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 (2)

Tout (2) ((2 résultats))

1. Analyse de données d'enquêtes complexes par échantillonnage inverse Archivé
Articles et rapports : 11-522-X20020016748
Description :
Les praticiens utilisent souvent des données provenant d'enquêtes complexes (comme les enquêtes sur la population active et sur la santé basées sur un plan d'échantillonnage en grappes stratifiées) pour ajuster des modèles de régression logistique ou autres. Au cours des deux dernières décennies, beaucoup d'énergie a été consacrée à la mise au point de méthodes d'analyse des données d'enquêtes qui tiennent compte des caractéristiques du plan de sondage. Dans cet article, on étudie une méthode de remplacement intitulée échantillonnage inverse.
Des programmes spécialisés, comme SUDAAN et WESVAR, sont également commercialisés pour la mise en oeuvre de certaines de ces méthodes qui sont élaborées pour tenir compte des caractéristiques du plan de sondage. Toutefois, ces méthodes nécessitent des données supplémentaires, telles que les poids d'échantillonnage, les effets de plan ou l'analyse de groupement de microdonnées.
L'échantillonnage inverse (Hinkins et coll., Technique d'enquête, 1977) offre une méthode de rechange qui consiste à défaire les structures complexes des données afin de pouvoir appliquer des méthodes types. On tire des sous échantillons répétés à structure aléatoire simple et on analyse chaque sous échantillon par des méthodes types, et on les rassemble pour augmenter l'efficacité. Cette méthode permet de préserver le caractère confidentiel des fichiers de microdonnées bien qu'elle nécessite de nombreux calculs. Un inconvénient est qu'elle peut produire des estimations biaisées des paramètres de régression si la taille des sous échantillons est faible (comme dans le cas de l'échantillonnage en grappes stratifié).
Dans cet article, on propose une méthode basée sur des équations d'estimation qui consiste à rassembler les sous échantillons avant l'estimation et qui produit donc des estimations presque non biaisées des paramètres de régression, quelle que soit la taille des sous échantillons. En outre, elle nécessite moins de calculs que la méthode originale. On applique cette méthode à des données en grappes corrélées produites au moyen d'un modèle de régression linéaire à erreurs emboîtées pour illustrer ses avantages. On analyse aussi un ensemble de données réelles provenant d'une enquête de Statistique Canada par la méthode des équations d'estimation.
Date de diffusion : 2004-09-13
2. Défaire les structures des données d'enquête complexes : théorie élémentaire et applications de l'échantillonnage inverse Archivé
Articles et rapports : 12-001-X20030026787
Description :
L'application des méthodes statistiques classiques aux données provenant d'enquêtes complexes sans tenir compte des caractéristiques du plan de sondage peut donner lieu à des inférences incorrectes. Certaines méthodes ont été mises au point pour tenir compte du plan de sondage, mais elles nécessitent des renseignements supplémentaires, comme les poids de sondage, les effets de plan ou l'identification des grappes pour les microdonnées. L'échantillonnage inverse (Hinkins, Oh et Scheuren 1997) offre une autre approche qui consiste à défaire les structures des données d'enquête complexe de sorte qu'on puisse appliquer les méthodes classiques. Des sous-échantillons répétés sont tirés selon un plan d'échantillonnage aléatoire simple inconditionnel et analysés individuellement par les méthodes types, puis combinés pour augmenter l'efficacité. Cette méthode permet de préserver le caractère confidentiel des microdonnées, mais elle nécessite une grande capacité de calcul. Nous présentons une théorie de l'échantillonnage inverse et explorons ses limites. Nous proposons une approche fondée sur des équations d'estimation combinées pour traiter les paramètres complexes, tels que les ratios et les paramètres de régression linéaire ou logistique «en cas de recensement». La méthode est appliquée à un ensemble de données corrélées en grappes présentées dans Battese, Harter et Fuller(1988).
Date de diffusion : 2004-01-27

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. Analyse de données d'enquêtes complexes par échantillonnage inverse Archivé
Articles et rapports : 11-522-X20020016748
Description :
Les praticiens utilisent souvent des données provenant d'enquêtes complexes (comme les enquêtes sur la population active et sur la santé basées sur un plan d'échantillonnage en grappes stratifiées) pour ajuster des modèles de régression logistique ou autres. Au cours des deux dernières décennies, beaucoup d'énergie a été consacrée à la mise au point de méthodes d'analyse des données d'enquêtes qui tiennent compte des caractéristiques du plan de sondage. Dans cet article, on étudie une méthode de remplacement intitulée échantillonnage inverse.
Des programmes spécialisés, comme SUDAAN et WESVAR, sont également commercialisés pour la mise en oeuvre de certaines de ces méthodes qui sont élaborées pour tenir compte des caractéristiques du plan de sondage. Toutefois, ces méthodes nécessitent des données supplémentaires, telles que les poids d'échantillonnage, les effets de plan ou l'analyse de groupement de microdonnées.
L'échantillonnage inverse (Hinkins et coll., Technique d'enquête, 1977) offre une méthode de rechange qui consiste à défaire les structures complexes des données afin de pouvoir appliquer des méthodes types. On tire des sous échantillons répétés à structure aléatoire simple et on analyse chaque sous échantillon par des méthodes types, et on les rassemble pour augmenter l'efficacité. Cette méthode permet de préserver le caractère confidentiel des fichiers de microdonnées bien qu'elle nécessite de nombreux calculs. Un inconvénient est qu'elle peut produire des estimations biaisées des paramètres de régression si la taille des sous échantillons est faible (comme dans le cas de l'échantillonnage en grappes stratifié).
Dans cet article, on propose une méthode basée sur des équations d'estimation qui consiste à rassembler les sous échantillons avant l'estimation et qui produit donc des estimations presque non biaisées des paramètres de régression, quelle que soit la taille des sous échantillons. En outre, elle nécessite moins de calculs que la méthode originale. On applique cette méthode à des données en grappes corrélées produites au moyen d'un modèle de régression linéaire à erreurs emboîtées pour illustrer ses avantages. On analyse aussi un ensemble de données réelles provenant d'une enquête de Statistique Canada par la méthode des équations d'estimation.
Date de diffusion : 2004-09-13
2. Défaire les structures des données d'enquête complexes : théorie élémentaire et applications de l'échantillonnage inverse Archivé
Articles et rapports : 12-001-X20030026787
Description :
L'application des méthodes statistiques classiques aux données provenant d'enquêtes complexes sans tenir compte des caractéristiques du plan de sondage peut donner lieu à des inférences incorrectes. Certaines méthodes ont été mises au point pour tenir compte du plan de sondage, mais elles nécessitent des renseignements supplémentaires, comme les poids de sondage, les effets de plan ou l'identification des grappes pour les microdonnées. L'échantillonnage inverse (Hinkins, Oh et Scheuren 1997) offre une autre approche qui consiste à défaire les structures des données d'enquête complexe de sorte qu'on puisse appliquer les méthodes classiques. Des sous-échantillons répétés sont tirés selon un plan d'échantillonnage aléatoire simple inconditionnel et analysés individuellement par les méthodes types, puis combinés pour augmenter l'efficacité. Cette méthode permet de préserver le caractère confidentiel des microdonnées, mais elle nécessite une grande capacité de calcul. Nous présentons une théorie de l'échantillonnage inverse et explorons ses limites. Nous proposons une approche fondée sur des équations d'estimation combinées pour traiter les paramètres complexes, tels que les ratios et les paramètres de régression linéaire ou logistique «en cas de recensement». La méthode est appliquée à un ensemble de données corrélées en grappes présentées dans Battese, Harter et Fuller(1988).
Date de diffusion : 2004-01-27

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 :: 2024-06-22

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.