Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Résultats
Tout (2)
Tout (2) ((2 résultats))
- Articles et rapports : 12-001-X199200114498Description :
Une façon de calculer le sous-dénombrement au niveau infra-national (par ex. : pour un État) est de prendre des données-échantillon d’une enquête postcensitaire et de les lisser suivant un modèle linéaire de variables explicatives. Le rapport entre la variance de l’erreur d’échantillonnage et la variance de l’erreur de modèle correspondante détermine le degré de lissage. L’estimation par la méthode du maximum de vraisemblance peut mener à un lissage excessif et, par conséquent, rendre le calcul du sous-dénombrement trop tributaire du modèle linéaire. Les estimateurs du maximum de vraisemblance avec contrainte (MVC) ne présentent pas de tels inconvénients. Dans cet article, on traite la prévision empirique de Bayes du sous-dénombrement fondée sur l’estimation MVC et on la compare, par des exemples et des simulations, à celle fondée sur la méthode du maximum de vraisemblance et à celle fondée sur une méthode des moments. Les propriétés de distribution pour grand échantillon des estimateurs MVC permettent un calcul précis de l’erreur quadratique moyenne de prévision des filtres de lissage fondés sur l’estimation MVC.
Date de diffusion : 1992-06-15 - Articles et rapports : 12-001-X198800214592Description :
Des arguments convaincants militent pour ou contre le redressement des chiffres des recensements décennaux aux États-Unis mais bon nombre de ces arguments reposent plus sur des considérations politiques que techniques. La décision de redresser les chiffres du recensement dépend essentiellement de la méthode de redressement. De plus, si le redressement devait s’effectuer, par exemple, à l’aide d’une méthode synthétique ou d’une méthode de régression, à quel niveau devrait-il se faire et comment devrait-on procéder pour les niveaux inférieurs ou supérieurs ? Pour apporter une réponse judicieuse à ces questions, il nous faut un modèle d’erreurs de sous-dénombrement « cohérent » en ce sens qu’il ne change pas d’un niveau d’agrégation à l’autre (pays, état, comté, etc.). Le présent article propose un modèle de ce genre; les sous-régions ayant des caractéristiques communes sont groupées par strate de telle sorte que les moyennes des facteurs de redressement des sous-régions de la strate soient les mêmes et que les variances soient inversement proportionnelles aux chiffres du recensement. En prenant en considération l’échantillonnage des régions (par l’estimation de système dual par exemple), nous pouvons construire des estimateurs empiriques de Bayes qui intègrent des éléments d’information sur la moyenne de la strate et la valeur de l’échantillon. Ces estimateurs sont calculés pour chaque état (51 états, y compris Washington, D.C.) et stratifiés selon l’origine raciale ou ethnique (3 strates) à l’aide de données de l’Enquête postcensitaire de 1980 (PEP 3-8, pour la population hors établissement institutionnel).
Date de diffusion : 1988-12-15
Stats en bref (0)
Stats en bref (0) (0 résultat)
Aucun contenu disponible actuellement
Articles et rapports (2)
Articles et rapports (2) ((2 résultats))
- Articles et rapports : 12-001-X199200114498Description :
Une façon de calculer le sous-dénombrement au niveau infra-national (par ex. : pour un État) est de prendre des données-échantillon d’une enquête postcensitaire et de les lisser suivant un modèle linéaire de variables explicatives. Le rapport entre la variance de l’erreur d’échantillonnage et la variance de l’erreur de modèle correspondante détermine le degré de lissage. L’estimation par la méthode du maximum de vraisemblance peut mener à un lissage excessif et, par conséquent, rendre le calcul du sous-dénombrement trop tributaire du modèle linéaire. Les estimateurs du maximum de vraisemblance avec contrainte (MVC) ne présentent pas de tels inconvénients. Dans cet article, on traite la prévision empirique de Bayes du sous-dénombrement fondée sur l’estimation MVC et on la compare, par des exemples et des simulations, à celle fondée sur la méthode du maximum de vraisemblance et à celle fondée sur une méthode des moments. Les propriétés de distribution pour grand échantillon des estimateurs MVC permettent un calcul précis de l’erreur quadratique moyenne de prévision des filtres de lissage fondés sur l’estimation MVC.
Date de diffusion : 1992-06-15 - Articles et rapports : 12-001-X198800214592Description :
Des arguments convaincants militent pour ou contre le redressement des chiffres des recensements décennaux aux États-Unis mais bon nombre de ces arguments reposent plus sur des considérations politiques que techniques. La décision de redresser les chiffres du recensement dépend essentiellement de la méthode de redressement. De plus, si le redressement devait s’effectuer, par exemple, à l’aide d’une méthode synthétique ou d’une méthode de régression, à quel niveau devrait-il se faire et comment devrait-on procéder pour les niveaux inférieurs ou supérieurs ? Pour apporter une réponse judicieuse à ces questions, il nous faut un modèle d’erreurs de sous-dénombrement « cohérent » en ce sens qu’il ne change pas d’un niveau d’agrégation à l’autre (pays, état, comté, etc.). Le présent article propose un modèle de ce genre; les sous-régions ayant des caractéristiques communes sont groupées par strate de telle sorte que les moyennes des facteurs de redressement des sous-régions de la strate soient les mêmes et que les variances soient inversement proportionnelles aux chiffres du recensement. En prenant en considération l’échantillonnage des régions (par l’estimation de système dual par exemple), nous pouvons construire des estimateurs empiriques de Bayes qui intègrent des éléments d’information sur la moyenne de la strate et la valeur de l’échantillon. Ces estimateurs sont calculés pour chaque état (51 états, y compris Washington, D.C.) et stratifiés selon l’origine raciale ou ethnique (3 strates) à l’aide de données de l’Enquête postcensitaire de 1980 (PEP 3-8, pour la population hors établissement institutionnel).
Date de diffusion : 1988-12-15
Revues et périodiques (0)
Revues et périodiques (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :