Recherche par mot-clé
Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Type
Résultats
Tout (6)
Tout (6) ((6 résultats))
- Articles et rapports : 12-001-X20050029053Description :
Nous proposons un modèle de régression spatial dans un cadre général de modèles à effets mixtes pour résoudre le problème de l'estimation pour petits domaines. L'utilisation d'un paramètre d'autocorrélation commun à l'ensemble de petits domaines permet de produire de meilleures estimations pour petits domaines. Ce paramètre s'avère fort utile dans les cas où l'utilisation de variables exogènes améliore peu ces estimations. Nous élaborons également une approximation de deuxième ordre de l'erreur quadratique moyenne (EQM) du meilleur prédicteur linéaire sans biais empirique (MPLNBE). En suivant l'approche des filtres de Kalman, nous proposons un modèle spatio temporel. Dans ce cas également, nous obtenons une approximation de deuxième ordre de la EQM du MPLNBE. À titre d'étude de cas, nous utilisons les données de la série chronologique sur les dépenses de consommation mensuelles par habitant (DCMH) provenant de la National Sample Survey Organisation (NSSO) du ministère de la Statistique et de la Mise en 'uvre des programmes du gouvernement de l'Inde pour valider les modèles.
Date de diffusion : 2006-02-17 - Articles et rapports : 11-522-X20030017695Description :
Dans ce document, on propose certaines méthodes en vue de corriger une série désaisonnalisée de sorte que ses totaux annuels correspondent à ceux de la série brute. Ces méthodes sont illustrées au moyen de séries désaisonnalisées obtenues par la méthode X-11-ARIMA ou X-12-ARIMA.
Date de diffusion : 2005-01-26 - Enquêtes et programmes statistiques — Documentation : 11-522-X19990015656Description :
Les études de séries chronologiques montrent qu'il existe une association entre la concentration des polluants atmosphériques, d'une part, et la morbidité et la mortalité, d'autre part. En général, ces études sont réalisées dans une seule ville, en appliquant diverses méthodes. Les critiques concernant ces études ont trait à la validité des ensembles de données utilisés et aux méthodes statistiques qui leur sont appliquées, ainsi qu'au manque de cohérence des résultats des études menées dans des villes différentes et même des nouvelles analyses indépendantes des données d'une ville particulière. Dans le présent article, nous examinons certaines des méthodes statistiques utilisées pour analyser un sous-ensemble de données nationales sur la pollution atmosphérique, la mortalité et les conditions météorologiques recueillies durant la National Morbidity and Mortality Air Pollution Study (NMMAPS).
Date de diffusion : 2000-03-02 - Enquêtes et programmes statistiques — Documentation : 11-522-X19990015688Description :
Des données de sources multiples sont couplées pour examiner les liens géographique et temporel entre la pollution atmosphérique et l'asthme. Ces sources incluent les dossiers administratifs établis par 59 cabinets de médecins généralistes répartis à travers l'Angleterre et le Pays de Galles au sujet d'un demi million de patients venus à la consultation pour cause d'asthme, ainsi que des renseignements socioéconomiques recueillis dans le cadre d'une enquête par interview. Les codes postaux permettent de coupler ces données à celles sur i) la densité routière calculée pour les routes locales, ii) les émissions estimatives de dioxyde de soufre et d'oxydes d'azote, iii) la concentration de fumée noire, de dioxyde de soufre, de dioxyde d'azote et d'autres polluants mesurée ou interpolée aux emplacements des cabinets de médecins. Parallèlement, on analyse des séries chronologiques de Poisson, en tenant compte des variations entre cabinets de médecins, pour examiner les corrélations quotidiennes dans le cas des cabinets situés près des stations de surveillance de la qualité de l'air. Les analyses préliminaires montrent une association faible, en général non significative, entre les taux de consultations et les marqueurs de pollution. On examine les problèmes méthodologiques que posent la combinaison de données de ce genre et l'interprétation des résultats.
Date de diffusion : 2000-03-02 - Articles et rapports : 12-001-X19990014709Description :
Nous élaborons une méthode qui permet d'estimer la variance dans le cas de la désaisonnalisation effectuée à l'aide de la méthode X-11 et qui prend en compte les effets de l'erreur d'échantillonnage et des erreurs liées à l'extension de prévision. Dans notre méthode, l'erreur de désaisonnalisation présente dans les valeurs centrales d'une série chronologique suffisamment longue est causée uniquement par les effets de l'application de filtres X-11 aux erreurs d'échantillonnage. Vers les deux extrémités d'une série, nous prenons également en considération la contribution des erreurs d'extrapolation rétrospective et de prévision à l'erreur de désaisonnalisation. Nous élargissons notre méthode afin d'obtenir la variance d'erreurs contenues dans des estimations de tendance X-11 et de prendre en compte l'erreur d'estimation de coefficients de régression utilisés pour modéliser, par exemple, des effets de calendrier. Dans le cas de nos résultats empiriques, la contribution la plus importante à la variance de la désaisonnalisation provenait souvent de l'erreur d'échantillonnage. Cependant, la variance des estimations de tendance augmentait de façon importante aux extrémités des séries, en raison des effets d'erreurs d'extrapolation rétrospective et de prévision. En outre, des composantes non stationnaires des erreurs d'échantillonnage produisaient des patrons singuliers dans la variance de la désaisonnalisation et de l'estimation de tendance.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19960022979Description :
Dans cet article, les auteurs comparent empiriquement trois méthodes d'estimation - par régression, par régression restreinte au moyen de la méthode dite de la personne principale - utilisées dans une enquête-ménage sur les dépenses de consommation. Les trois méthodes sont appliquées à la stratification a posteriori, qui est importante dans de nombreuses enquêtes-ménages afin de corriger le sous-dénombrement de la population cible. Dans les recensements externes, on dispose habituellement de chiffres de population pour des strates a posteriori pour les personnes, mais non pour les ménages. Si on a besoin d'estimations par ménage, on doit assigner un facteur de pondération unique à chaque ménage, tout en utilisant le nombre de personnes pour la stratification a posteriori. On y parvient facilement en employant des estimateurs de régression pour les totaux ou les moyennes, et en utilisant le nombre de personnes dans les données auxiliaires de chaque ménage. L'estimation par régression restreinte permet de mieux calculer les facteurs de pondération, car on contrôle les valeurs extrêmes et l'on peut obtenir des estimateurs présentant une variance moindre que les estimateurs de Horvitz-Thompson, tout en respectant les totaux de contrôle de la population. Les méthodes de régression permettent également d'utiliser des contrôles pour les chiffres au niveau des personnes et des ménages et pour les données auxiliaires quantitatives. Avec la méthode dite de la personne principale, les personnes sont classées dans les strates a posteriori, et les facteurs de pondération pour les personnes font l'objet d'un rajustement par quotient afin d'obtenir des totaux de contrôle de la population. De la sorte, chaque personne dans un ménage peut se voir attribuer un facteur de pondération différent. Le facteur de pondération associé à la "personne principale" est alors choisi comme facteur de pondération pour le ménage. Nous comparerons les moyennes calculées à partir des trois méthodes, ainsi que leurs erreurs-types estimées, pour un certain nombre de dépenses tirées de l'enquête sur les dépenses de consommation parrainée par le Bureau of Labor Statistics.
Date de diffusion : 1997-01-30
Données (0)
Données (0) (0 résultat)
Aucun contenu disponible actuellement
Analyses (4)
Analyses (4) ((4 résultats))
- Articles et rapports : 12-001-X20050029053Description :
Nous proposons un modèle de régression spatial dans un cadre général de modèles à effets mixtes pour résoudre le problème de l'estimation pour petits domaines. L'utilisation d'un paramètre d'autocorrélation commun à l'ensemble de petits domaines permet de produire de meilleures estimations pour petits domaines. Ce paramètre s'avère fort utile dans les cas où l'utilisation de variables exogènes améliore peu ces estimations. Nous élaborons également une approximation de deuxième ordre de l'erreur quadratique moyenne (EQM) du meilleur prédicteur linéaire sans biais empirique (MPLNBE). En suivant l'approche des filtres de Kalman, nous proposons un modèle spatio temporel. Dans ce cas également, nous obtenons une approximation de deuxième ordre de la EQM du MPLNBE. À titre d'étude de cas, nous utilisons les données de la série chronologique sur les dépenses de consommation mensuelles par habitant (DCMH) provenant de la National Sample Survey Organisation (NSSO) du ministère de la Statistique et de la Mise en 'uvre des programmes du gouvernement de l'Inde pour valider les modèles.
Date de diffusion : 2006-02-17 - Articles et rapports : 11-522-X20030017695Description :
Dans ce document, on propose certaines méthodes en vue de corriger une série désaisonnalisée de sorte que ses totaux annuels correspondent à ceux de la série brute. Ces méthodes sont illustrées au moyen de séries désaisonnalisées obtenues par la méthode X-11-ARIMA ou X-12-ARIMA.
Date de diffusion : 2005-01-26 - Articles et rapports : 12-001-X19990014709Description :
Nous élaborons une méthode qui permet d'estimer la variance dans le cas de la désaisonnalisation effectuée à l'aide de la méthode X-11 et qui prend en compte les effets de l'erreur d'échantillonnage et des erreurs liées à l'extension de prévision. Dans notre méthode, l'erreur de désaisonnalisation présente dans les valeurs centrales d'une série chronologique suffisamment longue est causée uniquement par les effets de l'application de filtres X-11 aux erreurs d'échantillonnage. Vers les deux extrémités d'une série, nous prenons également en considération la contribution des erreurs d'extrapolation rétrospective et de prévision à l'erreur de désaisonnalisation. Nous élargissons notre méthode afin d'obtenir la variance d'erreurs contenues dans des estimations de tendance X-11 et de prendre en compte l'erreur d'estimation de coefficients de régression utilisés pour modéliser, par exemple, des effets de calendrier. Dans le cas de nos résultats empiriques, la contribution la plus importante à la variance de la désaisonnalisation provenait souvent de l'erreur d'échantillonnage. Cependant, la variance des estimations de tendance augmentait de façon importante aux extrémités des séries, en raison des effets d'erreurs d'extrapolation rétrospective et de prévision. En outre, des composantes non stationnaires des erreurs d'échantillonnage produisaient des patrons singuliers dans la variance de la désaisonnalisation et de l'estimation de tendance.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19960022979Description :
Dans cet article, les auteurs comparent empiriquement trois méthodes d'estimation - par régression, par régression restreinte au moyen de la méthode dite de la personne principale - utilisées dans une enquête-ménage sur les dépenses de consommation. Les trois méthodes sont appliquées à la stratification a posteriori, qui est importante dans de nombreuses enquêtes-ménages afin de corriger le sous-dénombrement de la population cible. Dans les recensements externes, on dispose habituellement de chiffres de population pour des strates a posteriori pour les personnes, mais non pour les ménages. Si on a besoin d'estimations par ménage, on doit assigner un facteur de pondération unique à chaque ménage, tout en utilisant le nombre de personnes pour la stratification a posteriori. On y parvient facilement en employant des estimateurs de régression pour les totaux ou les moyennes, et en utilisant le nombre de personnes dans les données auxiliaires de chaque ménage. L'estimation par régression restreinte permet de mieux calculer les facteurs de pondération, car on contrôle les valeurs extrêmes et l'on peut obtenir des estimateurs présentant une variance moindre que les estimateurs de Horvitz-Thompson, tout en respectant les totaux de contrôle de la population. Les méthodes de régression permettent également d'utiliser des contrôles pour les chiffres au niveau des personnes et des ménages et pour les données auxiliaires quantitatives. Avec la méthode dite de la personne principale, les personnes sont classées dans les strates a posteriori, et les facteurs de pondération pour les personnes font l'objet d'un rajustement par quotient afin d'obtenir des totaux de contrôle de la population. De la sorte, chaque personne dans un ménage peut se voir attribuer un facteur de pondération différent. Le facteur de pondération associé à la "personne principale" est alors choisi comme facteur de pondération pour le ménage. Nous comparerons les moyennes calculées à partir des trois méthodes, ainsi que leurs erreurs-types estimées, pour un certain nombre de dépenses tirées de l'enquête sur les dépenses de consommation parrainée par le Bureau of Labor Statistics.
Date de diffusion : 1997-01-30
Références (2)
Références (2) ((2 résultats))
- Enquêtes et programmes statistiques — Documentation : 11-522-X19990015656Description :
Les études de séries chronologiques montrent qu'il existe une association entre la concentration des polluants atmosphériques, d'une part, et la morbidité et la mortalité, d'autre part. En général, ces études sont réalisées dans une seule ville, en appliquant diverses méthodes. Les critiques concernant ces études ont trait à la validité des ensembles de données utilisés et aux méthodes statistiques qui leur sont appliquées, ainsi qu'au manque de cohérence des résultats des études menées dans des villes différentes et même des nouvelles analyses indépendantes des données d'une ville particulière. Dans le présent article, nous examinons certaines des méthodes statistiques utilisées pour analyser un sous-ensemble de données nationales sur la pollution atmosphérique, la mortalité et les conditions météorologiques recueillies durant la National Morbidity and Mortality Air Pollution Study (NMMAPS).
Date de diffusion : 2000-03-02 - Enquêtes et programmes statistiques — Documentation : 11-522-X19990015688Description :
Des données de sources multiples sont couplées pour examiner les liens géographique et temporel entre la pollution atmosphérique et l'asthme. Ces sources incluent les dossiers administratifs établis par 59 cabinets de médecins généralistes répartis à travers l'Angleterre et le Pays de Galles au sujet d'un demi million de patients venus à la consultation pour cause d'asthme, ainsi que des renseignements socioéconomiques recueillis dans le cadre d'une enquête par interview. Les codes postaux permettent de coupler ces données à celles sur i) la densité routière calculée pour les routes locales, ii) les émissions estimatives de dioxyde de soufre et d'oxydes d'azote, iii) la concentration de fumée noire, de dioxyde de soufre, de dioxyde d'azote et d'autres polluants mesurée ou interpolée aux emplacements des cabinets de médecins. Parallèlement, on analyse des séries chronologiques de Poisson, en tenant compte des variations entre cabinets de médecins, pour examiner les corrélations quotidiennes dans le cas des cabinets situés près des stations de surveillance de la qualité de l'air. Les analyses préliminaires montrent une association faible, en général non significative, entre les taux de consultations et les marqueurs de pollution. On examine les problèmes méthodologiques que posent la combinaison de données de ce genre et l'interprétation des résultats.
Date de diffusion : 2000-03-02
- Date de modification :