Analyses

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.

Centre de confiance de Statistique Canada

Résultats

Tout (2)

Tout (2) ((2 résultats))

1. Estimation du taux de chômage fondée sur un modèle pour l'Enquête sur la population active du Canada : une approche bayésienne hiérarchique Archivé
Articles et rapports : 12-001-X20030016602
Description :
L'Enquête sur la population active (EPA) du Canada permet de produire des estimations mensuelles directes du taux de chômage aux échelons national et provincial. Le programme de l'EPA diffuse aussi des estimations du chômage pour des régions infraprovinciales, comme les régions métropolitaines de recensement (RMR) et les agglomérations de recensement (AR). Cependant, pour certaines de ces régions infraprovinciales, les estimations directes ne sont pas très fiables, parce que la taille de l'échantillon est assez petite. On utilise donc un modèle transversal et chronologique permettant d'emprunter de l'information recueillie pour diverses régions et périodes de référence afin de produire des estimations du taux de chômage fondées sur un modèle au niveau de la RMR ou de l'AR. Ce modèle est une généralisation d'un modèle transversal d'usage très répandu pour l'estimation régionale qui inclut un modèle de marche aléatoire ou modèle AR (1) pour la composante temporelle aléatoire. On utilise les données mensuelles sur les bénéficiaires de l'assurance-emploi (a.-e.) au niveau de la RMR ou de l'AR comme covariables auxiliaires dans le modèle. On suit une méthode hiérarchique bayésienne (HB) et on utilise l'échantillonneur de Gibbs pour générer des échantillons à partir de la loi conjointe a posteriori. On obtient les estimateurs Rao-Blackwellisés pour les moyennes et les variances a posteriori des taux de chômage au niveau de la RMR/AR. La méthode HB lisse les estimations d'enquête et réduit considérablement les erreurs-types. On étudie aussi l'ajustement du modèle bayésien en nous fondant sur les lois prédictives a posteriori.
Date de diffusion : 2003-07-31
2. Inférence sur les moyennes de population sous imputation non pondérée pour remplacer des données d'enquête manquantes Archivé
Articles et rapports : 12-001-X20030016610
Description :
En présence de non-réponse partielle, en pratique, on recourt souvent à des méthodes d'imputation non pondérée, mais celles-ci produisent généralement des estimateurs biaisés sous l'hypothèse d'une réponse uniforme à l'intérieur des classes d'imputation. En nous inspirant de Skinner et Rao (2002), nous proposons un estimateur corrigé pour le biais d'une moyenne de population sous imputation par le ratio non pondérée et sous imputation aléatoire hot-deck, et nous calculons des estimateurs de la variance par linéarisation. Nous réalisons une petite étude en simulation pour évaluer les propriétés de biais et d'erreur quadratique moyenne des estimateurs obtenus. Nous étudions aussi le biais relatif et la stabilité relative des estimateurs de la variance.
Date de diffusion : 2003-07-31

Stats en bref (0)

Stats en bref (0) (0 résultat)

Aucun contenu disponible actuellement

Articles et rapports (2)

Articles et rapports (2) ((2 résultats))

1. Estimation du taux de chômage fondée sur un modèle pour l'Enquête sur la population active du Canada : une approche bayésienne hiérarchique Archivé
Articles et rapports : 12-001-X20030016602
Description :
L'Enquête sur la population active (EPA) du Canada permet de produire des estimations mensuelles directes du taux de chômage aux échelons national et provincial. Le programme de l'EPA diffuse aussi des estimations du chômage pour des régions infraprovinciales, comme les régions métropolitaines de recensement (RMR) et les agglomérations de recensement (AR). Cependant, pour certaines de ces régions infraprovinciales, les estimations directes ne sont pas très fiables, parce que la taille de l'échantillon est assez petite. On utilise donc un modèle transversal et chronologique permettant d'emprunter de l'information recueillie pour diverses régions et périodes de référence afin de produire des estimations du taux de chômage fondées sur un modèle au niveau de la RMR ou de l'AR. Ce modèle est une généralisation d'un modèle transversal d'usage très répandu pour l'estimation régionale qui inclut un modèle de marche aléatoire ou modèle AR (1) pour la composante temporelle aléatoire. On utilise les données mensuelles sur les bénéficiaires de l'assurance-emploi (a.-e.) au niveau de la RMR ou de l'AR comme covariables auxiliaires dans le modèle. On suit une méthode hiérarchique bayésienne (HB) et on utilise l'échantillonneur de Gibbs pour générer des échantillons à partir de la loi conjointe a posteriori. On obtient les estimateurs Rao-Blackwellisés pour les moyennes et les variances a posteriori des taux de chômage au niveau de la RMR/AR. La méthode HB lisse les estimations d'enquête et réduit considérablement les erreurs-types. On étudie aussi l'ajustement du modèle bayésien en nous fondant sur les lois prédictives a posteriori.
Date de diffusion : 2003-07-31
2. Inférence sur les moyennes de population sous imputation non pondérée pour remplacer des données d'enquête manquantes Archivé
Articles et rapports : 12-001-X20030016610
Description :
En présence de non-réponse partielle, en pratique, on recourt souvent à des méthodes d'imputation non pondérée, mais celles-ci produisent généralement des estimateurs biaisés sous l'hypothèse d'une réponse uniforme à l'intérieur des classes d'imputation. En nous inspirant de Skinner et Rao (2002), nous proposons un estimateur corrigé pour le biais d'une moyenne de population sous imputation par le ratio non pondérée et sous imputation aléatoire hot-deck, et nous calculons des estimateurs de la variance par linéarisation. Nous réalisons une petite étude en simulation pour évaluer les propriétés de biais et d'erreur quadratique moyenne des estimateurs obtenus. Nous étudions aussi le biais relatif et la stabilité relative des estimateurs de la variance.
Date de diffusion : 2003-07-31

Revues et périodiques (0)

Revues et périodiques (0) (0 résultat)

Aucun contenu disponible actuellement

Signaler un problème ou une erreur sur cette page

Date de modification :: 2024-08-25

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.