Recherche par mot-clé

Filtrer les résultats par

Aide à la recherche
Currently selected filters that can be removed

Mot(s)-clé(s)

Année de publication

8 facets displayed. 0 facets selected.

Enquête ou programme statistique

1 facets displayed. 0 facets selected.

Contenu

1 facets displayed. 0 facets selected.
Aide à l'ordre
entrées

Résultats

Tout (20)

Tout (20) (0 à 10 de 20 résultats)

  • Articles et rapports : 11-522-X202200100007
    Description : Dans le contexte de la disponibilité de sources de données plus vastes et plus diverses, les instituts statistiques en Europe sont enclins à publier des statistiques sur des groupes plus petits qu’auparavant. En outre, des épisodes mondiaux à forte incidence, comme la crise de la COVID-19 et la situation en Ukraine, peuvent également nécessiter des statistiques sur des sous-groupes particuliers de personnes. La publication de données concernant de petits groupes ciblés soulève non seulement des questions sur la qualité statistique des chiffres, mais aussi sur le risque de divulgation statistique. Le principe du contrôle de la divulgation statistique ne dépend pas de la taille des groupes sur lesquels les statistiques sont basées. Cependant, le risque de divulgation dépend de la taille du groupe : plus un groupe est petit, plus le risque est élevé. Les méthodes classiques de gestion du contrôle de la divulgation statistique lorsque la taille des groupes est réduite comprennent la suppression de données et le regroupement des catégories. Pour l’essentiel, ces méthodes consistent à augmenter la taille (moyenne) des groupes. Des approches plus récentes incluent des méthodes de perturbation des données visant à maintenir des groupes de petite taille pour préserver le plus d’information possible, tout en réduisant suffisamment le risque de divulgation. Dans le présent article, nous mentionnerons quelques exemples européens de statistiques sur des groupes types présentant un intérêt particulier et évoquerons les implications sur le contrôle de la divulgation statistique. Nous aborderons, en outre, certains problèmes liés à l’utilisation de méthodes de perturbation des données, à savoir leur incidence sur le risque de divulgation et sur l’utilité, ainsi que les défis liés à une bonne communication à ce sujet.
    Date de diffusion : 2024-03-25

  • Enquêtes et programmes statistiques — Documentation : 32-26-0007
    Description : Les données du Recensement de l’agriculture fournissent des renseignements statistiques sur les exploitations et les exploitants agricoles à des niveaux géographiques fins et pour de petites sous–populations. Des activités d’évaluation de la qualité sont essentielles pour s’assurer que les données du recensement sont fiables et qu’elles répondent aux besoins des utilisateurs.

    Ce rapport fournit des renseignements sur la qualité des données relatives au Recensement de l’agriculture, comme les sources d’erreur, la détection des erreurs, les méthodes de contrôle de la divulgation, les indicateurs de la qualité des données, les taux de réponse et les taux de collecte.
    Date de diffusion : 2024-02-06

  • Enquêtes et programmes statistiques — Documentation : 32-26-0006
    Description : Ce rapport fournit des renseignements sur la qualité des données relatives au Couplage agriculture–population, comme les sources d’erreur, le processus d’appariement, les taux de réponse, les taux d’imputation, l’échantillonnage, la pondération, les méthodes de contrôle de la divulgation et les indicateurs de la qualité des données.
    Date de diffusion : 2023-08-25

  • Articles et rapports : 12-001-X202300100008
    Description : Ce bref hommage vise à souligner les principales réalisations scientifiques de Chris Skinner.
    Date de diffusion : 2023-06-30

  • Stats en bref : 89-20-00082021001
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de SAS pour réaliser des tests de dominance et d'homogénéité du recensement.
    Date de diffusion : 2022-04-29

  • Stats en bref : 89-20-00082021002
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de SAS pour générer des sorties de proportions pour les chercheurs travaillant avec des données confidentielles.
    Date de diffusion : 2022-04-27

  • Stats en bref : 89-20-00082021003
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de Stata pour générer des sorties de proportions pour les chercheurs travaillant avec des données confidentielles.
    Date de diffusion : 2022-04-27

  • Stats en bref : 89-20-00082021004
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de Stata pour réaliser des tests de dominance et d'homogénéité du recensement.
    Date de diffusion : 2022-04-27

  • Stats en bref : 89-20-00082021005
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de R pour générer des sorties de proportions pour les chercheurs travaillant avec des données confidentielles.
    Date de diffusion : 2022-04-27

  • Stats en bref : 89-20-00082021006
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de R pour réaliser des tests de dominance et d'homogénéité du recensement.
    Date de diffusion : 2022-04-27
Données (0)

Données (0) (0 résultat)

Aucun contenu disponible actuellement

Analyses (18)

Analyses (18) (0 à 10 de 18 résultats)

  • Articles et rapports : 11-522-X202200100007
    Description : Dans le contexte de la disponibilité de sources de données plus vastes et plus diverses, les instituts statistiques en Europe sont enclins à publier des statistiques sur des groupes plus petits qu’auparavant. En outre, des épisodes mondiaux à forte incidence, comme la crise de la COVID-19 et la situation en Ukraine, peuvent également nécessiter des statistiques sur des sous-groupes particuliers de personnes. La publication de données concernant de petits groupes ciblés soulève non seulement des questions sur la qualité statistique des chiffres, mais aussi sur le risque de divulgation statistique. Le principe du contrôle de la divulgation statistique ne dépend pas de la taille des groupes sur lesquels les statistiques sont basées. Cependant, le risque de divulgation dépend de la taille du groupe : plus un groupe est petit, plus le risque est élevé. Les méthodes classiques de gestion du contrôle de la divulgation statistique lorsque la taille des groupes est réduite comprennent la suppression de données et le regroupement des catégories. Pour l’essentiel, ces méthodes consistent à augmenter la taille (moyenne) des groupes. Des approches plus récentes incluent des méthodes de perturbation des données visant à maintenir des groupes de petite taille pour préserver le plus d’information possible, tout en réduisant suffisamment le risque de divulgation. Dans le présent article, nous mentionnerons quelques exemples européens de statistiques sur des groupes types présentant un intérêt particulier et évoquerons les implications sur le contrôle de la divulgation statistique. Nous aborderons, en outre, certains problèmes liés à l’utilisation de méthodes de perturbation des données, à savoir leur incidence sur le risque de divulgation et sur l’utilité, ainsi que les défis liés à une bonne communication à ce sujet.
    Date de diffusion : 2024-03-25

  • Articles et rapports : 12-001-X202300100008
    Description : Ce bref hommage vise à souligner les principales réalisations scientifiques de Chris Skinner.
    Date de diffusion : 2023-06-30

  • Stats en bref : 89-20-00082021001
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de SAS pour réaliser des tests de dominance et d'homogénéité du recensement.
    Date de diffusion : 2022-04-29

  • Stats en bref : 89-20-00082021002
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de SAS pour générer des sorties de proportions pour les chercheurs travaillant avec des données confidentielles.
    Date de diffusion : 2022-04-27

  • Stats en bref : 89-20-00082021003
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de Stata pour générer des sorties de proportions pour les chercheurs travaillant avec des données confidentielles.
    Date de diffusion : 2022-04-27

  • Stats en bref : 89-20-00082021004
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de Stata pour réaliser des tests de dominance et d'homogénéité du recensement.
    Date de diffusion : 2022-04-27

  • Stats en bref : 89-20-00082021005
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de R pour générer des sorties de proportions pour les chercheurs travaillant avec des données confidentielles.
    Date de diffusion : 2022-04-27

  • Stats en bref : 89-20-00082021006
    Description : Cette vidéo fait partie de la série de soutien au contrôle de confidentialité et présente des exemples d’utilisation de R pour réaliser des tests de dominance et d'homogénéité du recensement.
    Date de diffusion : 2022-04-27

  • Articles et rapports : 12-001-X200900211037
    Description :

    Les stratégies fondées sur la réponse aléatoire, qui ont été élaborées au départ à titre de méthodes statistiques destinées à réduire la non-réponse ainsi que la réponse mensongère, peuvent aussi être appliquées dans le domaine du contrôle de la divulgation statistique dans les fichiers de microdonnées à grande diffusion. Le présent article décrit une standardisation des méthodes de réponse aléatoire en vue d'estimer des proportions pour des attributs identificatoires ou sensibles. Les propriétés statistiques de l'estimateur standardisé sont établies dans le cas de l'échantillonnage probabiliste général. Afin d'analyser l'effet du choix des « paramètres de plan » implicites de la méthode sur la performance de l'estimateur, nous incluons dans l'étude des mesures de la protection de la vie privée. Nous obtenons ainsi des paramètres de plan qui optimisent la variance, sachant le niveau de protection de la vie privée. Pour cela, les variables doivent être classées dans diverses catégories de sensibilité. Un exemple fondé sur des données réelles illustre l'application de la méthode à une enquête sur la tricherie chez les étudiants.

    Date de diffusion : 2009-12-23

  • Articles et rapports : 12-001-X200800210759
    Description :

    L'analyse des données recueillies auprès d'un échantillon stratifié à plusieurs degrés requiert de l'information sur le plan de sondage, telle que les identificateurs de strate et d'unité primaire d'échantillonnage (UPE), ou les poids de rééchantillonnage connexes, pour l'estimation de la variance. Dans certains fichiers de données à grande diffusion, l'information sur le plan de sondage est masquée en vue d'éviter le risque de divulgation, tout en permettant à l'utilisateur d'obtenir des estimations valides des variances. Par exemple, dans le cas des enquêtes aréolaires comptant un nombre limité d'UPE, les UPE originales sont divisées et (ou) recombinées pour construire des pseudo UPE dans lesquelles sont permutées les unités d'échantillonnage de deuxième degré et de degré subséquent. Cependant, ces méthodes de masquage des UPE faussent manifestement la structure de mise en grappes du plan d'échantillonnage, ce qui donne des estimations de variance biaisées pouvant présenter un rapport systématique entre les deux estimations de variance obtenues avec et sans masquage des identificateurs d'UPE. Certains travaux antérieurs ont révélé certaines tendances du ratio des estimations de la variance obtenues avec et sans masquage si on représente ce ratio graphiquement en fonction de l'effet de plan sans masquage. Le présent article traite de l'effet du masquage des UPE sur les estimations de la variance sous échantillonnage en grappes en fonction de divers aspects, dont la structure de mise en grappes et le degré de masquage. En outre, nous tâchons d'établir une stratégie de masquage des UPE par permutation des unités d'échantillonnage du degré subséquent qui réduit le biais résultant des estimations de la variance. En guise d'illustration, nous utilisons des données provenant de la National Health Interview Survey (NHIS) auxquelles nous avons apporté certaines modifications artificielles. La stratégie proposée permet de bien réduire le biais des estimations de la variance. Les résultats tant théoriques qu'empiriques indiquent que l'effet du masquage des UPE sur les estimations de la variance est modeste si la permutation des unités d'échantillonnage de degré subséquent est minimale. Nous avons appliqué la stratégie de masquage proposée aux données diffusées de la National Health and Nutrition Examination Survey (NHANES) de 2003 2004.

    Date de diffusion : 2008-12-23
Références (2)

Références (2) ((2 résultats))

  • Enquêtes et programmes statistiques — Documentation : 32-26-0007
    Description : Les données du Recensement de l’agriculture fournissent des renseignements statistiques sur les exploitations et les exploitants agricoles à des niveaux géographiques fins et pour de petites sous–populations. Des activités d’évaluation de la qualité sont essentielles pour s’assurer que les données du recensement sont fiables et qu’elles répondent aux besoins des utilisateurs.

    Ce rapport fournit des renseignements sur la qualité des données relatives au Recensement de l’agriculture, comme les sources d’erreur, la détection des erreurs, les méthodes de contrôle de la divulgation, les indicateurs de la qualité des données, les taux de réponse et les taux de collecte.
    Date de diffusion : 2024-02-06

  • Enquêtes et programmes statistiques — Documentation : 32-26-0006
    Description : Ce rapport fournit des renseignements sur la qualité des données relatives au Couplage agriculture–population, comme les sources d’erreur, le processus d’appariement, les taux de réponse, les taux d’imputation, l’échantillonnage, la pondération, les méthodes de contrôle de la divulgation et les indicateurs de la qualité des données.
    Date de diffusion : 2023-08-25
Date de modification :