Analyses

Passer au filtres. Voir les résultats.

Montrer les résultats

Filtrer les résultats par

Search Help
Currently selected filters that can be removed
Retirer Annuler le filtre «Tsang, John»
Effacer tout

Mot(s)-clé(s)

Sujet

Année de publication

1 facets displayed. 0 facets selected.

Auteur(s)

5 facets displayed. 1 facets selected.

Contenu

1 facets displayed. 0 facets selected.
Aide à l'ordre
entrées

Résultats

Tout (2)

Tout (2) ((2 results))

  • 1. Correction des biais de sélection dans une enquête non probabiliste à deux phases sur les paiements Archivé
    Articles et rapports : 11-522-X202500100007
    Description : Le présent article applique l'estimateur du pseudomaximum de vraisemblance (PMV) à l'échantillonnage non probabiliste à deux phases lorsque des renseignements auxiliaires pertinents peuvent être tirés de l'échantillon d'enquête probabiliste et de l'échantillon d'enquête non probabiliste. Pour tenir compte de divers ajustements de poids et estimer la variance au-delà des totaux et des moyennes, tels que les médianes et les quantiles, une procédure simplifiée de pseudo-population selon la méthode bootstrap est proposée pour estimer approximativement la variance de la deuxième phase. Plus précisément, la simplification ignore la variabilité d'échantillonnage de la deuxième phase (c'est-à-dire qu'elle est traitée comme fixe, alors qu'elle est en fait aléatoire), si la fraction d'échantillonnage de la première phase de l'échantillon non probabiliste est négligeable. À l'aide de la deuxième vague de l'Enquête de 2020 sur les solutions de rechange à l'argent comptant de la Banque du Canada, la performance de la méthode proposée est comparée à celle d'autres méthodes, lesquelles soit ne modélisent pas explicitement la probabilité de sélection (c'est-à-dire la méthode itérative du quotient), soit ignorent les renseignements utiles de la phase 1 (c'est-à-dire la phase 2 uniquement). Selon les résultats obtenus, l'approche fondée sur le PMV fonctionne mieux que la méthode itérative du quotient et les estimations de la phase 2 uniquement dans le cadre de la réduction des biais de sélection des variables à deux phases liées aux paiements, particulièrement en ce qui concerne le groupe des jeunes dont le taux de réponse est faible. Les variances estimées des estimations basées sur le PMV sont stables.
    Date de diffusion : 2025-09-08
  • 2. Utilisation de méthodes d’apprentissage automatique pour le traitement de la non-réponse totale dans les enquêtes
    Articles et rapports : 12-001-X202500100003
    Description : Ces dernières années, l’apprentissage automatique a suscité un vif intérêt dans les organismes nationaux de statistique. Grâce à leur souplesse, ces méthodes peuvent s’avérer utiles lors du traitement de la non-réponse. Dans cet article, nous menons une enquête empirique afin de comparer le biais et l’efficacité de plusieurs procédures d’apprentissage automatique. En plus des procédures classiques d’apprentissage automatique, nous évaluons le rendement des approches d’agrégation qui s’appuient sur différentes procédures d’apprentissage automatique pour produire un ensemble de poids ajustés pour la non-réponse.
    Date de diffusion : 2025-06-30
Articles et rapports (2)

Articles et rapports (2) ((2 results))

  • 1. Correction des biais de sélection dans une enquête non probabiliste à deux phases sur les paiements Archivé
    Articles et rapports : 11-522-X202500100007
    Description : Le présent article applique l'estimateur du pseudomaximum de vraisemblance (PMV) à l'échantillonnage non probabiliste à deux phases lorsque des renseignements auxiliaires pertinents peuvent être tirés de l'échantillon d'enquête probabiliste et de l'échantillon d'enquête non probabiliste. Pour tenir compte de divers ajustements de poids et estimer la variance au-delà des totaux et des moyennes, tels que les médianes et les quantiles, une procédure simplifiée de pseudo-population selon la méthode bootstrap est proposée pour estimer approximativement la variance de la deuxième phase. Plus précisément, la simplification ignore la variabilité d'échantillonnage de la deuxième phase (c'est-à-dire qu'elle est traitée comme fixe, alors qu'elle est en fait aléatoire), si la fraction d'échantillonnage de la première phase de l'échantillon non probabiliste est négligeable. À l'aide de la deuxième vague de l'Enquête de 2020 sur les solutions de rechange à l'argent comptant de la Banque du Canada, la performance de la méthode proposée est comparée à celle d'autres méthodes, lesquelles soit ne modélisent pas explicitement la probabilité de sélection (c'est-à-dire la méthode itérative du quotient), soit ignorent les renseignements utiles de la phase 1 (c'est-à-dire la phase 2 uniquement). Selon les résultats obtenus, l'approche fondée sur le PMV fonctionne mieux que la méthode itérative du quotient et les estimations de la phase 2 uniquement dans le cadre de la réduction des biais de sélection des variables à deux phases liées aux paiements, particulièrement en ce qui concerne le groupe des jeunes dont le taux de réponse est faible. Les variances estimées des estimations basées sur le PMV sont stables.
    Date de diffusion : 2025-09-08
  • 2. Utilisation de méthodes d’apprentissage automatique pour le traitement de la non-réponse totale dans les enquêtes
    Articles et rapports : 12-001-X202500100003
    Description : Ces dernières années, l’apprentissage automatique a suscité un vif intérêt dans les organismes nationaux de statistique. Grâce à leur souplesse, ces méthodes peuvent s’avérer utiles lors du traitement de la non-réponse. Dans cet article, nous menons une enquête empirique afin de comparer le biais et l’efficacité de plusieurs procédures d’apprentissage automatique. En plus des procédures classiques d’apprentissage automatique, nous évaluons le rendement des approches d’agrégation qui s’appuient sur différentes procédures d’apprentissage automatique pour produire un ensemble de poids ajustés pour la non-réponse.
    Date de diffusion : 2025-06-30

Aide pour trier les résultats

De quelle façon les résultats seront-ils présentés?

La fonction Trier par vous offre les quatre options suivantes :

  • Par date – Trie les résultats par date de diffusion des produits, en commençant par le plus récent.
  • Par pertinence – N’est nécessaire ou utile que lorsque vous utilisez le champ de recherche pour lancer votre recherche. Les résultats sont classés en fonction d’une combinaison de facteurs, notamment l’emplacement des termes recherchés dans le contenu (p. ex. s’ils figurent dans le titre, il est probable que le produit soit plus pertinent pour votre recherche), l’actualité ou la nouveauté du contenu du produit et la popularité du produit.
  • Par popularité – Donne la priorité aux résultats qui sont le plus souvent sélectionnés par les utilisateurs, puis aux plus récents.
  • Par titre – Trie les résultats en ordre alphabétique.

Aide pour trier les résultats

De quelle façon les résultats seront-ils présentés?

La fonction Trier par vous offre les trois options suivantes :

  • Par date – Trie les résultats par date de diffusion des produits, en commençant par le plus récent.
  • Par pertinence – N’est nécessaire ou utile que lorsque vous utilisez le champ de recherche pour lancer votre recherche. Les résultats sont classés en fonction d’une combinaison de facteurs, notamment l’emplacement des termes recherchés dans le contenu (p. ex. s’ils figurent dans le titre, il est probable que le produit soit plus pertinent pour votre recherche), l’actualité ou la nouveauté du contenu du produit et la popularité du produit.
  • Par titre – Trie les résultats en ordre alphabétique.

Aide liée à la recherche

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.

Date de modification :