
comparisons.

123
Ghid de calitate al statisticii oficiale din România
Quality Guidelines for Romanian Official Statistics  Dissemination services use modern informat ion and communication technology and, if
appropriate, traditional hard copy.
 Custom-designed analyses are provided when feasible and are made public.
 Access to microdata can be allowed for research purposes. This access is subject to strict
protocols.
 Metadata are documented according to standardised metadata systems.
 Users are kept informed on the methodology of statistical processes and the quality of
statistical outputs with respect to the ESS quality criteria.

Reproducerea conținutului acestei
publicații, integrală sau parțială, în formă
originală sau modificată, precum și
stocarea într-un sistem de regăsire sau transmiterea sub orice formă și prin orice
mijloace sunt interzise fără autorizarea
scrisă a Institutului Național de Statistică.
Utilizarea conținutului acestei publicații, cu
titlu explicativ sau justificativ, în articole, studii, cărți, este autorizată numai cu
indicarea clară și precisă a sursei. Reproducing the content of this publication,
in its entirety or partially, in its original form or in a modified form, and also its keeping in a retrieval system or its transmission under any form and by any means are forbidden unless there is a written authorization in this respect
from the National Institute for Statistics.
The use of the content of this publication, as
an explanation or justification, in articles, studies or books is authorized only if the source is clearly and precisely mentioned.