Estimation de la variance des estimateurs de calage : comparaison des méthodes du jackknife et de la linéarisation de Taylor - ARCHIVÉ

L'utilisation de données auxiliaires dans les méthodes d'estimation des enquêtes complexes, notamment l'Enquête sur la population active de Statistique Canada, ne cesse de se perfectionner. L'estimation par régression et l'estimation par itération du quotient étaient naguère les méthodes les plus courantes pour intégrer les données auxiliaires à l'estimation. Il arrivait toutefois que les poids associés à l'estimateur soient négatifs ou hautement positifs. Les progrès théoriques réalisés récemment par Deville et Sárndal (1992) en vue de la construction de poids "restrictifs" que l'on peut assujettir à une valeur positive et à un plafond nous ont incités à étudier les propriétés des estimateurs en résultant. Nous examinons ici les propriétés de diverses méthodes servant à engendrer des poids de ce genre et la variance estimative correspondante. Nous nous intéresserons en particulier à deux méthodes d'estimation de la variance en recourant à une simulation de Monte Carlo articulée sur les données de l'Enquête sur la population active. Il s'agit en l'occurrence des méthodes du jackknife et de la linéarisation de Taylor. On en conclut que les estimateurs ponctuels et les estimateurs de la variance n'entraînent qu'un biais minime, même avec l'application de sérieuses "restrictions" aux poids finals.