Recherche par mot-clé

Aller au contenu principal
Aller au pied de page

Sélection de la langue

English

Recherche et menus

Recherche et menus

Rechercher

Résultats

Tout (5)

Tout (5) ((5 résultats))

1. Base de données complètes sur les exploitations agricoles : manuel de référence Archivé
Enquêtes et programmes statistiques — Documentation : 21F0005G
Description :
La Base de données complètes sur les exploitations agricoles (BDCEA) est le résultat d'un projet mené conjointement par Agriculture et Agroalimentaire Canada et Statistique Canada. La base a été élaborée pour répondre à un besoin accru de données plus désagrégées au niveau de l'exploitation agricole. La base de données fournit aux utilisateurs l'outil dont ils ont besoin pour évaluer les politiques et programmes agricoles de même que la viabilité, la stabilité et la compétitivité de différents types d'exploitations agricoles.
Pour concevoir la BDCEA, on a intégré les résultats de diverses enquêtes et des données provenant de dossiers administratifs. La BDCEA peut fournir aux utilisateurs un éventail plus vaste que jamais de données désagrégées de nature physique et financière à l'égard des exploitations agricoles.
Ce manuel initiera les utilisateurs éventuels de la BDCEA avec la structure de la base et les normes de qualité des données qu'elle contient et décriront les différents produits et services offerts à l'heure actuelle par la BDCEA.
Date de diffusion : 2011-12-23
2. Modélisation des données d'enquêtes complexes : Pourquoi les modéliser ? Pourquoi est-ce un problème ? Comment le résoudre ? Archivé
Articles et rapports : 12-001-X201100211602
Description :
Cet article tente de répondre aux trois questions énoncées dans le titre. Il commence par une discussion des caractéristiques uniques des données d'enquêtes complexes qui diffèrent de celles des autres ensembles de données ; ces caractéristiques requièrent une attention spéciale, mais suggèrent une vaste gamme de procédures d'inférence. Ensuite, un certain nombre d'approches proposées dans la documentation pour traiter ces caractéristiques sont passées en revue en discutant de leurs mérites et de leurs limites. Ces approches diffèrent en ce qui a trait aux conditions qui sous-tendent leur utilisation, aux données additionnelles requises pour leur application, aux tests d'adéquation de l'ajustement du modèle, aux objectifs d'inférence qu'elles permettent de satisfaire, à l'efficacité statistique, aux demandes de ressources informatiques et aux compétences que doivent posséder les analystes qui ajustent les modèles. La dernière partie de l'article présente les résultats de simulations conçues pour comparer le biais, la variance et les taux de couverture des diverses approches dans le cas de l'estimation des coefficients de régression linéaire en partant d'un échantillon stratifié. Enfin, l'article se termine par une brève discussion des questions en suspens.
Date de diffusion : 2011-12-21
3. Une analyse bayésienne des probabilités de réponse dans les petits domaines sous une contrainte Archivé
Articles et rapports : 12-001-X201100211603
Description :
De nombreuses enquêtes par sondage comprennent des questions suscitant une réponse binaire (par exemple, obèse, non obèse) pour un certain nombre de petits domaines. Une inférence est requise au sujet de la probabilité d'une réponse positive (par exemple obèse) dans chaque domaine, la probabilité étant la même pour tous les individus dans chaque domaine et différente entre les domaines. Étant donné le peu de données dans les domaines, les estimateurs directs ne sont pas fiables et il est nécessaire d'utiliser des données provenant d'autres domaines pour améliorer l'inférence pour un domaine particulier. Essentiellement, il est supposé a priori que les domaines sont similaires, si bien que le choix d'un modèle hiérarchique bayésien, le modèle bêta-binomial standard, est naturel. L'innovation tient au fait qu'un praticien peut disposer d'information a priori supplémentaire qui est nécessaire au sujet d'une combinaison linéaire des probabilités. Par exemple, une moyenne pondérée des probabilités est un paramètre, et l'information peut être obtenue au sujet de ce paramètre, ce qui rend le paradigme bayésien approprié. Nous avons modifié le modèle bêta-binomial standard pour petits domaines afin d'y intégrer l'information a priori sur la combinaison linéraire des probabilités, que nous appelons une contrainte. Donc, il existe trois cas. Le practicien a) ne spécifie pas de contrainte, b) spécifie une contrainte et le paramètre entièrement et c) spécifie une contrainte et l'information qui peut être utilisée pour construire une loi a priori pour le paramètre. L'échantillonneur de Gibbs « griddy » est utilisé pour ajuster les modèles. Pour illustrer notre méthode, nous prenons l'exemple de l'obésité chez les enfants dans la National Health and Nutrition Examination Survey dans laquelle les petits domaines sont formés par croisement de l'école (cycle secondaire inférieur ou supérieur), de l'etnicité (blanche, noire, mexicaine) et du sexe (masculin, féminin). Nous procédons à une étude en simulation pour évaluer certaines caractéristiques statistiques de notre méthode. Nous avons montré que le gain de précision au-delà de (a) est dans l'ordre où (b) est plus grand que (c).
Date de diffusion : 2011-12-21
4. Estimation de l'erreur quadratique moyenne robuste au biais pour les estimateurs sur petits domaines pseudo linéaires Archivé
Articles et rapports : 12-001-X201100211604
Description :
Nous proposons une méthode d'estimation de l'erreur quadratique moyenne (EQM) pour les estimateurs des moyennes de domaine en population finie qui peuvent être exprimés sous une forme pseudo-linéaire, c'est-à-dire comme une somme pondérée des valeurs d'échantillon. En particulier, la méthode proposée peut être utilisée pour estimer l'EQM du meilleur prédicteur linéaire sans biais empirique, de l'estimateur direct fondé sur un modèle et du prédicteur du M-quantile. Elle représente une extension des idées de Royall et Cumberland (1978) et mène à des estimateurs de l'EQM qui sont plus simples à mettre en oeuvre et éventuellement plus robustes au biais que ceux proposés dans la littérature sur les petits domaines. Cependant, il convient de souligner que les estimateurs de l'EQM définis en utilisant cette méthode peuvent également présenter une grande variabilité quand les tailles d'échantillon de domaine sont très petites. Nous illustrons les propriétés de la méthode à l'aide de simulations à grande échelle sous un modèle et sous un plan de sondage, dans ce dernier cas en nous fondant sur deux ensembles de données d'enquête réels contenant des données sur des petits domaines.
Date de diffusion : 2011-12-21
5. Les résultats de l'Enquête pilote par panel auprès des ménages canadiens Archivé
Articles et rapports : 89-648-X2011001
Géographie : Canada
Description :
En janvier 2006, un congrès sur les enquêtes longitudinales organisé par Statistique Canada, le Conseil de recherches en sciences humaines du Canada (CRSH) et les Instituts de recherche en santé du Canada (IRSC) a permis de conclure que le Canada n'a pas d'enquête longitudinale lui permettant de recueillir des renseignements sur de multiples sujets tels que la famille, le capital humain, la santé de la main-d'oeuvre et le suivi des répondants pour une longue période dans le temps. Suite à ce congrès, du financement provenant du Fonds du Groupe de données pour la recherche sur les politiques (GDRP) a été accordé afin de soutenir l'enquête pilote pour la nouvelle Enquête par panel auprès des ménages canadiens (EPMC-Pilote). Des consultations concernant le plan et le contenu ont eu lieu avec des experts universitaires et politiques en 2007 et 2008, et une enquête pilote a été menée à l'automne 2008. Les objectifs de l'enquête pilote étaient 1) de soumettre un questionnaire à un test, évaluer la longueur de l'interview et examiner la qualité des données; 2) d'évaluer plusieurs caractéristiques du plan; et 3) de vérifier la réaction des répondants et des interviewers sur le terrain à propos de l'enquête. L'enquête pilote a été menée avec un taux de réponse de 76 %, et un temps d'entrevue moyen de 64 minutes par ménages. Plusieurs innovations dans les caractéristiques du plan ont été évaluées, et se sont avérées viables. La réponse à l'enquête provenant des répondants ou des interviewers a été positive. Cet article met en évidence ces résultats ainsi que d'autres résultats tirés de l'EPMC-Pilote.
Date de diffusion : 2011-09-14

Données (0)

Données (0) (0 résultat)

Aucun contenu disponible actuellement

Analyses (4)

Analyses (4) ((4 résultats))

1. Modélisation des données d'enquêtes complexes : Pourquoi les modéliser ? Pourquoi est-ce un problème ? Comment le résoudre ? Archivé
Articles et rapports : 12-001-X201100211602
Description :
Cet article tente de répondre aux trois questions énoncées dans le titre. Il commence par une discussion des caractéristiques uniques des données d'enquêtes complexes qui diffèrent de celles des autres ensembles de données ; ces caractéristiques requièrent une attention spéciale, mais suggèrent une vaste gamme de procédures d'inférence. Ensuite, un certain nombre d'approches proposées dans la documentation pour traiter ces caractéristiques sont passées en revue en discutant de leurs mérites et de leurs limites. Ces approches diffèrent en ce qui a trait aux conditions qui sous-tendent leur utilisation, aux données additionnelles requises pour leur application, aux tests d'adéquation de l'ajustement du modèle, aux objectifs d'inférence qu'elles permettent de satisfaire, à l'efficacité statistique, aux demandes de ressources informatiques et aux compétences que doivent posséder les analystes qui ajustent les modèles. La dernière partie de l'article présente les résultats de simulations conçues pour comparer le biais, la variance et les taux de couverture des diverses approches dans le cas de l'estimation des coefficients de régression linéaire en partant d'un échantillon stratifié. Enfin, l'article se termine par une brève discussion des questions en suspens.
Date de diffusion : 2011-12-21
2. Une analyse bayésienne des probabilités de réponse dans les petits domaines sous une contrainte Archivé
Articles et rapports : 12-001-X201100211603
Description :
De nombreuses enquêtes par sondage comprennent des questions suscitant une réponse binaire (par exemple, obèse, non obèse) pour un certain nombre de petits domaines. Une inférence est requise au sujet de la probabilité d'une réponse positive (par exemple obèse) dans chaque domaine, la probabilité étant la même pour tous les individus dans chaque domaine et différente entre les domaines. Étant donné le peu de données dans les domaines, les estimateurs directs ne sont pas fiables et il est nécessaire d'utiliser des données provenant d'autres domaines pour améliorer l'inférence pour un domaine particulier. Essentiellement, il est supposé a priori que les domaines sont similaires, si bien que le choix d'un modèle hiérarchique bayésien, le modèle bêta-binomial standard, est naturel. L'innovation tient au fait qu'un praticien peut disposer d'information a priori supplémentaire qui est nécessaire au sujet d'une combinaison linéaire des probabilités. Par exemple, une moyenne pondérée des probabilités est un paramètre, et l'information peut être obtenue au sujet de ce paramètre, ce qui rend le paradigme bayésien approprié. Nous avons modifié le modèle bêta-binomial standard pour petits domaines afin d'y intégrer l'information a priori sur la combinaison linéraire des probabilités, que nous appelons une contrainte. Donc, il existe trois cas. Le practicien a) ne spécifie pas de contrainte, b) spécifie une contrainte et le paramètre entièrement et c) spécifie une contrainte et l'information qui peut être utilisée pour construire une loi a priori pour le paramètre. L'échantillonneur de Gibbs « griddy » est utilisé pour ajuster les modèles. Pour illustrer notre méthode, nous prenons l'exemple de l'obésité chez les enfants dans la National Health and Nutrition Examination Survey dans laquelle les petits domaines sont formés par croisement de l'école (cycle secondaire inférieur ou supérieur), de l'etnicité (blanche, noire, mexicaine) et du sexe (masculin, féminin). Nous procédons à une étude en simulation pour évaluer certaines caractéristiques statistiques de notre méthode. Nous avons montré que le gain de précision au-delà de (a) est dans l'ordre où (b) est plus grand que (c).
Date de diffusion : 2011-12-21
3. Estimation de l'erreur quadratique moyenne robuste au biais pour les estimateurs sur petits domaines pseudo linéaires Archivé
Articles et rapports : 12-001-X201100211604
Description :
Nous proposons une méthode d'estimation de l'erreur quadratique moyenne (EQM) pour les estimateurs des moyennes de domaine en population finie qui peuvent être exprimés sous une forme pseudo-linéaire, c'est-à-dire comme une somme pondérée des valeurs d'échantillon. En particulier, la méthode proposée peut être utilisée pour estimer l'EQM du meilleur prédicteur linéaire sans biais empirique, de l'estimateur direct fondé sur un modèle et du prédicteur du M-quantile. Elle représente une extension des idées de Royall et Cumberland (1978) et mène à des estimateurs de l'EQM qui sont plus simples à mettre en oeuvre et éventuellement plus robustes au biais que ceux proposés dans la littérature sur les petits domaines. Cependant, il convient de souligner que les estimateurs de l'EQM définis en utilisant cette méthode peuvent également présenter une grande variabilité quand les tailles d'échantillon de domaine sont très petites. Nous illustrons les propriétés de la méthode à l'aide de simulations à grande échelle sous un modèle et sous un plan de sondage, dans ce dernier cas en nous fondant sur deux ensembles de données d'enquête réels contenant des données sur des petits domaines.
Date de diffusion : 2011-12-21
4. Les résultats de l'Enquête pilote par panel auprès des ménages canadiens Archivé
Articles et rapports : 89-648-X2011001
Géographie : Canada
Description :
En janvier 2006, un congrès sur les enquêtes longitudinales organisé par Statistique Canada, le Conseil de recherches en sciences humaines du Canada (CRSH) et les Instituts de recherche en santé du Canada (IRSC) a permis de conclure que le Canada n'a pas d'enquête longitudinale lui permettant de recueillir des renseignements sur de multiples sujets tels que la famille, le capital humain, la santé de la main-d'oeuvre et le suivi des répondants pour une longue période dans le temps. Suite à ce congrès, du financement provenant du Fonds du Groupe de données pour la recherche sur les politiques (GDRP) a été accordé afin de soutenir l'enquête pilote pour la nouvelle Enquête par panel auprès des ménages canadiens (EPMC-Pilote). Des consultations concernant le plan et le contenu ont eu lieu avec des experts universitaires et politiques en 2007 et 2008, et une enquête pilote a été menée à l'automne 2008. Les objectifs de l'enquête pilote étaient 1) de soumettre un questionnaire à un test, évaluer la longueur de l'interview et examiner la qualité des données; 2) d'évaluer plusieurs caractéristiques du plan; et 3) de vérifier la réaction des répondants et des interviewers sur le terrain à propos de l'enquête. L'enquête pilote a été menée avec un taux de réponse de 76 %, et un temps d'entrevue moyen de 64 minutes par ménages. Plusieurs innovations dans les caractéristiques du plan ont été évaluées, et se sont avérées viables. La réponse à l'enquête provenant des répondants ou des interviewers a été positive. Cet article met en évidence ces résultats ainsi que d'autres résultats tirés de l'EPMC-Pilote.
Date de diffusion : 2011-09-14

Références (1)

Références (1) ((1 résultat))

1. Base de données complètes sur les exploitations agricoles : manuel de référence Archivé
Enquêtes et programmes statistiques — Documentation : 21F0005G
Description :
La Base de données complètes sur les exploitations agricoles (BDCEA) est le résultat d'un projet mené conjointement par Agriculture et Agroalimentaire Canada et Statistique Canada. La base a été élaborée pour répondre à un besoin accru de données plus désagrégées au niveau de l'exploitation agricole. La base de données fournit aux utilisateurs l'outil dont ils ont besoin pour évaluer les politiques et programmes agricoles de même que la viabilité, la stabilité et la compétitivité de différents types d'exploitations agricoles.
Pour concevoir la BDCEA, on a intégré les résultats de diverses enquêtes et des données provenant de dossiers administratifs. La BDCEA peut fournir aux utilisateurs un éventail plus vaste que jamais de données désagrégées de nature physique et financière à l'égard des exploitations agricoles.
Ce manuel initiera les utilisateurs éventuels de la BDCEA avec la structure de la base et les normes de qualité des données qu'elle contient et décriront les différents produits et services offerts à l'heure actuelle par la BDCEA.
Date de diffusion : 2011-12-23

Signaler un problème ou une erreur sur cette page

Date de modification :: 2024-11-10

Comment utiliser les filtres et le champ de recherche

Vous pouvez faire une recherche en inscrivant des mots-clés ou en sélectionnant des filtres (p. ex. sous Sujet, Géographie, etc.) du côté gauche de la page.
On peut utiliser les filtres ensemble ou former diverses combinaisons. À chaque sélection de filtre, la page des résultats est mise à jour.
Pour commencer une nouvelle recherche, cliquez sur le bouton Effacer tout au-dessus du champ de recherche ou décochez tous les filtres.
Les mots-clés et les filtres précisés sont affichés au-dessus du champ de recherche. Vous pouvez désélectionner l’un ou l’autre des éléments ou tous les éléments, pour préciser ou effacer votre recherche.

Comment préciser ma recherche

Vous pouvez entrer des mots-clés dans le champ de recherche. Il n’est pas nécessaire d’utiliser « + » ou « , » ou « ET ».
Vous pouvez supprimer certains mots-clés ou tous les mots-clés de votre chaîne de recherche.
Les mots-clés entre guillemets limitent la recherche à l’expression précise.
- Par exemple, si vous cherchez « Enquête sur la population active », vous obtiendrez seulement des documents contenant cette suite de mots.
Utilisez « ou » entre les mots-clés pour obtenir des résultats qui contiennent au moins l’un des termes recherchés.
- Par exemple, si vous cherchez enquête ou population ou active, vous obtiendrez seulement les documents contenant l’un ou l’autre de ces mots, ou tous ces mots.

Comment fonctionne la recherche

Cette forme de recherche fournira les résultats contenant le(s) mot(s) inscrit(s) dans le titre, la description, le sujet, la géographie, le numéro de produit ou toute autre information au sujet du produit.
- Par exemple, lorsque vous cherchez le mot « maladies », tous les résultats obtenus contiendront ce mot dans le titre, la description, ou le sujet.
La recherche ne se fait pas dans le texte des articles ou des publications. Pour faire une recherche plein texte dans les articles, utilisez la fonction de recherche du site.