Así como la CdeR establece la infraestructura estadística para todas las mediciones habituales, dentro de estas últimas las de menor frecuencia son referencia para las de mayor frecuencia, en virtud de la cobertura y robustez de la información sobre la cual se compilan. Por ejemplo, en el caso de las mediciones con frecuencia anual, las fuentes de información corresponden a encuestas estructurales, cuya cobertura es amplia (censos o muestras representativas a un alto nivel de desagregación), en tanto, las estadísticas de mayor frecuencia se compilan a partir de indicadores que en general miden producción, los que a su vez se construyen en base a muestras estadísticas más reducidas.

Dado que las mediciones de baja frecuencia son consideradas referentes para los cálculos de alta frecuencia, ambos resultados deben ser consistentes entre sí; es decir, las CNT con las CNA, y a su vez, el Imacec con las CNT. Sin embargo, esto no suele ser así, precisamente porque los resultados se basan en fuentes de información distintas y, por lo tanto, en métodos diferentes; por ejemplo, es habitual que las mediciones de un determinado año obtenidas a partir de las CNA, difiera de la sumatoria anual de los indicadores utilizados para el cálculo trimestral de dicho año. Dadas estas diferencias, las series de mayor frecuencia deben ajustarse a las CNA de modo de asegurar consistencia entre las estimaciones, lo cual se realiza por medio de un ejercicio de desagregación temporal o benchmarking.

El benchmarking es un método estadístico que ancla las cifras de mayor frecuencia a otras de menor periodicidad, unificando las características de ambos tipos de series. Mientras las estimaciones de mayor frecuencia aportan oportunidad y los componentes propios de estas series¹⁸, las de menor frecuencia contribuyen a la calidad de los cálculos; el benchmarking combina ambas fortalezas. Específicamente, rescata la evolución de las series de alta frecuencia y los niveles de las series de baja frecuencia temporal (o benchmarks¹⁹). Los casos más habituales de benchmarking corresponden a frecuencias anual-mensual, anual-trimestral y trimestral-mensual. En la práctica, esta técnica es utilizada ampliamente en la elaboración de los agregados de cuentas nacionales.

En términos generales, el proceso de benchmarking consiste en imponer los valores de baja frecuencia a los valores de alta frecuencia, de modo que el resultado de la agregación temporal de las series ajustadas coincida con su respectiva referencia. Lo anterior supone que las referencias miden adecuadamente el agregado económico deseado, por lo que las series ajustadas corresponden sólo a las de alta frecuencia.

Para conceptualizar el benchmarking, en este documento se consideran las referencias como de “baja frecuencia” ( bf ) y los indicadores como de “alta frecuencia” ( af ), definidas como:

donde:
   {1,2,…,T} se refiere a un grupo de días, meses y trimestres contiguos; y {1, 2, …, M} se refiere a un grupo
   de referencias (anuales, por ejemplo) no necesariamente contiguas, que abarcan el mismo período²⁰.

En general, la agregación temporal de los indicadores de alta frecuencia resulta distinta a la referencia. Formalmente, estas discrepancias pueden describirse como sigue:

donde:
   t_1m y t_Lm representan el primer y último período de alta frecuencia coherente con el espectro temporal
   que cubre la referencia en cada una de las observaciones m (por ejemplo, enero y diciembre en el caso
   de indicadores mensuales para referencias anuales), y j_mt representa el vector de agregación (suma    ponderada) que relaciona el indicador con la referencia²¹. Alternativamente, la discrepancia puede
   expresarse en términos proporcionales:

Las discrepancias reflejan la relación entre las referencias y el indicador, de manera de evaluar si ambas series expresadas en baja frecuencia muestran evoluciones similares. Este es el primer indicio de la calidad del indicador en cuanto a su capacidad de reflejar el comportamiento de la medición de referencia.

El ejercicio de benchmarking consiste en corregir el indicador de alta frecuencia de forma que su agregado temporal coincida con el de la referencia. Matemáticamente, y utilizando la notación previa:
${}_{}$

donde   corresponde a la serie ajustada a las referencias.
 

Para este ejercicio, se consideran las series de baja frecuencia como referencias estrictas, es decir, bf_m no sufre modificaciones.

Por lo tanto, el problema de la estimación de θ_t se reduce a obtener estimaciones que dependerán del método de desagregación que se utilice, tal como se resume a continuación:

De acuerdo con la expresión anterior, la estimación final θ no es más que una corrección del indicador de alta frecuencia af. Esta corrección está compuesta de dos partes: F y d, donde d es la diferencia anual entre el indicador y las referencias, la cual es distribuida a través del filtro F. Este filtro considera toda la información contenida en la matriz de varianzas-covarianzas del error de regresión, es decir, las varianzas (desviaciones estándar) y las autocorrelaciones de los indicadores. Así, las series ajustadas son los indicadores a los cuales se les distribuye el descuadre anual de una manera acorde con la dinámica del ajuste, respetando los niveles anuales y minimizando los quiebres entre períodos contiguos²².