Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Résultats
Tout (2)
Tout (2) ((2 résultats))
- Articles et rapports : 12-001-X19970013106Description :
La méthode utilisée pour estimer l'erreur-type des données des recensements décennaux des États-Unis de 1970 à 1990 donne des résultats disparates. Ainsi, on obtient des erreurs-types différentes pour les réponses "oui" et "non" à la même variable binomiale, alors que les deux estimations devraient être identiques. Quand la plupart des personnes répondent d'une façon à une question binomiale et quelques autres donnent la réponse contraire, l'erreur-type est beaucoup plus élevée pour la personne la plus fréquente. D'autre part, lorsque les personnes interrogées fournissent toutes la même réponse, l'erreur-type n'est pas égale à zéro et reste fort élevée. Signaler les effets moyens du plan d'échantillonnage pondérés selon le nombre de répondants qui présentent des caractéristiques particulières ne fait qu'aggraver le problème. L'auteur propose une solution de rechange à la méthode d'estimation de l'erreur-type des groupes aléatoires utilisée dans le cadre du recensement des États-Unis.
Date de diffusion : 1997-08-18 - Articles et rapports : 12-001-X19960022984Description :
Dans le présent article, nous décrivons deux applications du lissage spatial en utilisant des données recueillies dans le cadre d'une enquête économique à grande échelle portant sur les exploitations agricoles australiennes: la première pour les petites régions et la seconde pour les grandes. Dans le premier cas, (petites régions), nous décrivons comment le lissage spatial des poids de l'échantillon peut permettre d'améliorer les estimations. Dans le second cas (grandes régions), nous proposons une méthode de lissage spatial et une méthode de cartographie des données lissées. La méthode standard de pondération utilisée pour l'enquête est une variante de la pondération à régression linéaire. Pour les petites régions, cette méthode est modifiée par l'introduction d'une contrainte sur la variabilité spatiale des poids. Les résultats d'une étude empirique à petite échelle laissent constater que cette méthode réduit comme prévu la variance des estimateurs des petites régions, mais au coût d'une augmentation de leur biais. Pour l'application aux grandes régions, nous décrivons la méthode de régression non paramétrique utilisée pour le lissage spatial des données d'enquête, ainsi que les techniques de cartographie de ces données lissées fondées sur un système d'information géographique (SIG). Nous présentons en outre les résultats d'une étude de de simulation réalisée afin de déterminer la méthode et le degré de lissage les plus appropriés pour l'utilisation avec les cartes.
Date de diffusion : 1997-01-30
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-X19970013106Description :
La méthode utilisée pour estimer l'erreur-type des données des recensements décennaux des États-Unis de 1970 à 1990 donne des résultats disparates. Ainsi, on obtient des erreurs-types différentes pour les réponses "oui" et "non" à la même variable binomiale, alors que les deux estimations devraient être identiques. Quand la plupart des personnes répondent d'une façon à une question binomiale et quelques autres donnent la réponse contraire, l'erreur-type est beaucoup plus élevée pour la personne la plus fréquente. D'autre part, lorsque les personnes interrogées fournissent toutes la même réponse, l'erreur-type n'est pas égale à zéro et reste fort élevée. Signaler les effets moyens du plan d'échantillonnage pondérés selon le nombre de répondants qui présentent des caractéristiques particulières ne fait qu'aggraver le problème. L'auteur propose une solution de rechange à la méthode d'estimation de l'erreur-type des groupes aléatoires utilisée dans le cadre du recensement des États-Unis.
Date de diffusion : 1997-08-18 - Articles et rapports : 12-001-X19960022984Description :
Dans le présent article, nous décrivons deux applications du lissage spatial en utilisant des données recueillies dans le cadre d'une enquête économique à grande échelle portant sur les exploitations agricoles australiennes: la première pour les petites régions et la seconde pour les grandes. Dans le premier cas, (petites régions), nous décrivons comment le lissage spatial des poids de l'échantillon peut permettre d'améliorer les estimations. Dans le second cas (grandes régions), nous proposons une méthode de lissage spatial et une méthode de cartographie des données lissées. La méthode standard de pondération utilisée pour l'enquête est une variante de la pondération à régression linéaire. Pour les petites régions, cette méthode est modifiée par l'introduction d'une contrainte sur la variabilité spatiale des poids. Les résultats d'une étude empirique à petite échelle laissent constater que cette méthode réduit comme prévu la variance des estimateurs des petites régions, mais au coût d'une augmentation de leur biais. Pour l'application aux grandes régions, nous décrivons la méthode de régression non paramétrique utilisée pour le lissage spatial des données d'enquête, ainsi que les techniques de cartographie de ces données lissées fondées sur un système d'information géographique (SIG). Nous présentons en outre les résultats d'une étude de de simulation réalisée afin de déterminer la méthode et le degré de lissage les plus appropriés pour l'utilisation avec les cartes.
Date de diffusion : 1997-01-30
Revues et périodiques (0)
Revues et périodiques (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :