Analyses
Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Résultats
Tout (5)
Tout (5) ((5 résultats))
- Articles et rapports : 12-001-X201900200009Description :
Ces dernières années, les mesures indirectes du biais de non-réponse dans les enquêtes ou d’autres formes de collecte de données ont suscité un vif intérêt, en raison de la diminution progressive des propensions à répondre aux enquêtes et des pressions exercées sur les budgets d’enquête. Ces changements ont poussé les sondeurs à se concentrer davantage sur la représentativité ou l’équilibre des unités échantillonnées répondantes par rapport à des variables auxiliaires pertinentes. Un exemple de mesure est l’indicateur de représentativité, ou indicateur R. Cet indicateur est basé sur la variation d’échantillon pondérée selon le plan de sondage des propensions à répondre estimées. Cela suppose que l’on dispose de données auxiliaires appariées. L’une des critiques de l’indicateur est qu’il ne peut pas être utilisé si l’information auxiliaire est disponible uniquement au niveau de la population. Dans le présent article, nous proposons une nouvelle méthode d’estimation des propensions à répondre qui ne requiert pas d’information auxiliaire pour les non-répondants à l’enquête et qui est fondée sur de l’information auxiliaire pour la population. Ces propensions à répondre basées sur la population peuvent alors être utilisées pour élaborer des indicateurs R faisant appel à des tableaux de contingence de population ou à des fréquences de population. Nous discutons des propriétés statistiques des indicateurs, et évaluons leur performance au moyen d’une étude portant sur des données réelles de recensement et d’une application à la Dutch Health Survey.
Date de diffusion : 2019-06-27 - Articles et rapports : 12-001-X201700254897Description :
Cette note de Chris Skinner présente une discussion de l’article « Théorie et méthodologie des enquêtes par sondage : orientations passées, présentes et futures » où J.N.K. Rao et Wayne A. Fuller partagent leur vision quant à l’évolution de la théorie et de la méthodologie des enquêtes par sondage au cours des 100 dernières années.
Date de diffusion : 2017-12-21 - Articles et rapports : 12-001-X201000211380Description :
Diverses formes d'estimateurs de variance par linéarisation pour les estimateurs par calage généralisé sont définies en choisissant différents poids à appliquer a) aux résidus et b) aux coefficients de régression estimés utilisés dans le calcul des résidus. Des éléments de théorie sont présentés pour trois formes de l'estimateur par calage généralisé, à savoir l'estimateur par ratissage croisé classique, l'estimateur par calage basé sur le « maximum de vraisemblance » et l'estimateur par la régression généralisée, ainsi que pour les estimateurs de variance par linéarisation connexes. Une étude par simulation est effectuée en se servant des données d'une enquête sur la population active et d'une enquête sur les revenus et dépenses. Les propriétés des estimateurs sont évaluées en fonction de l'échantillonnage ainsi que de la non-réponse. L'étude révèle peu de différences entre les propriétés des divers estimateurs par calage pour un plan d'échantillonnage et un modèle de non-réponse donnés. En ce qui concerne les estimateurs de variance, l'approche consistant à pondérer les résidus par les poids de sondage peut être fortement biaisée en présence de non-réponse. L'approche de pondération des résidus par les poids calés a tendance à produire un biais nettement plus faible. Le choix de différents types de poids pour produire les coefficients de régression a peu d'incidence.
Date de diffusion : 2010-12-21 - Articles et rapports : 12-001-X20070019847Description :
Nous étudions l'effet de l'échantillonnage en grappes sur les erreurs-types dans l'analyse des données d'enquête longitudinale. Nous considérons une classe de modèles de régression pour données longitudinales d'usage très répandu et une classe standard d'estimateurs ponctuels de type moindres carrés généralisés. Nous soutenons théoriquement que l'effet de la non prise en compte de la mise en grappes dans l'estimation de l'erreur type a tendance à augmenter avec le nombre de vagues de l'enquête incluses dans l'analyse, sous certains scénarios de mise en grappes raisonnables pour de nombreuses enquêtes sociales. La conséquence est qu'en général, il est au moins aussi important de tenir compte de la mise en grappes dans le calcul des erreurs types dans le cas des analyses longitudinales que dans celui des analyses transversales. Nous illustrons cet argument théorique à l'aide des résultats empiriques d'une analyse par régression de données longitudinales sur les attitudes à l'égard des rôles de l'homme et de la femme provenant de l'enquête par panel menée auprès des ménages au Royaume-Uni (British Household Panel Survey). Nous comparons aussi deux approches d'estimation de la variance dans l'analyse des données d'enquête longitudinale, à savoir une approche par plan de sondage basée sur la linéarisation et une approche par modélisation multiniveaux. Nous concluons que l'effet de la mise en grappes peut être sérieusement sous estimé si l'on se contente, en vue d'en tenir compte, d'inclure un effet aléatoire additif pour représenter la mise en grappes dans un modèle multiniveaux.
Date de diffusion : 2007-06-28 - Articles et rapports : 12-001-X20060019260Description :
Nous examinons le recours à l'imputation et à la pondération pour corriger l'erreur de mesure dans l'estimation d'une fonction de distribution. Le problème qui a motivé l'étude est celui de l'estimation de la distribution de la rémunération horaire au Royaume Uni au moyen de données provenant de l'Enquête sur la population active. Les erreurs de mesure causent un biais et le but est d'utiliser des données auxiliaires, mesurées avec précision pour un sous échantillon, en vue de le corriger. Nous envisageons divers estimateurs ponctuels, fondés sur différentes approches d'imputation et de pondération, dont l'imputation fractionnaire, l'imputation par la méthode du plus proche voisin, l'appariement d'après la moyenne prévisionnelle et la pondération par le score de propension à répondre. Nous comparons ensuite ces estimateurs ponctuels d'un point de vue théorique et par simulation. Nous recommandons d'adopter une approche d'imputation fractionnaire par appariement d'après la moyenne prévisionnelle. Elle donne les mêmes résultats que la pondération par le score de propension, mais a l'avantage d'être légèrement plus robuste et efficace.
Date de diffusion : 2006-07-20
Stats en bref (0)
Stats en bref (0) (0 résultat)
Aucun contenu disponible actuellement
Articles et rapports (5)
Articles et rapports (5) ((5 résultats))
- Articles et rapports : 12-001-X201900200009Description :
Ces dernières années, les mesures indirectes du biais de non-réponse dans les enquêtes ou d’autres formes de collecte de données ont suscité un vif intérêt, en raison de la diminution progressive des propensions à répondre aux enquêtes et des pressions exercées sur les budgets d’enquête. Ces changements ont poussé les sondeurs à se concentrer davantage sur la représentativité ou l’équilibre des unités échantillonnées répondantes par rapport à des variables auxiliaires pertinentes. Un exemple de mesure est l’indicateur de représentativité, ou indicateur R. Cet indicateur est basé sur la variation d’échantillon pondérée selon le plan de sondage des propensions à répondre estimées. Cela suppose que l’on dispose de données auxiliaires appariées. L’une des critiques de l’indicateur est qu’il ne peut pas être utilisé si l’information auxiliaire est disponible uniquement au niveau de la population. Dans le présent article, nous proposons une nouvelle méthode d’estimation des propensions à répondre qui ne requiert pas d’information auxiliaire pour les non-répondants à l’enquête et qui est fondée sur de l’information auxiliaire pour la population. Ces propensions à répondre basées sur la population peuvent alors être utilisées pour élaborer des indicateurs R faisant appel à des tableaux de contingence de population ou à des fréquences de population. Nous discutons des propriétés statistiques des indicateurs, et évaluons leur performance au moyen d’une étude portant sur des données réelles de recensement et d’une application à la Dutch Health Survey.
Date de diffusion : 2019-06-27 - Articles et rapports : 12-001-X201700254897Description :
Cette note de Chris Skinner présente une discussion de l’article « Théorie et méthodologie des enquêtes par sondage : orientations passées, présentes et futures » où J.N.K. Rao et Wayne A. Fuller partagent leur vision quant à l’évolution de la théorie et de la méthodologie des enquêtes par sondage au cours des 100 dernières années.
Date de diffusion : 2017-12-21 - Articles et rapports : 12-001-X201000211380Description :
Diverses formes d'estimateurs de variance par linéarisation pour les estimateurs par calage généralisé sont définies en choisissant différents poids à appliquer a) aux résidus et b) aux coefficients de régression estimés utilisés dans le calcul des résidus. Des éléments de théorie sont présentés pour trois formes de l'estimateur par calage généralisé, à savoir l'estimateur par ratissage croisé classique, l'estimateur par calage basé sur le « maximum de vraisemblance » et l'estimateur par la régression généralisée, ainsi que pour les estimateurs de variance par linéarisation connexes. Une étude par simulation est effectuée en se servant des données d'une enquête sur la population active et d'une enquête sur les revenus et dépenses. Les propriétés des estimateurs sont évaluées en fonction de l'échantillonnage ainsi que de la non-réponse. L'étude révèle peu de différences entre les propriétés des divers estimateurs par calage pour un plan d'échantillonnage et un modèle de non-réponse donnés. En ce qui concerne les estimateurs de variance, l'approche consistant à pondérer les résidus par les poids de sondage peut être fortement biaisée en présence de non-réponse. L'approche de pondération des résidus par les poids calés a tendance à produire un biais nettement plus faible. Le choix de différents types de poids pour produire les coefficients de régression a peu d'incidence.
Date de diffusion : 2010-12-21 - Articles et rapports : 12-001-X20070019847Description :
Nous étudions l'effet de l'échantillonnage en grappes sur les erreurs-types dans l'analyse des données d'enquête longitudinale. Nous considérons une classe de modèles de régression pour données longitudinales d'usage très répandu et une classe standard d'estimateurs ponctuels de type moindres carrés généralisés. Nous soutenons théoriquement que l'effet de la non prise en compte de la mise en grappes dans l'estimation de l'erreur type a tendance à augmenter avec le nombre de vagues de l'enquête incluses dans l'analyse, sous certains scénarios de mise en grappes raisonnables pour de nombreuses enquêtes sociales. La conséquence est qu'en général, il est au moins aussi important de tenir compte de la mise en grappes dans le calcul des erreurs types dans le cas des analyses longitudinales que dans celui des analyses transversales. Nous illustrons cet argument théorique à l'aide des résultats empiriques d'une analyse par régression de données longitudinales sur les attitudes à l'égard des rôles de l'homme et de la femme provenant de l'enquête par panel menée auprès des ménages au Royaume-Uni (British Household Panel Survey). Nous comparons aussi deux approches d'estimation de la variance dans l'analyse des données d'enquête longitudinale, à savoir une approche par plan de sondage basée sur la linéarisation et une approche par modélisation multiniveaux. Nous concluons que l'effet de la mise en grappes peut être sérieusement sous estimé si l'on se contente, en vue d'en tenir compte, d'inclure un effet aléatoire additif pour représenter la mise en grappes dans un modèle multiniveaux.
Date de diffusion : 2007-06-28 - Articles et rapports : 12-001-X20060019260Description :
Nous examinons le recours à l'imputation et à la pondération pour corriger l'erreur de mesure dans l'estimation d'une fonction de distribution. Le problème qui a motivé l'étude est celui de l'estimation de la distribution de la rémunération horaire au Royaume Uni au moyen de données provenant de l'Enquête sur la population active. Les erreurs de mesure causent un biais et le but est d'utiliser des données auxiliaires, mesurées avec précision pour un sous échantillon, en vue de le corriger. Nous envisageons divers estimateurs ponctuels, fondés sur différentes approches d'imputation et de pondération, dont l'imputation fractionnaire, l'imputation par la méthode du plus proche voisin, l'appariement d'après la moyenne prévisionnelle et la pondération par le score de propension à répondre. Nous comparons ensuite ces estimateurs ponctuels d'un point de vue théorique et par simulation. Nous recommandons d'adopter une approche d'imputation fractionnaire par appariement d'après la moyenne prévisionnelle. Elle donne les mêmes résultats que la pondération par le score de propension, mais a l'avantage d'être légèrement plus robuste et efficace.
Date de diffusion : 2006-07-20
Revues et périodiques (0)
Revues et périodiques (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :