Analyses
Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Sujet
Résultats
Tout (22)
Tout (22) (0 à 10 de 22 résultats)
- 1. Dans ce numéro (Vol. 25, no. 1) ArchivéArticles et rapports : 12-001-X199900111395Description :
La rubrique Dans ce numéro contient une brève présentation par le rédacteur en chef de chacun des articles contenus dans le présent numéro de Techniques d'enquête. Aussi, on y trouve parfois quelques commentaires sur des changements dans la structure ou la gestion de la revue.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014707Description :
Les auteurs présentent l'échantillonnage mixte de Poisson, qui correspond à une famille de plans d'échantillonnage tirant son nom du fait que chaque membre de la famille est un mélange de deux plans d'échantillonnage de Poisson, c'est-à-dire l'échantillonnage ptn de Poisson et l'échantillonnage de Bernoulli. Ces deux plans si situent aux extrémités opposées d'un spectre continu indexé en fonction d'un paramètre continu. L'échantillonnage mixte de Poisson est destiné aux populations très asymétriques que l'on rencontre souvent dans les enquêtes-entreprises. Les statisticiens y trouvent un éventail d'options pour l'ampleur de la coordination des échantillons et le contrôle du fardeau de réponse. Certains plans d'échantillonnage mixte de Poisson donnent des estimations nettement plus précises que l'échantillonnage ptn de Poisson habituel. Ce résultat a de l'importance car l'échantillonnage ptn de Poisson est très efficace en soi, à supposer qu'il se fonde sur une bonne mesure de la taille.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014709Description :
Nous élaborons une méthode qui permet d'estimer la variance dans le cas de la désaisonnalisation effectuée à l'aide de la méthode X-11 et qui prend en compte les effets de l'erreur d'échantillonnage et des erreurs liées à l'extension de prévision. Dans notre méthode, l'erreur de désaisonnalisation présente dans les valeurs centrales d'une série chronologique suffisamment longue est causée uniquement par les effets de l'application de filtres X-11 aux erreurs d'échantillonnage. Vers les deux extrémités d'une série, nous prenons également en considération la contribution des erreurs d'extrapolation rétrospective et de prévision à l'erreur de désaisonnalisation. Nous élargissons notre méthode afin d'obtenir la variance d'erreurs contenues dans des estimations de tendance X-11 et de prendre en compte l'erreur d'estimation de coefficients de régression utilisés pour modéliser, par exemple, des effets de calendrier. Dans le cas de nos résultats empiriques, la contribution la plus importante à la variance de la désaisonnalisation provenait souvent de l'erreur d'échantillonnage. Cependant, la variance des estimations de tendance augmentait de façon importante aux extrémités des séries, en raison des effets d'erreurs d'extrapolation rétrospective et de prévision. En outre, des composantes non stationnaires des erreurs d'échantillonnage produisaient des patrons singuliers dans la variance de la désaisonnalisation et de l'estimation de tendance.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014710Description :
La plupart des bureaux de la statistique utilisent des techniques non probabilistes pour choisir l'échantillon de produits dont les prix permettent de calculer les indices des prix à la consommation. Aux Pays-Bas, comme dans beacoup d'autres pays, ce genre de sondage raisonné se rapproche en quelque sorte de la sélection par seuil d'inclusion, une bonne partie de la population (normalement les produits suscitant le moins de dépenses) étant délibérément exclue des observations. Bien sûr, cette méthode donne lieu à des chiffres biaisés pour l'indice des prix. On peut se demander si un échangillonnage probabiliste donnerait de meilleurs résultats quant à l'erreur quadratique moyenne. Les auteurs ont considéré l'échantillonnage aléatoire simple, l'échantillonnage stratifié et l'échantillonnage systématique proportionnel aux dépenses. Ils ont mené des simulations de Monte Carlo à l'aide de données de lecture optique pour le café, les couches de bébés et le paper hygiénique afin d'évaluer le rendement des quatre plans d'échantillonnage. Il est assez surprenant de constater que la sélection par seuil d'inclusion est une bonne stratégie d'échantillonnage des produits pour l'indice des prix à la consommation.
Date de diffusion : 1999-10-08 - 5. Estimateurs de calage robustes ArchivéArticles et rapports : 12-001-X19990014711Description :
Nous considérons l'utilisation d'estimateurs de calage en présence de valeurs aberrantes. Une extension de la classe des estimateurs de calage de Deville et Särndal (1992) reposant sur les estimateurs QR de Wright (1983) est obtenue. Elle s'obtient aussi en minimisant une métrique générale sous des contraintes sur les variables de calage et sur les poids. Comme application, cette classe d'estimateurs nous permet de considérer des estimateurs de calage robustes en choisissant judicieusement ses paramètres. Il est ainsi possible, pour des besoins éventuellement cosmétiques, de restreindre les poids robustes à une intervalle spécifié à l'avance. L'utilisation d'estimateurs robustes avec haut point de rupture est considéré. Dans le cas particulier de la métrique quadratique, l'estimateur que nous suggérons est une généralisation d'une proposition de Lee (1991). Une brève étude de simulation illustre la nouvelle méthodologie.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014712Description :
L'auteur étudie une méthode basée sur le plan de sondage permettant d'utiliser une information auxiliaire en vue d'améliorer la précision des estimateurs. L'objectif est de construire un estimateur dont le biais conditionnel est faible grâce à la pondération des valeurs observées par l'inverse des probabilités d'inclusion conditionnelles. L'auteur propose une approximation générale dans le cas où la statistique auxiliaire est un vecteur d'estimateurs de Horvitz-Thompson. Cette approximation est assez proche de l'estimateur optimal deécrit par Fuller et Isaki (1981), Montanari (1987, 1997), Deville (1992) et Rao (1994, 1997). Puis, il applique l'estimateur optimal à un plan d'échantillonnage stratifié et montre qu'on peut considérer cet estimateur optimal comme estimateur de régression généralisé pour lequel les variables indicatrices de la stratification sont également utilisés au stade de l'estimation. Enfin, il discute du domaine d'application de cet estimateur dans le contexte général de l'utilisation de données auxiliaires.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014713Description :
Les auteurs étudient l'estimation régionale robuste en fonction d'un modèle simple à effets aléatoires constitué d'un modèle de base (ou à effets fixes) et d'un modèle de liaison qui traite les effets fixes comme des réalisations d'une variable aléatoire. À l'aide de ce modèle, on obtient également un estimateur modélisé d'une moyenne régionale. Cet estimateur, qui dépend des poids d'enquête, demeure conforme au plan. On obtient également un estimateur à base de modèle de son erreur quadratique moyenne (EQM). Les résultats d'une simulation indiquent que l'estimateur proposé et l'estimateur modélisé de Kott (1989) sont également efficaces, et que l'estimateur de l'EQM proposé est souvent beaucoup plus stable que l'estimateur de l'EQM de Kott, même pour des écarts modérés du modèle de liaison. La méthode s'étend également à des modèles de régression à erreur emboîtée.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014714Description :
Dans cet article, nous utilisons un modèle général à niveaux multiples pour obtenir des estimations régionales à partir des données d'enquête. Ce type de modèle permet de ternir compte des variations entre les régions, en raison : (i) des différences dans la distribution des variables unitaires entre les régions; (ii) des différences dans la distribution des variables régionales entre les régions et (iii) des composantes de la variance propres à la région, qui permettent de tenir compte de la variation locale additionnelle qui ne peut être expliquée par les covariables unitaires ou régionales. Des estimateurs régionaux sont calculés pour ce modèle multiniveau et nous fournissons une approximation de l'erreur quadratique moyenne (EQM) de chaque estimation régionale, pour cette catégorie générale de modèles mixtes, ainsi qu'un estimateur de cette EQM. L'approximation de la EQM et l'estimateur de la EQM tiennent compte de trois sources de variation : (i) la prévision de l'erreur quadratique moyenne en présumant que les termes fixes et les composantes de la variance dans le modèle à niveaux multiples sont connus; (ii) la composante additionnelle du fait qu'il faille estimer les coefficients fixes et (iii) la composante additionnelle du fait que les composantes de la variance dans le modèle doivent être estimées. Les estimations par les méthodes proposées sont obtenues à partir d'un grand ensemble de données qui sert de base aux études numériques. Les résultats obtenus confirment que les composantes additionnelles de la variance incluses dans les modèles à niveaux multiples, de même que les covariables régionales, peuvent améliorer les estimations régionales et que l'approximation de la EQM et l'estimateur de la EQM sont satisfaisants.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014715Description :
The Gallup Organization a mené des enquêtes-ménages pour étudier la prévalence à l'échelle des États de la consommation d'alcool et de drogues (par exemple, cocaïne, marijuana, etc.). Les estimations traditionnelles dans le cadre d'enquêtes fondées sur le plan d'échantillonnage relativement à l'utilisation et à la dépendance pour des comptés et des groupes démographiques choisis ont des erreurs-types inacceptables parce que la taille des échantillons dans des groupes infra-états est trop petite. L'estimation synthétique incorpore des renseignements démographiques et des indicateurs sociaux dans les estimations de la prévalence grâce à un modèle de régression implicite. Les estimations synthétiques ont tendance à produire des variances plus petites que les estimations fondées sur le plan d'échantillonnage, mais elles peuvent être très homogènes d'un comté à l'autre lorsque les variables auxiliaires sont homogènes. Les estimations composites pour les données régionales sont des mouvements ponérées des estimations synthétiques et des estimations d'enquêtes fondées sur le plan d'échantillonnage. Un deuxième problème que l'on ne rencontre pas généralement au niveau de l'État, mais qui est présent pour des zones infra-états et des groupes concerne l'estimation des erreurs-types des prévalences estimées qui sont près de zéro. Cette difficulté touche non seulement les estimations des enquêtes-ménages téléphoniques, mais aussi les estimations composites. Un modèle hiérarchique est proposé pour régler ce problème. Des estimateurs composites empririques de Bayes, qui incorporent des facteurs de pondération des enquêtes, des prévalences et des estimateurs selon la technique du jackknife de leurs erreurs quadratiques moyennes sont présentés et illustrés.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014716Description :
Les auteurs étudient deux estimateurs fondés sur le plan de sondage des flux et des taux de transition. L'un, appelé estimateur mixte, s'appuie sur les échantillons transversaux pour l'estimation des bornes des caégories de revenu pour chaque période de référence et sur l'échantillon longitudinal pour l'estimation du nombre d'unités dans la population longitudinale (dénombrement longitudinal). L'autre, appelé estimateur longitudinal, se fonde sur l'échantillon longitudinal aussi bien pour l'estimation des bornes des catégories de revenu que pour les dénombrements longitudinaux. Par une méthode de simulation, les auteurs comparent les deux estimateurs lorsque les taux d'érosion sont élevés. Ils constatent que, si le modèle de correction pour l'érosion est imparfait, l'estimateur mixte est ordinairement plus sensible que l'estimateur longitudinal au biais lié au modèle. Ils observent aussi que, dans le cas de l'estimateur mixte, ce biais annule le faible gain de précision obtenu comparativement à l'estimateur longitudinal. Enfin, ils se servent des données de l'Enquête sur la dynamique du travail et du revenu et de la base de données longitudinales administratives de Statistique Canada pour illustrer les résultats.
Date de diffusion : 1999-10-08
Stats en bref (0)
Stats en bref (0) (0 résultat)
Aucun contenu disponible actuellement
Articles et rapports (22)
Articles et rapports (22) (0 à 10 de 22 résultats)
- 1. Dans ce numéro (Vol. 25, no. 1) ArchivéArticles et rapports : 12-001-X199900111395Description :
La rubrique Dans ce numéro contient une brève présentation par le rédacteur en chef de chacun des articles contenus dans le présent numéro de Techniques d'enquête. Aussi, on y trouve parfois quelques commentaires sur des changements dans la structure ou la gestion de la revue.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014707Description :
Les auteurs présentent l'échantillonnage mixte de Poisson, qui correspond à une famille de plans d'échantillonnage tirant son nom du fait que chaque membre de la famille est un mélange de deux plans d'échantillonnage de Poisson, c'est-à-dire l'échantillonnage ptn de Poisson et l'échantillonnage de Bernoulli. Ces deux plans si situent aux extrémités opposées d'un spectre continu indexé en fonction d'un paramètre continu. L'échantillonnage mixte de Poisson est destiné aux populations très asymétriques que l'on rencontre souvent dans les enquêtes-entreprises. Les statisticiens y trouvent un éventail d'options pour l'ampleur de la coordination des échantillons et le contrôle du fardeau de réponse. Certains plans d'échantillonnage mixte de Poisson donnent des estimations nettement plus précises que l'échantillonnage ptn de Poisson habituel. Ce résultat a de l'importance car l'échantillonnage ptn de Poisson est très efficace en soi, à supposer qu'il se fonde sur une bonne mesure de la taille.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014709Description :
Nous élaborons une méthode qui permet d'estimer la variance dans le cas de la désaisonnalisation effectuée à l'aide de la méthode X-11 et qui prend en compte les effets de l'erreur d'échantillonnage et des erreurs liées à l'extension de prévision. Dans notre méthode, l'erreur de désaisonnalisation présente dans les valeurs centrales d'une série chronologique suffisamment longue est causée uniquement par les effets de l'application de filtres X-11 aux erreurs d'échantillonnage. Vers les deux extrémités d'une série, nous prenons également en considération la contribution des erreurs d'extrapolation rétrospective et de prévision à l'erreur de désaisonnalisation. Nous élargissons notre méthode afin d'obtenir la variance d'erreurs contenues dans des estimations de tendance X-11 et de prendre en compte l'erreur d'estimation de coefficients de régression utilisés pour modéliser, par exemple, des effets de calendrier. Dans le cas de nos résultats empiriques, la contribution la plus importante à la variance de la désaisonnalisation provenait souvent de l'erreur d'échantillonnage. Cependant, la variance des estimations de tendance augmentait de façon importante aux extrémités des séries, en raison des effets d'erreurs d'extrapolation rétrospective et de prévision. En outre, des composantes non stationnaires des erreurs d'échantillonnage produisaient des patrons singuliers dans la variance de la désaisonnalisation et de l'estimation de tendance.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014710Description :
La plupart des bureaux de la statistique utilisent des techniques non probabilistes pour choisir l'échantillon de produits dont les prix permettent de calculer les indices des prix à la consommation. Aux Pays-Bas, comme dans beacoup d'autres pays, ce genre de sondage raisonné se rapproche en quelque sorte de la sélection par seuil d'inclusion, une bonne partie de la population (normalement les produits suscitant le moins de dépenses) étant délibérément exclue des observations. Bien sûr, cette méthode donne lieu à des chiffres biaisés pour l'indice des prix. On peut se demander si un échangillonnage probabiliste donnerait de meilleurs résultats quant à l'erreur quadratique moyenne. Les auteurs ont considéré l'échantillonnage aléatoire simple, l'échantillonnage stratifié et l'échantillonnage systématique proportionnel aux dépenses. Ils ont mené des simulations de Monte Carlo à l'aide de données de lecture optique pour le café, les couches de bébés et le paper hygiénique afin d'évaluer le rendement des quatre plans d'échantillonnage. Il est assez surprenant de constater que la sélection par seuil d'inclusion est une bonne stratégie d'échantillonnage des produits pour l'indice des prix à la consommation.
Date de diffusion : 1999-10-08 - 5. Estimateurs de calage robustes ArchivéArticles et rapports : 12-001-X19990014711Description :
Nous considérons l'utilisation d'estimateurs de calage en présence de valeurs aberrantes. Une extension de la classe des estimateurs de calage de Deville et Särndal (1992) reposant sur les estimateurs QR de Wright (1983) est obtenue. Elle s'obtient aussi en minimisant une métrique générale sous des contraintes sur les variables de calage et sur les poids. Comme application, cette classe d'estimateurs nous permet de considérer des estimateurs de calage robustes en choisissant judicieusement ses paramètres. Il est ainsi possible, pour des besoins éventuellement cosmétiques, de restreindre les poids robustes à une intervalle spécifié à l'avance. L'utilisation d'estimateurs robustes avec haut point de rupture est considéré. Dans le cas particulier de la métrique quadratique, l'estimateur que nous suggérons est une généralisation d'une proposition de Lee (1991). Une brève étude de simulation illustre la nouvelle méthodologie.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014712Description :
L'auteur étudie une méthode basée sur le plan de sondage permettant d'utiliser une information auxiliaire en vue d'améliorer la précision des estimateurs. L'objectif est de construire un estimateur dont le biais conditionnel est faible grâce à la pondération des valeurs observées par l'inverse des probabilités d'inclusion conditionnelles. L'auteur propose une approximation générale dans le cas où la statistique auxiliaire est un vecteur d'estimateurs de Horvitz-Thompson. Cette approximation est assez proche de l'estimateur optimal deécrit par Fuller et Isaki (1981), Montanari (1987, 1997), Deville (1992) et Rao (1994, 1997). Puis, il applique l'estimateur optimal à un plan d'échantillonnage stratifié et montre qu'on peut considérer cet estimateur optimal comme estimateur de régression généralisé pour lequel les variables indicatrices de la stratification sont également utilisés au stade de l'estimation. Enfin, il discute du domaine d'application de cet estimateur dans le contexte général de l'utilisation de données auxiliaires.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014713Description :
Les auteurs étudient l'estimation régionale robuste en fonction d'un modèle simple à effets aléatoires constitué d'un modèle de base (ou à effets fixes) et d'un modèle de liaison qui traite les effets fixes comme des réalisations d'une variable aléatoire. À l'aide de ce modèle, on obtient également un estimateur modélisé d'une moyenne régionale. Cet estimateur, qui dépend des poids d'enquête, demeure conforme au plan. On obtient également un estimateur à base de modèle de son erreur quadratique moyenne (EQM). Les résultats d'une simulation indiquent que l'estimateur proposé et l'estimateur modélisé de Kott (1989) sont également efficaces, et que l'estimateur de l'EQM proposé est souvent beaucoup plus stable que l'estimateur de l'EQM de Kott, même pour des écarts modérés du modèle de liaison. La méthode s'étend également à des modèles de régression à erreur emboîtée.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014714Description :
Dans cet article, nous utilisons un modèle général à niveaux multiples pour obtenir des estimations régionales à partir des données d'enquête. Ce type de modèle permet de ternir compte des variations entre les régions, en raison : (i) des différences dans la distribution des variables unitaires entre les régions; (ii) des différences dans la distribution des variables régionales entre les régions et (iii) des composantes de la variance propres à la région, qui permettent de tenir compte de la variation locale additionnelle qui ne peut être expliquée par les covariables unitaires ou régionales. Des estimateurs régionaux sont calculés pour ce modèle multiniveau et nous fournissons une approximation de l'erreur quadratique moyenne (EQM) de chaque estimation régionale, pour cette catégorie générale de modèles mixtes, ainsi qu'un estimateur de cette EQM. L'approximation de la EQM et l'estimateur de la EQM tiennent compte de trois sources de variation : (i) la prévision de l'erreur quadratique moyenne en présumant que les termes fixes et les composantes de la variance dans le modèle à niveaux multiples sont connus; (ii) la composante additionnelle du fait qu'il faille estimer les coefficients fixes et (iii) la composante additionnelle du fait que les composantes de la variance dans le modèle doivent être estimées. Les estimations par les méthodes proposées sont obtenues à partir d'un grand ensemble de données qui sert de base aux études numériques. Les résultats obtenus confirment que les composantes additionnelles de la variance incluses dans les modèles à niveaux multiples, de même que les covariables régionales, peuvent améliorer les estimations régionales et que l'approximation de la EQM et l'estimateur de la EQM sont satisfaisants.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014715Description :
The Gallup Organization a mené des enquêtes-ménages pour étudier la prévalence à l'échelle des États de la consommation d'alcool et de drogues (par exemple, cocaïne, marijuana, etc.). Les estimations traditionnelles dans le cadre d'enquêtes fondées sur le plan d'échantillonnage relativement à l'utilisation et à la dépendance pour des comptés et des groupes démographiques choisis ont des erreurs-types inacceptables parce que la taille des échantillons dans des groupes infra-états est trop petite. L'estimation synthétique incorpore des renseignements démographiques et des indicateurs sociaux dans les estimations de la prévalence grâce à un modèle de régression implicite. Les estimations synthétiques ont tendance à produire des variances plus petites que les estimations fondées sur le plan d'échantillonnage, mais elles peuvent être très homogènes d'un comté à l'autre lorsque les variables auxiliaires sont homogènes. Les estimations composites pour les données régionales sont des mouvements ponérées des estimations synthétiques et des estimations d'enquêtes fondées sur le plan d'échantillonnage. Un deuxième problème que l'on ne rencontre pas généralement au niveau de l'État, mais qui est présent pour des zones infra-états et des groupes concerne l'estimation des erreurs-types des prévalences estimées qui sont près de zéro. Cette difficulté touche non seulement les estimations des enquêtes-ménages téléphoniques, mais aussi les estimations composites. Un modèle hiérarchique est proposé pour régler ce problème. Des estimateurs composites empririques de Bayes, qui incorporent des facteurs de pondération des enquêtes, des prévalences et des estimateurs selon la technique du jackknife de leurs erreurs quadratiques moyennes sont présentés et illustrés.
Date de diffusion : 1999-10-08 - Articles et rapports : 12-001-X19990014716Description :
Les auteurs étudient deux estimateurs fondés sur le plan de sondage des flux et des taux de transition. L'un, appelé estimateur mixte, s'appuie sur les échantillons transversaux pour l'estimation des bornes des caégories de revenu pour chaque période de référence et sur l'échantillon longitudinal pour l'estimation du nombre d'unités dans la population longitudinale (dénombrement longitudinal). L'autre, appelé estimateur longitudinal, se fonde sur l'échantillon longitudinal aussi bien pour l'estimation des bornes des catégories de revenu que pour les dénombrements longitudinaux. Par une méthode de simulation, les auteurs comparent les deux estimateurs lorsque les taux d'érosion sont élevés. Ils constatent que, si le modèle de correction pour l'érosion est imparfait, l'estimateur mixte est ordinairement plus sensible que l'estimateur longitudinal au biais lié au modèle. Ils observent aussi que, dans le cas de l'estimateur mixte, ce biais annule le faible gain de précision obtenu comparativement à l'estimateur longitudinal. Enfin, ils se servent des données de l'Enquête sur la dynamique du travail et du revenu et de la base de données longitudinales administratives de Statistique Canada pour illustrer les résultats.
Date de diffusion : 1999-10-08
Revues et périodiques (0)
Revues et périodiques (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :