En las situaciones que existe buenas razones para suponer la presencia de un sesgo sistemático que, a posteriori, produzca inferencias sesgadas también existen buenas razones para implementar algún tipo de ajuste por imperfecto que este sea (Little & Rubin, 1987). Siguiendo esta premisa, en lo que sigue se intentará primero localizar y luego corregir (con limitaciones), el sesgo de selección derivado del diseño muestral con la que se trabajará.1 Como se detalló en la sección 􀈡Estructura de datos􀈢 del capítulo 4 (§4.2), el mayor sesgo de un diseño transversal con preguntas retrospectivas es la extinción real de las unidades de análisis en la población a medida que se aleja retrospectivamente hacia el período de referencia de las preguntas (Winship & Mare, 1992)(Noymer, 2001). Este tipo de problemas, que se podría denominar de casos faltantes, se suelen atenuar mediante una calibración basada en modelos teóricos y difiere cualitativamente de aquellos que se producen por datos faltantes (missing data) que son usados, por ejemplo, en las estimaciones de ingreso.