Pondération et estimation

Aller au contenu principal
Aller au pied de page

Sélection de la langue

English

Recherche et menus

Recherche et menus

Rechercher

Passer au filtres. Voir les résultats.

Résultats

Tout (596)

Tout (596) (0 à 10 de 596 résultats)

1. Inférence prédictive bayésienne d’une moyenne de population finie sans préciser la relation entre la variable d’étude et les covariables
Articles et rapports : 12-001-X202400200004
Description : Tout en évitant de préciser la relation paramétrique entre la variable d’étude et les covariables, nous illustrons l’avantage d’inclure une composante spatiale pour mieux tenir compte des covariables dans nos modèles en vue de faire une inférence prédictive bayésienne. Nous traitons chaque combinaison unique de covariables comme une strate individuelle, puis nous utilisons les techniques d’estimation sur petits domaines pour faire une inférence à propos de la population moyenne finie de la variable de réponse continue. Les deux modèles spatiaux utilisés sont le modèle d’autorégression conditionnel et le modèle d’autorégression conditionnelle simple. Nous incluons les effets spatiaux en créant la matrice d’adjacence à partir de la distance de Mahalanobis entre les covariables. Nous démontrons également la façon d’incorporer les poids d’enquête dans les modèles spatiaux en cas de données d’enquête probabiliste. Nous comparons les résultats des deux modèles non spatiaux, à savoir le modèle Scott-Smith et le modèle Battese, Harter et Fuller, aux modèles spatiaux. Nous illustrons la comparaison entre les deux modèles mentionnés et une application au moyen des données sur l’indice de masse corporelle de huit comtés en Californie. Notre but est d’obtenir des strates voisines donnant des prédictions similaires et d’augmenter la différence entre les strates qui ne sont pas voisines. Finalement, l’utilisation des modèles spatiaux montre un regroupement global moindre par rapport aux modèles non spatiaux, ce qui correspond au résultat souhaité.
Date de diffusion : 2024-12-20
2. Plan d’enquête adaptatif robuste pour les variations temporelles des propensions à répondre dans un contexte multimodal
Articles et rapports : 12-001-X202400200005
Description : Les plans d’enquête adaptatifs (PEA) permettent d’adapter les protocoles de recrutement aux sous-groupes de population qui présentent un intérêt pour une enquête. Ces dernières années, l’optimisation efficace d’un PEA a fait l’objet de recherches et de plusieurs applications. Toutefois, le rendement d’un PEA optimisé au fil du temps réagit aux variations temporelles des propensions à répondre. On ne comprend pas encore entièrement la façon dont les stratégies d’adaptation peuvent s’adapter à une telle variation au fil du temps. Dans la présente étude, nous proposons une approche d’optimisation robuste dans le contexte d’enquêtes séquentielles multimodales à l’aide d’une analyse bayésienne. Cette approche s’exprime sous la forme d’un problème de programmation mathématique qui tient explicitement compte de l’incertitude attribuable à la variation temporelle. Des décisions en matière de PEA peuvent alors être prises en tenant compte de la variation chronologique de la propension à répondre conditionnelle au mode et des corrélations de la propension à répondre entre les modes. La démonstration de cette approche fait appel à une étude de cas : l’Enquête sur la santé aux Pays-Bas de 2014 à 2017. Nous évaluons la sensibilité du rendement des PEA 1) au niveau budgétaire et 2) à la durée des données de série chronologique historiques applicables. Nous concluons que la dépendance au niveau budgétaire n’est que modérée et que la dépendance aux données historiques est tempérée par le degré de saisonnalité au cours de l’année.
Date de diffusion : 2024-12-20
3. Une approche d’estimation sur petits domaines pour concilier les différences entre deux enquêtes sur l’effort de pêche récréative
Articles et rapports : 12-001-X202400200009
Description : De nombreuses études sont aux prises avec un problème de comparaison d’estimations obtenues à l’aide de différentes méthodologies d’enquête, notamment des différences de base de sondage, d’instruments de mesure et de modes d’exécution. L’enjeu se présente dans les enquêtes multimodales et les enquêtes remaniées. Un remaniement majeur des processus d’enquête pourrait avoir une incidence systématique sur les estimations d’enquêtes; il est donc important de quantifier et d’ajuster de telles discontinuités entre les plans de sondage pour assurer la comparabilité des estimations au fil du temps. Nous proposons une approche d’estimation sur petits domaines pour rapprocher deux ensembles d’estimations d’enquête et l’appliquons à deux enquêtes du Marine Recreational Information Program (MRIP), qui surveille la pêche récréative le long des côtes de l’océan Atlantique et du golfe du Mexique aux États-Unis. Nous développons un modèle log-normal pour les estimations issues des deux enquêtes, en tenant compte de la dynamique temporelle par régression sur la taille de la population et les facteurs saisonniers État-par-vague et en tenant partiellement compte des propriétés de couverture changeantes par régression sur la pénétration du téléphone sans fil. À l’aide des variances de plan de sondage estimées, nous développons un modèle de régression qui est analytiquement cohérent avec le modèle de moyenne log-normal. Nous utilisons les variances de plan de sondage modélisées dans une procédure d’estimation sur petits domaines de Fay-Herriot, afin d’obtenir les meilleurs prédicteurs linéaires sans biais empiriques des estimations rapprochées de l’effort de pêche (nécessitant des prédictions pour de nouveaux ensembles de covariables), et de fournir une approximation asymptotiquement valide de l’erreur quadratique moyenne.
Date de diffusion : 2024-12-20
4. Distribution a priori gamma hiérarchique pour la modélisation des effets aléatoires dans l’estimation sur petits domaines
Articles et rapports : 12-001-X202400200011
Description : L’estimation sur petits domaines est de plus en plus populaire auprès des statisticiens d’enquêtes. Étant donné que les estimations directes sur petits domaines comportent habituellement des erreurs-types élevées, des approches fondées sur des modèles sont souvent adoptées pour emprunter de l’information entre domaines. Les modèles d’estimation sur petits domaines reposent souvent sur des covariables pour coupler différents domaines et des effets aléatoires pour tenir compte de la variation supplémentaire. Des études récentes ont montré que les effets aléatoires ne sont pas nécessaires pour tous les domaines, de sorte que des distributions a priori en rétrécissement global-local (GL) ont été introduites pour modéliser efficacement la parcimonie des effets aléatoires. Le comportement des distributions a priori GL relatif à la queue varie, et leur rendement diffère selon les différents niveaux de parcimonie des effets aléatoires. Donc, il faut adapter le modèle à différents choix de distributions a priori, puis choisir celle qui convient le mieux en fonction du critère d’information de déviance ou d’autres paramètres d’évaluation. Dans le présent document, nous proposons une distribution a priori souple pour la modélisation des effets aléatoires dans l’estimation sur petits domaines. Les hyperparamètres de la distribution a priori déterminent le comportement de la queue et peuvent être estimés dans un cadre entièrement bayésien. Par conséquent, le modèle qui en résulte est adapté à la parcimonie des effets aléatoires sans ajustement répétitif. Nous démontrons le rendement de la distribution a priori proposée par des simulations et des applications réelles.
Date de diffusion : 2024-12-20
5. Calage assoupli de poids d’enquête
Articles et rapports : 12-001-X202400200012
Description : Les enquêtes sur la population sont désormais rarement analysées indépendamment d’informations auxiliaires prenant souvent la forme de chiffres de population, de totaux et d’autres sommaires. Le calage, ou l’étalonnage, selon lequel les totaux d’échantillon pondérés des variables auxiliaires sont mis en correspondance avec leurs totaux (connus) de population, est largement appliqué. Des méthodes d’ajustement des poids permettant de respecter ces contraintes font intervenir des procédures itératives aux propriétés d’échantillon fini inconnues. Nous élaborons une autre méthode selon laquelle les poids sont calés en minimisant une fonction quadratique, ne nécessitant aucune itération et fournissant une solution unique. La priorité relative de chaque contrainte est représentée par un paramètre d’ajustement. Les propriétés des poids et de l’estimateur par calage, comme fonctions de ces paramètres, sont examinées analytiquement et par simulations. Un lien entre la méthode proposée et le calage ridge est établi.
Date de diffusion : 2024-12-20
6. Inférence à l’aide de l’échantillonnage s’appuyant sur les probabilités de réponse estimées par calage
Articles et rapports : 12-001-X202400200013
Description : Une solution permettant de corriger le biais de non-réponse consiste à multiplier les poids de sondage des répondants par l’inverse des probabilités de réponse estimées afin de compenser la non-réponse. Le maximum de vraisemblance et le calage sont deux approches qui peuvent être utilisées pour obtenir des probabilités de réponse estimées. Nous étudions un cadre commun permettant de comparer ces deux approches. Nous élaborons une étude asymptotique du comportement de l’estimateur résultant lorsque le calage est appliqué. Un modèle de régression logistique des probabilités de réponse est supposé. Les données manquantes au hasard et les données sans mise en grappes sont présumées. Les trois principales contributions de ce travail sont les suivantes : 1) nous démontrons que les estimateurs s’appuyant sur les probabilités de réponse estimées par calage sont asymptotiquement équivalents aux estimateurs sans biais et qu’un gain d’efficacité est obtenu lors de l’estimation des probabilités de réponse par calage, par rapport à l’estimateur s’appuyant sur les probabilités de réponse réelles; 2) nous démontrons que les estimateurs s’appuyant sur les probabilités de réponse estimées par calage sont doublement robustes à une mauvaise spécification des modèles sous-jacents et expliquons la raison pour laquelle la double robustesse n’est pas garantie lorsque le maximum de vraisemblance est appliqué; 3) nous soulignons les problèmes liés à l’estimation des probabilités de réponse, à savoir l’existence d’une solution aux équations estimantes, les problèmes de convergence et les poids extrêmes. Nous présentons les résultats d’une étude par simulation pour illustrer ces éléments.
Date de diffusion : 2024-12-20
7. Modèles de forêt aléatoire convergents par rapport au plan pour la collecte de données recueillies à partir d’un échantillon complexe
Articles et rapports : 12-001-X202400200015
Description : Les modèles de forêt aléatoire, qui sont obtenus en calculant la moyenne des valeurs estimées d’un grand nombre de modèles arborescents, représentent un outil utile et souple pour modéliser les données de manière non paramétrique afin de fournir des valeurs hautement prédictives. Il existe un grand nombre d’applications potentielles pour ces types de modèles lorsqu’on traite des données d’enquête. Toutefois, puisque les données d’enquête sont habituellement recueillies à l’aide d’un plan de sondage informatif, il est nécessaire que l’algorithme utilisé pour créer les modèles de forêt aléatoire tienne compte de ce plan pendant l’estimation du modèle. Les modèles arborescents utilisés dans la forêt sont généralement obtenus en estimant les modèles arborescents sur des échantillons bootstrap des données d’origine. Comme les modèles dépendent des données observées et que les données observées dans l’échantillon dépendent du plan de sondage informatif, la méthode d’estimation habituelle est susceptible de mener à un modèle de forêt aléatoire biaisé lorsque ce dernier est appliqué aux données d’enquête. Dans le présent article, nous fournissons un algorithme et un ensemble de conditions produisant des modèles de forêt aléatoire convergents dans le cadre d’un plan de sondage informatif et comparons cette méthode avec la méthode habituelle de modélisation de type forêt aléatoire. Nous démontrons que le fait de ne pas tenir compte du plan de sondage peut donner lieu à des estimations de modèle comportant un biais.
Date de diffusion : 2024-12-20
8. La méthodologie d’estimation sur petits domaines en utilisant les données de l'Enquête sur la population active
Articles et rapports : 75-005-M2024003
Description : Ce document décrit brièvement la méthodologie d’estimation sur petits domaines développée pour produire des estimations mensuelles de l’emploi et du taux de chômage dans les régions métropolitaines de recensement, dans les agglomérations de recensement et dans zones de travail autonome en utilisant les données de l'Enquête sur la population active, les statistiques de l'assurance-emploi et les projections démographiques.
Date de diffusion : 2024-09-17
9. Réponse des auteurs aux commentaires sur l’article « Traitement d’échantillons non probabilistes en pondérant par l’inverse de la probabilité, avec application aux données recueillies par approche participative de Statistique Canada » : De nouvelles avancées concernant les méthodes de vraisemblance pour l’estimation des probabilités de participation pour des échantillons non probabilistes
Articles et rapports : 12-001-X202400100001
Description : Inspirés par les deux excellentes discussions de notre article, nous offrons un regard nouveau et présentons de nouvelles avancées sur le problème de l’estimation des probabilités de participation pour des échantillons non probabilistes. Tout d’abord, nous proposons une amélioration de la méthode de Chen, Li et Wu (2020), fondée sur la théorie de la meilleure estimation linéaire sans biais, qui tire plus efficacement parti des données disponibles des échantillons probabiliste et non probabiliste. De plus, nous élaborons une méthode de vraisemblance de l’échantillon, dont l’idée est semblable à la méthode d’Elliott (2009), qui tient adéquatement compte du chevauchement entre les deux échantillons quand il est possible de l’identifier dans au moins un des échantillons. Nous utilisons la théorie de la meilleure prédiction linéaire sans biais pour traiter le scénario où le chevauchement est inconnu. Il est intéressant de constater que les deux méthodes que nous proposons coïncident quand le chevauchement est inconnu. Ensuite, nous montrons que de nombreuses méthodes existantes peuvent être obtenues comme cas particulier d’une fonction d’estimation sans biais générale. Enfin, nous concluons en formulant quelques commentaires sur l’estimation non paramétrique des probabilités de participation.
Date de diffusion : 2024-06-25
10. Commentaires de Changbao Wu à propos de l’article « Traitement d’échantillons non probabilistes en pondérant par l’inverse de la probabilité, avec application aux données recueillies par approche participative de Statistique Canada »
Articles et rapports : 12-001-X202400100002
Description : Nous proposons des comparaisons entre trois méthodes paramétriques d’estimation des probabilités de participation ainsi que de brefs commentaires à propos des groupes homogènes et de la poststratification.
Date de diffusion : 2024-06-25

Données (0)

Données (0) (0 résultat)

Aucun contenu disponible actuellement

Analyses (569)

Analyses (569) (0 à 10 de 569 résultats)

1. Inférence prédictive bayésienne d’une moyenne de population finie sans préciser la relation entre la variable d’étude et les covariables
Articles et rapports : 12-001-X202400200004
Description : Tout en évitant de préciser la relation paramétrique entre la variable d’étude et les covariables, nous illustrons l’avantage d’inclure une composante spatiale pour mieux tenir compte des covariables dans nos modèles en vue de faire une inférence prédictive bayésienne. Nous traitons chaque combinaison unique de covariables comme une strate individuelle, puis nous utilisons les techniques d’estimation sur petits domaines pour faire une inférence à propos de la population moyenne finie de la variable de réponse continue. Les deux modèles spatiaux utilisés sont le modèle d’autorégression conditionnel et le modèle d’autorégression conditionnelle simple. Nous incluons les effets spatiaux en créant la matrice d’adjacence à partir de la distance de Mahalanobis entre les covariables. Nous démontrons également la façon d’incorporer les poids d’enquête dans les modèles spatiaux en cas de données d’enquête probabiliste. Nous comparons les résultats des deux modèles non spatiaux, à savoir le modèle Scott-Smith et le modèle Battese, Harter et Fuller, aux modèles spatiaux. Nous illustrons la comparaison entre les deux modèles mentionnés et une application au moyen des données sur l’indice de masse corporelle de huit comtés en Californie. Notre but est d’obtenir des strates voisines donnant des prédictions similaires et d’augmenter la différence entre les strates qui ne sont pas voisines. Finalement, l’utilisation des modèles spatiaux montre un regroupement global moindre par rapport aux modèles non spatiaux, ce qui correspond au résultat souhaité.
Date de diffusion : 2024-12-20
2. Plan d’enquête adaptatif robuste pour les variations temporelles des propensions à répondre dans un contexte multimodal
Articles et rapports : 12-001-X202400200005
Description : Les plans d’enquête adaptatifs (PEA) permettent d’adapter les protocoles de recrutement aux sous-groupes de population qui présentent un intérêt pour une enquête. Ces dernières années, l’optimisation efficace d’un PEA a fait l’objet de recherches et de plusieurs applications. Toutefois, le rendement d’un PEA optimisé au fil du temps réagit aux variations temporelles des propensions à répondre. On ne comprend pas encore entièrement la façon dont les stratégies d’adaptation peuvent s’adapter à une telle variation au fil du temps. Dans la présente étude, nous proposons une approche d’optimisation robuste dans le contexte d’enquêtes séquentielles multimodales à l’aide d’une analyse bayésienne. Cette approche s’exprime sous la forme d’un problème de programmation mathématique qui tient explicitement compte de l’incertitude attribuable à la variation temporelle. Des décisions en matière de PEA peuvent alors être prises en tenant compte de la variation chronologique de la propension à répondre conditionnelle au mode et des corrélations de la propension à répondre entre les modes. La démonstration de cette approche fait appel à une étude de cas : l’Enquête sur la santé aux Pays-Bas de 2014 à 2017. Nous évaluons la sensibilité du rendement des PEA 1) au niveau budgétaire et 2) à la durée des données de série chronologique historiques applicables. Nous concluons que la dépendance au niveau budgétaire n’est que modérée et que la dépendance aux données historiques est tempérée par le degré de saisonnalité au cours de l’année.
Date de diffusion : 2024-12-20
3. Une approche d’estimation sur petits domaines pour concilier les différences entre deux enquêtes sur l’effort de pêche récréative
Articles et rapports : 12-001-X202400200009
Description : De nombreuses études sont aux prises avec un problème de comparaison d’estimations obtenues à l’aide de différentes méthodologies d’enquête, notamment des différences de base de sondage, d’instruments de mesure et de modes d’exécution. L’enjeu se présente dans les enquêtes multimodales et les enquêtes remaniées. Un remaniement majeur des processus d’enquête pourrait avoir une incidence systématique sur les estimations d’enquêtes; il est donc important de quantifier et d’ajuster de telles discontinuités entre les plans de sondage pour assurer la comparabilité des estimations au fil du temps. Nous proposons une approche d’estimation sur petits domaines pour rapprocher deux ensembles d’estimations d’enquête et l’appliquons à deux enquêtes du Marine Recreational Information Program (MRIP), qui surveille la pêche récréative le long des côtes de l’océan Atlantique et du golfe du Mexique aux États-Unis. Nous développons un modèle log-normal pour les estimations issues des deux enquêtes, en tenant compte de la dynamique temporelle par régression sur la taille de la population et les facteurs saisonniers État-par-vague et en tenant partiellement compte des propriétés de couverture changeantes par régression sur la pénétration du téléphone sans fil. À l’aide des variances de plan de sondage estimées, nous développons un modèle de régression qui est analytiquement cohérent avec le modèle de moyenne log-normal. Nous utilisons les variances de plan de sondage modélisées dans une procédure d’estimation sur petits domaines de Fay-Herriot, afin d’obtenir les meilleurs prédicteurs linéaires sans biais empiriques des estimations rapprochées de l’effort de pêche (nécessitant des prédictions pour de nouveaux ensembles de covariables), et de fournir une approximation asymptotiquement valide de l’erreur quadratique moyenne.
Date de diffusion : 2024-12-20
4. Distribution a priori gamma hiérarchique pour la modélisation des effets aléatoires dans l’estimation sur petits domaines
Articles et rapports : 12-001-X202400200011
Description : L’estimation sur petits domaines est de plus en plus populaire auprès des statisticiens d’enquêtes. Étant donné que les estimations directes sur petits domaines comportent habituellement des erreurs-types élevées, des approches fondées sur des modèles sont souvent adoptées pour emprunter de l’information entre domaines. Les modèles d’estimation sur petits domaines reposent souvent sur des covariables pour coupler différents domaines et des effets aléatoires pour tenir compte de la variation supplémentaire. Des études récentes ont montré que les effets aléatoires ne sont pas nécessaires pour tous les domaines, de sorte que des distributions a priori en rétrécissement global-local (GL) ont été introduites pour modéliser efficacement la parcimonie des effets aléatoires. Le comportement des distributions a priori GL relatif à la queue varie, et leur rendement diffère selon les différents niveaux de parcimonie des effets aléatoires. Donc, il faut adapter le modèle à différents choix de distributions a priori, puis choisir celle qui convient le mieux en fonction du critère d’information de déviance ou d’autres paramètres d’évaluation. Dans le présent document, nous proposons une distribution a priori souple pour la modélisation des effets aléatoires dans l’estimation sur petits domaines. Les hyperparamètres de la distribution a priori déterminent le comportement de la queue et peuvent être estimés dans un cadre entièrement bayésien. Par conséquent, le modèle qui en résulte est adapté à la parcimonie des effets aléatoires sans ajustement répétitif. Nous démontrons le rendement de la distribution a priori proposée par des simulations et des applications réelles.
Date de diffusion : 2024-12-20
5. Calage assoupli de poids d’enquête
Articles et rapports : 12-001-X202400200012
Description : Les enquêtes sur la population sont désormais rarement analysées indépendamment d’informations auxiliaires prenant souvent la forme de chiffres de population, de totaux et d’autres sommaires. Le calage, ou l’étalonnage, selon lequel les totaux d’échantillon pondérés des variables auxiliaires sont mis en correspondance avec leurs totaux (connus) de population, est largement appliqué. Des méthodes d’ajustement des poids permettant de respecter ces contraintes font intervenir des procédures itératives aux propriétés d’échantillon fini inconnues. Nous élaborons une autre méthode selon laquelle les poids sont calés en minimisant une fonction quadratique, ne nécessitant aucune itération et fournissant une solution unique. La priorité relative de chaque contrainte est représentée par un paramètre d’ajustement. Les propriétés des poids et de l’estimateur par calage, comme fonctions de ces paramètres, sont examinées analytiquement et par simulations. Un lien entre la méthode proposée et le calage ridge est établi.
Date de diffusion : 2024-12-20
6. Inférence à l’aide de l’échantillonnage s’appuyant sur les probabilités de réponse estimées par calage
Articles et rapports : 12-001-X202400200013
Description : Une solution permettant de corriger le biais de non-réponse consiste à multiplier les poids de sondage des répondants par l’inverse des probabilités de réponse estimées afin de compenser la non-réponse. Le maximum de vraisemblance et le calage sont deux approches qui peuvent être utilisées pour obtenir des probabilités de réponse estimées. Nous étudions un cadre commun permettant de comparer ces deux approches. Nous élaborons une étude asymptotique du comportement de l’estimateur résultant lorsque le calage est appliqué. Un modèle de régression logistique des probabilités de réponse est supposé. Les données manquantes au hasard et les données sans mise en grappes sont présumées. Les trois principales contributions de ce travail sont les suivantes : 1) nous démontrons que les estimateurs s’appuyant sur les probabilités de réponse estimées par calage sont asymptotiquement équivalents aux estimateurs sans biais et qu’un gain d’efficacité est obtenu lors de l’estimation des probabilités de réponse par calage, par rapport à l’estimateur s’appuyant sur les probabilités de réponse réelles; 2) nous démontrons que les estimateurs s’appuyant sur les probabilités de réponse estimées par calage sont doublement robustes à une mauvaise spécification des modèles sous-jacents et expliquons la raison pour laquelle la double robustesse n’est pas garantie lorsque le maximum de vraisemblance est appliqué; 3) nous soulignons les problèmes liés à l’estimation des probabilités de réponse, à savoir l’existence d’une solution aux équations estimantes, les problèmes de convergence et les poids extrêmes. Nous présentons les résultats d’une étude par simulation pour illustrer ces éléments.
Date de diffusion : 2024-12-20
7. Modèles de forêt aléatoire convergents par rapport au plan pour la collecte de données recueillies à partir d’un échantillon complexe
Articles et rapports : 12-001-X202400200015
Description : Les modèles de forêt aléatoire, qui sont obtenus en calculant la moyenne des valeurs estimées d’un grand nombre de modèles arborescents, représentent un outil utile et souple pour modéliser les données de manière non paramétrique afin de fournir des valeurs hautement prédictives. Il existe un grand nombre d’applications potentielles pour ces types de modèles lorsqu’on traite des données d’enquête. Toutefois, puisque les données d’enquête sont habituellement recueillies à l’aide d’un plan de sondage informatif, il est nécessaire que l’algorithme utilisé pour créer les modèles de forêt aléatoire tienne compte de ce plan pendant l’estimation du modèle. Les modèles arborescents utilisés dans la forêt sont généralement obtenus en estimant les modèles arborescents sur des échantillons bootstrap des données d’origine. Comme les modèles dépendent des données observées et que les données observées dans l’échantillon dépendent du plan de sondage informatif, la méthode d’estimation habituelle est susceptible de mener à un modèle de forêt aléatoire biaisé lorsque ce dernier est appliqué aux données d’enquête. Dans le présent article, nous fournissons un algorithme et un ensemble de conditions produisant des modèles de forêt aléatoire convergents dans le cadre d’un plan de sondage informatif et comparons cette méthode avec la méthode habituelle de modélisation de type forêt aléatoire. Nous démontrons que le fait de ne pas tenir compte du plan de sondage peut donner lieu à des estimations de modèle comportant un biais.
Date de diffusion : 2024-12-20
8. La méthodologie d’estimation sur petits domaines en utilisant les données de l'Enquête sur la population active
Articles et rapports : 75-005-M2024003
Description : Ce document décrit brièvement la méthodologie d’estimation sur petits domaines développée pour produire des estimations mensuelles de l’emploi et du taux de chômage dans les régions métropolitaines de recensement, dans les agglomérations de recensement et dans zones de travail autonome en utilisant les données de l'Enquête sur la population active, les statistiques de l'assurance-emploi et les projections démographiques.
Date de diffusion : 2024-09-17
9. Réponse des auteurs aux commentaires sur l’article « Traitement d’échantillons non probabilistes en pondérant par l’inverse de la probabilité, avec application aux données recueillies par approche participative de Statistique Canada » : De nouvelles avancées concernant les méthodes de vraisemblance pour l’estimation des probabilités de participation pour des échantillons non probabilistes
Articles et rapports : 12-001-X202400100001
Description : Inspirés par les deux excellentes discussions de notre article, nous offrons un regard nouveau et présentons de nouvelles avancées sur le problème de l’estimation des probabilités de participation pour des échantillons non probabilistes. Tout d’abord, nous proposons une amélioration de la méthode de Chen, Li et Wu (2020), fondée sur la théorie de la meilleure estimation linéaire sans biais, qui tire plus efficacement parti des données disponibles des échantillons probabiliste et non probabiliste. De plus, nous élaborons une méthode de vraisemblance de l’échantillon, dont l’idée est semblable à la méthode d’Elliott (2009), qui tient adéquatement compte du chevauchement entre les deux échantillons quand il est possible de l’identifier dans au moins un des échantillons. Nous utilisons la théorie de la meilleure prédiction linéaire sans biais pour traiter le scénario où le chevauchement est inconnu. Il est intéressant de constater que les deux méthodes que nous proposons coïncident quand le chevauchement est inconnu. Ensuite, nous montrons que de nombreuses méthodes existantes peuvent être obtenues comme cas particulier d’une fonction d’estimation sans biais générale. Enfin, nous concluons en formulant quelques commentaires sur l’estimation non paramétrique des probabilités de participation.
Date de diffusion : 2024-06-25
10. Commentaires de Changbao Wu à propos de l’article « Traitement d’échantillons non probabilistes en pondérant par l’inverse de la probabilité, avec application aux données recueillies par approche participative de Statistique Canada »
Articles et rapports : 12-001-X202400100002
Description : Nous proposons des comparaisons entre trois méthodes paramétriques d’estimation des probabilités de participation ainsi que de brefs commentaires à propos des groupes homogènes et de la poststratification.
Date de diffusion : 2024-06-25

Références (27)

Références (27) (0 à 10 de 27 résultats)

1. Rapport technique sur l'échantillonnage et la pondération, Recensement de la population
Enquêtes et programmes statistiques — Documentation : 98-306-X
Description :
Ce rapport donne une description des méthodes d'échantillonnage, de pondération et d'estimation utilisées pour le Recensement de la population. Il fournit les justifications opérationnelles et théoriques et présente les résultats des évaluations de ces méthodes.
Date de diffusion : 2023-10-04
2. Taux d’imposition et de transfert effectifs : Note de référence technique
Avis et consultations : 75F0002M2019006
Description :
En 2018, Statistique Canada a diffusé deux nouveaux tableaux de données présentant des estimations des taux d’imposition et de transfert effectifs des déclarants et des familles de recensement. Ces estimations sont tirées de la Banque de données administratives longitudinales. La publication fournit une description détaillée des méthodes utilisées pour produire les estimations des taux d’imposition et de transfert effectifs.
Date de diffusion : 2019-04-16
3. Révisions aux données sur le revenu de 2006 à 2011 Archivé
Enquêtes et programmes statistiques — Documentation : 75F0002M2015003
Description :
Cette note porte sur les estimations révisées du revenu tirées de l’Enquête sur la dynamique du travail et du revenu (EDTR). Les révisions aux estimations de l’EDTR permettent de comparer les résultats de l’Enquête canadienne sur le revenu (ECR) à ceux des années précédentes puisqu’elles offrent une solution aux problèmes associés aux différences méthodologiques entre l’EDTR et l’ECR.
Date de diffusion : 2015-12-17
4. Méthodes d'estimation de la population et des familles à Statistique Canada
Enquêtes et programmes statistiques — Documentation : 91-528-X
Description :
Ce manuel offre des descriptions détaillées des sources de données et des méthodes utilisées par Statistique Canada pour produire des estimations de la population. Elles comportent : les estimations postcensitaires et intercensitaires de la population; la population de départ; les naissances et les décès; l'immigration; les émigrations; les résidents non permanents; la migration interprovinciale; les estimations infraprovinciales de la population; les estimations de la population selon l'âge, le sexe et l'état matrimonial et les estimations des familles de recensement. Un glossaire des termes courants est inclus à la fin du manuel, suivi de la notation normalisée utilisée.
Auparavant, la documentation sur les changements méthodologiques pour le calcul des estimations était éparpillée dans plusieurs publications et documents d'information de Statistique Canada. Ce manuel offre aux utilisateurs de statistiques démographiques un recueil exhaustif des procédures actuelles utilisées par Statistique Canada pour élaborer des estimations de la population et des familles.
Date de diffusion : 2015-11-17
5. Méthodologie de mesure de l’économie souterraine selon la province et le territoire Archivé
Enquêtes et programmes statistiques — Documentation : 13-605-X201500414166
Description :
Estimations de l’économie souterraine par province et territoire pour la période 2007 à 2012 sont maintenant disponibles pour la première fois. L’objet de cette note technique est d’expliquer comment la méthodologie utilisée afin de calculer les estimations de l’activité économique souterraine à la borne supérieure pour les provinces et les territoires diffère de celle utilisée afin de calculer les estimations nationales.
Date de diffusion : 2015-04-29
6. Rapport technique sur l’échantillonnage et la pondération, Enquête nationale auprès des ménages, 2011 Archivé
Enquêtes et programmes statistiques — Documentation : 99-002-X2011001
Description :
Ce rapport donne une description des méthodes d'échantillonnage et de pondération utilisées pour l’Enquête nationale auprès des ménages de 2011. Il fournit les justifications opérationnelles et théoriques et présente les résultats des études d'évaluation de ces méthodes.
Date de diffusion : 2015-01-28
7. Rapport technique sur l’échantillonnage et la pondération, Enquête nationale auprès des ménages
Enquêtes et programmes statistiques — Documentation : 99-002-X
Description : Ce rapport donne une description des méthodes d'échantillonnage et de pondération utilisées pour l’Enquête nationale auprès des ménages de 2011. Il fournit les justifications opérationnelles et théoriques et présente les résultats des études d'évaluation de ces méthodes.
Date de diffusion : 2015-01-28
8. Rapport technique du Recensement de 2006 : Échantillonnage et pondération
Enquêtes et programmes statistiques — Documentation : 92-568-X
Description :
Ce rapport donne une description des méthodes d'échantillonnage et de pondération utilisées pour le Recensement de 2006. Il fournit un historique de l'application de ces méthodes aux recensements du Canada ainsi que les fondements opérationnels et théoriques de ces méthodes, et présente les résultats des études d'évaluation.
Date de diffusion : 2009-08-11
9. Améliorations apportées à l'Enquête sur la population active (EPA) en 2006 Archivé
Enquêtes et programmes statistiques — Documentation : 71F0031X2006003
Description :
Cet article est une introduction ainsi qu'une discussion sur les modifications apportées aux estimations de l'Enquête sur la population active en janvier 2006. Parmi ces modifications on retrouve notamment l'ajustement des estimations des chiffres de la population, des améliorations aux estimations des secteurs public et privé, ainsi que des mises à jour historiques de plusieurs petites agglomérations de recensement (AR).
Date de diffusion : 2006-01-25
10. Les effets de la méthodologie d'estimation révisée sur les estimations des enquêtes sur les dépenses des ménages Archivé
Enquêtes et programmes statistiques — Documentation : 62F0026M2005002
Description :
Le présent document fournit un aperçu des différences entre l'ancienne et la nouvelle méthodologie de pondération, ainsi que des effets du nouveau système de pondération sur les estimations.
Date de diffusion : 2005-06-30

Signaler un problème ou une erreur sur cette page

Date de modification :: 2025-03-22

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.