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.

Quoi de neuf sur notre site

Centre de confiance de Statistique Canada

Résultats

Tout (3)

Tout (3) ((3 résultats))

1. Comparaison d'autres estimateurs pour l'Enquête sur la population active Archivé
Articles et rapports : 12-001-X20010015854
Description :
L'auteur examine un choix d'estimateurs applicables à une enquête auprès des ménages périodique comportant un chevauchement contrôlé entre les enquêtes successives. L'auteur décrit la façon d'améliorer le MELSB (meilleur estimateur linéaire sans biais) fondé sur une fenêtre fixe de moments en appliquant la technique de la régression généralisée. Cet estimateur amélioré est comparé à l'estimateur AK de Gurney et Daly (1965) et à l'estimateur de régression modifiée de Singh, Kennedy, Wu et Brisebois (1997), à l'aide de données de l'enquête sur la population active de l'Australie.
Date de diffusion : 2001-08-22
2. Une méthode d'estimation en présence de non-réponse non-ignorable Archivé
Articles et rapports : 12-001-X20000025532
Description :
Lorsque le mécanisme de réponse dans une enquête dépend d'une variable d'intérêt mesurée dans cette même enquête et qui n'est observée que pour une partie de l'échantillon seulement, on dit qu'on est en présence de non-réponse non-ignorable. Dans une telle situation, ne pas tenir compte de la non-réponse peut engendrer un biais important dans l'estimation d'une moyenne ou d'un total. Pour contrer ce problème, on peut modéliser conjointement le mécanisme de réponse et la variable d'intérêt et effectuer l'estimation par la méthode du maximum de vraisemblance. La critique principale de cette méthode est que l'estimation par la méthode du maximum de vraisemblance est basée sur l'hypothèse difficilement vérifiable de normalité des erreurs pour le modèle impliquant la variable d'intérêt. Dans cet article, on propose une méthode d'estimation robuste par rapport à l'hypothèse de normalité puisqu'elle est construite de telle sorte qu'elle n'exige pas de spécifier la distribution des erreurs. La méthode est évaluée au moyen de simulations de Monte Carlo. On propose également une méthode simple permettant de vérifier la validité de l'hypothèse de normalité des erreurs quand la non-réponse n'est pas ignorable.
Date de diffusion : 2001-02-28
3. Validité de l'analyse markovienne de structure latente pour l'estimation de l'erreur de classification des données sur la population active Archivé
Articles et rapports : 12-001-X20000025534
Description :
Les auteurs ont surtout cherché à vérifier la validité des estimations MLCA (analyse markovienne de structure latente) de l'erreur de classification de la population active et à évaluer la possibilité que ce type d'analyse remplace les méthodes traditionnelles d'évaluation de la qualité des données.
Date de diffusion : 2001-02-28

Stats en bref (0)

Stats en bref (0) (0 résultat)

Aucun contenu disponible actuellement

Articles et rapports (3)

Articles et rapports (3) ((3 résultats))

1. Comparaison d'autres estimateurs pour l'Enquête sur la population active Archivé
Articles et rapports : 12-001-X20010015854
Description :
L'auteur examine un choix d'estimateurs applicables à une enquête auprès des ménages périodique comportant un chevauchement contrôlé entre les enquêtes successives. L'auteur décrit la façon d'améliorer le MELSB (meilleur estimateur linéaire sans biais) fondé sur une fenêtre fixe de moments en appliquant la technique de la régression généralisée. Cet estimateur amélioré est comparé à l'estimateur AK de Gurney et Daly (1965) et à l'estimateur de régression modifiée de Singh, Kennedy, Wu et Brisebois (1997), à l'aide de données de l'enquête sur la population active de l'Australie.
Date de diffusion : 2001-08-22
2. Une méthode d'estimation en présence de non-réponse non-ignorable Archivé
Articles et rapports : 12-001-X20000025532
Description :
Lorsque le mécanisme de réponse dans une enquête dépend d'une variable d'intérêt mesurée dans cette même enquête et qui n'est observée que pour une partie de l'échantillon seulement, on dit qu'on est en présence de non-réponse non-ignorable. Dans une telle situation, ne pas tenir compte de la non-réponse peut engendrer un biais important dans l'estimation d'une moyenne ou d'un total. Pour contrer ce problème, on peut modéliser conjointement le mécanisme de réponse et la variable d'intérêt et effectuer l'estimation par la méthode du maximum de vraisemblance. La critique principale de cette méthode est que l'estimation par la méthode du maximum de vraisemblance est basée sur l'hypothèse difficilement vérifiable de normalité des erreurs pour le modèle impliquant la variable d'intérêt. Dans cet article, on propose une méthode d'estimation robuste par rapport à l'hypothèse de normalité puisqu'elle est construite de telle sorte qu'elle n'exige pas de spécifier la distribution des erreurs. La méthode est évaluée au moyen de simulations de Monte Carlo. On propose également une méthode simple permettant de vérifier la validité de l'hypothèse de normalité des erreurs quand la non-réponse n'est pas ignorable.
Date de diffusion : 2001-02-28
3. Validité de l'analyse markovienne de structure latente pour l'estimation de l'erreur de classification des données sur la population active Archivé
Articles et rapports : 12-001-X20000025534
Description :
Les auteurs ont surtout cherché à vérifier la validité des estimations MLCA (analyse markovienne de structure latente) de l'erreur de classification de la population active et à évaluer la possibilité que ce type d'analyse remplace les méthodes traditionnelles d'évaluation de la qualité des données.
Date de diffusion : 2001-02-28

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 :: 2024-08-23

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.