Plans de collecte de données adaptatifs visant à minimiser les effets du mode d’enquête – étude du cas de l’Enquête sur la population active des Pays‑Bas 4. L’étude du cas de l’Enquête sur la population active des Pays‑BasPlans de collecte de données adaptatifs visant à minimiser les effets du mode d’enquête – étude du cas de l’Enquête sur la population active des Pays‑Bas 4. L’étude du cas de l’Enquête sur la population active des Pays‑Bas

Dans cette section, nous discutons de l’étude du cas de l’Enquête sur la population active (EPA) des Pays‑Bas couvrant les années 2010 à 2012. Nous commençons par décrire brièvement le plan de sondage de l’EPA, puis nous décrivons les caractéristiques sélectionnées du plan de sondage et les sous-groupes de population sélectionnés. Nous expliquons ensuite comment nous avons estimé les principaux paramètres d’entrée du problème d’optimisation, à savoir les propensions à répondre, les propensions à avoir un numéro de téléphone inscrit, les coûts variables et les effets de méthode ajustés en lien avec deux plans de collecte repères différents. Après avoir estimé les paramètres, nous présentons les principaux résultats d’optimisation. Nous concluons par une discussion allant de la sensibilité des plans de collecte optimaux à l’inexactitude des paramètres d’entrée. Pour plus de détails, nous renvoyons à Calinescu et Schouten (2013b).

4.1 L’EPA des Pays‑Bas de 2010 à 2012 – plan de sondage et remaniement

L’EPA des Pays‑Bas est une enquête-ménage mensuelle à panel rotatif comportant cinq vagues à intervalles trimestriels. Elle se fonde sur un échantillon d’adresses utilisant un plan à deux degrés où les unités de premier degré sont les municipalités et les unités de deuxième degré sont les adresses. Un échantillon aléatoire simple stratifié est prélevé en fonction de l’âge et de l’ethnicité des membres du ménage et des chômeurs inscrits. Tous les ménages, jusqu’à un maximum de huit, qui habitent à l’adresse sont invités à participer à l’enquête. Tous les membres du ménage de 15 ans ou plus sont admissibles, car ils forment la population active potentielle. Les questions de l’EPA portent sur différents sujets, dont la situation d’emploi, la profession, les heures de travail et le niveau de scolarité, mais la principale statistique est le taux de chômage.

Jusqu’en 2010, l’EPA était constituée d’une première vague d’interviews en personne, puis de vagues subséquentes d’interviews par téléphone. Pour différentes raisons, la plus importante étant les coûts, la première vague a subi un remaniement majeur. Les autres vagues sont restées inchangées, à part quelques modifications relativement mineures aux questionnaires. Le remaniement s’est déroulé en deux étapes correspondant aux deux modes d’enquête ajoutés : d’abord le téléphone, puis le Web. Lors de l’étape initiale, la première vague d’interviews en personne a été remplacée par un plan de collecte à modes simultanés où tous les ménages ayant au moins un numéro de téléphone inscrit ont été affectés au mode de collecte par téléphone et tous les autres ménages, au mode de collecte par interview en personne. Les numéros de téléphone inscrits comprennent les numéros de téléphone filaire et de téléphone mobile qui peuvent être achetés auprès de fournisseurs commerciaux. Dans la deuxième étape, la collecte simultanée par téléphone et en personne a été précédée d’une invitation en ligne, produisant une combinaison de plans de collecte à modes séquentiels et à modes simultanés. Tous les ménages ont reçu une invitation à participer par la voie d’un questionnaire en ligne. Les ménages non répondants ont été contactés par téléphone si un numéro inscrit était disponible et en personne autrement. La première étape a eu lieu en 2010 et la deuxième, en 2012. Durant ces deux années, de vastes échantillons parallèles ont été prélevés afin d’évaluer les effets de méthode entre les plans de collecte sur le taux de chômage. L’essai parallèle de 2010 comparait l’ancien plan de collecte au plan intermédiaire à modes simultanés, tandis que celui de 2012 comparait le plan intermédiaire au plan final à trois modes.

Le remaniement n’a pas modifié la stratégie de collecte de données par mode. Dans toutes les années, la stratégie de contact en personne pour la première vague de l’EPA prévoit un maximum de six visites à l’adresse, et les contacts varient selon les jours de la semaine et les heures de la journée. Si aucun contact n’est établi après la sixième visite, l’adresse est traitée comme un non-contact. La stratégie de contact par téléphone prévoit trois séries de trois appels. Les trois séries sont désignées comme étant des tentatives de contact et représentent trois quarts de travail d’intervieweurs différents. Dans chaque quart, le numéro de téléphone est composé à trois reprises à intervalles d’environ une heure. La stratégie Web prévoit l’envoi d’une lettre initiale contenant un code de connexion à un site Web, puis de deux lettres de rappel envoyées à intervalles d’une semaine.

Nous utilisons les données de la première vague de l’EPA, qui s’est déroulée de 2010 à 2012, afin d’estimer différents paramètres d’entrée pour le modèle d’optimisation. Afin de ne pas compliquer l’exposition, et comme les vagues subséquentes n’ont pas été remaniées, nous nous limitons aux effets de méthode sur les estimations du taux de chômage fondées sur la première vague seulement. Cependant, le remaniement de la première vague pourrait très bien avoir influencé le recrutement et la réponse aux vagues 2 à 5. Dans des études de suivi réalisées à Statistics Netherlands, les propensions à participer aux vagues subséquentes étaient incluses dans le problème d’optimisation, mais nous n’abordons pas cette question ici. Les données de l’EPA ont été complétées par des données de deux registres administratifs : POLIS et UWV. Le registre POLIS contient des renseignements sur les emplois, les prestations, le revenu d’emploi et les avantages sociaux. Le registre UWV contient la liste des personnes qui se sont inscrites dans un bureau de chômage et qui ont demandé des prestations d’assurance-chômage. Les deux registres contiennent des variables pertinentes pour l’EPA et seront utilisés pour stratifier la population.

4.2 L’ensemble de stratégies

Les essais parallèles de l’EPA nous permettent d’examiner un problème d’optimisation multimodal selon différentes stratégies de collecte à mode unique et à modes mixtes séquentiels. Dans la section qui suit, nous désignons les modes de collecte par téléphone et en personne par les abréviations $T e l$ et $F 2 F,$ respectivement. Bien que la stratégie séquentielle $W e b \to F 2 F$ ne s’applique qu’aux ménages nombreux et aux ménages sans numéro de téléphone inscrit, nous incluons cette stratégie dans l’optimisation.

Comme les contacts subséquents en personne et par téléphone coûtent relativement beaucoup plus cher que les interviews initiales, nous limitons le nombre d’appels. Pour $T e l,$ nous limitons ce nombre à deux et pour $F 2 F,$ à trois. Ces valeurs sont motivées par les données d’enquête historiques, par exemple après ces nombres d’appels, le coût par appel augmente rapidement. $T e l 2$ et $F 2 F 3$ dénotent les stratégies où le nombre d’appels est limité, tandis que $T e l 2 +$ et $F 2 F 3 +$ représentent les stratégies où aucune limite n’est imposée et où une stratégie de contacts réguliers est appliquée. Nous comprenons qu’imposer une limite n’est pas la même chose que limiter le nombre d’appels dans la pratique, particulièrement pour les interviews en personne. La réduction du nombre d’appels peut amener les intervieweurs ou leur personnel à modifier leur comportement et à espacer les appels différemment. Statistics Netherlands considère $T e l 2$ et $F 2 F 3$ comme des stratégies tronquées avec des périodes de collecte plus courtes, par exemple deux semaines plutôt que quatre. La charge de travail des intervieweurs est donc allégée après la période de collecte spécifiée à l’avance. De ce point de vue, il est plus raisonnable de supposer que la stratégie de contact optimale durant les deux premières semaines de $F 2 F 3 +$ n’est pas si différente de celle de $F 2 F 3.$ Nous pouvons quand même nous attendre à ce que les propensions à répondre et les coûts réalisés des stratégies avec limite diffèrent de leurs propensions et de leurs coûts simulés. L’ensemble de stratégies devient alors :

$\begin{array}{l} S = & {W e b, T e l 2, T e l 2 +, F 2 F 3, F 2 F 3 +, W e b \to T e l 2, \\ W e b \to T e l 2 +, W e b \to F 2 F 3, W e b \to F 2 F 3 +, Φ}, \end{array} (4.1)$

où $Φ$ dénote la stratégie autre que d’échantillonnage.

Les essais parallèles pour l’EPA de 2010 et 2012 étaient importants. Dans les deux années, la taille de l’échantillon de l’EPA a été doublée pendant une période de six mois. Les paramètres estimatifs restent sujets à la variation d’échantillonnage et, dans le cas des stratégies $W e b \to F 2 F,$ peut-être aussi au biais. Nous revenons là-dessus dans la section 4.6.

4.3 Les groupes de population

Afin de stratifier la population, nous avons utilisé les variables de pondération ordinaires de l’EPA comme point de départ : l’inscription au bureau de chômage, l’âge, la taille du ménage, l’ethnicité et l’emploi inscrit. Le recoupement des 5 variables a produit 48 strates de population (présence ou absence d’un chômeur inscrit dans le ménage x 3 catégories d’âge x 2 catégories de taille de ménage x 2 catégories d’ethnicité x présence ou absence d’un emploi inscrit dans le ménage). Ces strates ont été ramenées à neuf strates disjointes fondées sur le comportement de réponse et les effets de mode :

Ménages avec chômeur inscrit : ménages dont au moins un membre est inscrit dans un bureau de chômage (7,5 % de la population).
Ménages de plus de 65 ans sans emploi : ménages comptant un maximum de 3 personnes de 15 ans ou plus non inscrites dans un bureau de chômage, sans emploi, dont au moins un membre a 65 ans ou plus (19,8 % de la population).
Ménages jeunes sans emploi : ménages comptant un maximum de 3 personnes de 15 ans ou plus non inscrites dans un bureau de chômage, sans emploi, dont tous les membres ont moins de 65 ans et au moins un membre a entre 15 et 26 ans (2,4 % de la population).
Ménages non occidentaux sans emploi : ménages comptant un maximum de 3 personnes de 15 ans ou plus non inscrites dans un bureau de chômage, sans emploi, dont tous les membres ont entre 26 et 65 ans et au moins un membre est d’ethnicité non occidentale (1,5 % de la population).
Ménages occidentaux sans emploi : ménages comptant un maximum de 3 personnes de 15 ans ou plus non inscrites dans un bureau de chômage, sans emploi, dont tous les membres ont entre 26 et 65 ans et sont d’ethnicité occidentale (11,0 % de la population).
Ménages jeunes avec emploi : ménages comptant un maximum de 3 personnes de 15 ans ou plus non inscrites dans un bureau de chômage, avec au moins un emploi, dont tous les membres ont moins de 65 ans et au moins un membre a entre 15 et 26 ans (15,6 % de la population).
Ménages non occidentaux avec emploi : ménages comptant un maximum de 3 personnes de 15 ans ou plus non inscrites dans un bureau de chômage, avec au moins un emploi, dont tous les membres ont plus de 26 ans et au moins un membre est d’ethnicité non occidentale (3,9 % de la population).
Ménages occidentaux avec emploi : ménages comptant un maximum de 3 personnes de 15 ans ou plus non inscrites dans un bureau de chômage, avec au moins un emploi, dont tous les membres ont plus de 26 ans et sont d’ethnicité occidentale (33,5 % de la population).
Ménages nombreux : ménages comptant plus de 3 personnes de 15 ans ou plus non inscrites dans un bureau de chômage (4,9 % de la population).

Des étiquettes informelles ont été attribuées aux neuf strates de population afin de faciliter l’interprétation. Il faut toutefois noter que les strates 7, 8 et 9 peuvent inclure des membres du ménage qui ont plus de 65 ans. De plus, certains sous‑groupes résultent de la réduction de certaines strates. Par exemple, nous pouvons trouver les ménages comptant au moins un emploi en combinant les strates 6, 7 et 8, et les ménages ne comptant pas plus de 3 membres de 15 ans ou plus en combinant toutes les strates de 1 à 8.

Dans le modèle d’optimisation, différentes stratégies et différentes probabilités d’affectation des stratégies ont été appliquées aux neuf strates. Nous avons imposé d’autres contraintes de précision suivant l’EPA ordinaire à une autre stratification. Il devait y avoir des nombres minimaux de répondants selon l’âge, l’ethnicité et l’inscription dans un bureau de chômage. Nous renvoyons de nouveau le lecteur à Calinescu et Schouten (2013b) pour plus de détails sur ces strates et les seuils de précision correspondants.

4.4 L’estimation des paramètres d’entrée

Les paramètres d’entrée du problème d’optimisation multimodal sont les propensions à répondre des sous‑populations par stratégie, les propensions à avoir un numéro de téléphone inscrit des sous‑groupes, les coûts des sous‑groupes par unité d’échantillonnage et par stratégie et les effets de méthode ajustés des sous‑groupes par stratégie. Nous faisons une estimation de chaque ensemble de paramètres dans les sous‑sections qui suivent. De plus amples détails figurent à l’annexe A.

Trois configurations peuvent se dessiner au moment de l’estimation des paramètres d’entrée : 1) la stratégie est directement observée dans les données d’enquête historiques; 2) la stratégie est partiellement observée dans les données d’enquête historiques, c’est‑à‑dire seulement pour un sous‑ensemble de l’échantillon; et 3) la stratégie n’est pas observée du tout.

Pour l’étude du cas de l’EPA, la première configuration s’applique aux stratégies $W e b,$ $T e l 2 +,$ $F 2 F 3 +,$ $W e b \to T e l 2 +,$ la deuxième s’applique à $W e b \to F 2 F 3 +$ et la troisième, à $T e l 2,$ $F 2 F 3,$ $W e b \to T e l 2$ et $W e b \to F 2 F 3.$ Les plans de sondage à modes mixtes séquentiels avec les interviews en personne comme mode de suivi sont observés uniquement pour les ménages sans numéro de téléphone inscrit et se rattachent aux configurations 2 ou 3 selon que le nombre d’appels est limité ou non. Nous avons essayé de composer avec la configuration 2 en modélisant les paramètres d’entrée en fonction des différences observées dans les paramètres entre $T e l 2 +$ et $F 2 F 3 + .$ Nous avons supposé que le ratio de la propension à répondre entre $F 2 F 3 (+)$ et $T e l 2 +$ pour les ménages ayant un numéro de téléphone inscrit peut s’appliquer à $W e b \to F 2 F 3 (+)$ et $W e b \to T e l 2 + .$ De plus, dans l’estimation, nous avons supposé que les stratégies limitant le nombre d’appels ressemblent aux stratégies simulées, en ce sens qu’elles limitent artificiellement les stratégies prévoyant le nombre intégral d’appels au plafond spécifié. Nous avons donc essayé de traiter la configuration 3 en censurant les stratégies. Calinescu et Schouten (2013b) expliquent en détail ces étapes de modélisation.

Pour l’effet de méthode $D (s, g),$ deux repères ont été sélectionnés : ${BM}_{1} = {\bar{y}}_{F 2 F 3 +}$ et ${BM}_{2} = 1 / 3 * ({\bar{y}}_{W e b} + {\bar{y}}_{T e l 2 +} + {\bar{y}}_{F 2 F 3 +}),$ où ${\bar{y}}_{mode}$ représente le taux de chômage moyen estimé au moyen du mode d’enquête indiqué. Le premier repère suppose que le taux de chômage moyen estimé au moyen d’un plan unimodal de collecte en personne représente le taux de chômage cible. Le deuxième repère suppose qu’il n’y a pas de mode préféré et attribue donc un poids égal à chacun des trois modes. Le repère $F 2 F 3 +$ a été choisi parce qu’il s’agit du mode de collecte traditionnel pour la première vague de l’EPA et qu’il détermine donc les séries temporelles de l’EPA jusqu’en 2010. Nous croyons également que ce mode produit le biais de non‑réponse le plus faible pour de nombreuses enquêtes (voir par exemple Klausch et coll. 2013a) . Il est toutefois difficile de savoir si $F 2 F 3 +$ doit être considéré comme le mode ayant le biais de mesure le plus faible. Nous avons donc établi un deuxième repère afin d’examiner l’importance du choix de repère.

Les erreurs standard pour les paramètres d’entrée estimatifs ont été calculées par approximation au moyen d’un rééchantillonnage bootstrap par strate d’échantillonnage, d’après le modèle d’échantillonnage stratifié.

4.5 Les résultats d’optimisation

Dans cette section, nous explorons la répartition optimale et l’effet de méthode minimal pour différents niveaux budgétaires, entre les niveaux des effets de méthode par strate et les niveaux de taille de l’échantillon

$\begin{array}{l} B & \in {160 000; 170 000; 180 000} \\ M & \in {1 %; 0,5 %; 0,25 %} \\ S_{max} & \in {9 500; 12 000; 15 000} . \end{array}$

L’annexe B présente les effets de méthode minimaux pour les différents niveaux et/ou les deux plans de collecte repères, ${BM}_{1}$ et ${BM}_{2} .$ Par souci de concision, nous nous attardons surtout aux résultats pour ${BM}_{1},$ qui est l’ancien plan de l’EPA. Les valeurs réelles pour le plan de l’EPA trimodal ordinaire non adaptatif sont

$\begin{array}{l} B & = & 170 000 & M & = & 3,00 % \\ S_{\max} & = & 11 000 & {\bar{D}}^{{BM}_{1}} & = & - 0,15 % . \end{array}$

Nous pouvons tirer deux principales conclusions des résultats. Premièrement, le plan de collecte adaptatif peut réduire l’effet de méthode global absolu sur les deux repères tout en respectant une contrainte stricte sur l’effet de méthode maximal entre les strates et en maintenant le budget au niveau actuel. La seule contrainte qui doit être relâchée afin de réduire l’effet de méthode global est la taille maximale de l’échantillon. Deuxièmement, les effets de méthode globaux minimaux obtenus pour le plan repère ${BM}_{2},$ sont plus faibles que ceux obtenus pour le plan ${BM}_{1},$ à l’exception de $S_{max} = 9 500 .$ Cette différence est le résultat de valeurs généralement plus petites et plus semblables des effets de la méthode par strate $D (s, g) .$ Nous pouvons examiner l’impact de la contrainte de la taille de l’échantillon en comparant les répartitions optimales pour $S_{max} = 9 500$ et $S_{max} = 15 000 .$ Supposons que les seuils sont établis à $B = 170 000,$ $M = 1 %$ et ${BM}_{1} .$ Les figures 4.1 et 4.2 présentent les probabilités de répartition optimale par strate et par stratégie en supposant qu’une unité soit échantillonnée. Chaque figure peut être considérée comme une matrice où chaque ligne représente une des stratégies en $S^{R}$ et chaque colonne, une des neuf strates décrites dans la section 4.3, par exemple $g_{1}$ est la strate des chômeurs inscrits. Chaque cellule de la matrice, c’est‑à‑dire l’intersection d’une ligne et d’une colonne, montre la probabilité que la stratégie correspondante soit appliquée à la strate correspondante. Les probabilités sont illustrées sous forme de barres. Plus la barre est large, plus la proportion de la strate affectée à la stratégie est importante. La somme des probabilités est égale à un sur les stratégies, c’est‑à‑dire sur les lignes. Les valeurs exactes de 20 % ou plus sont données dans les barres. Les figures 4.1 et 4.2 montrent une transition évidente des probabilités d’affectation lorsque la taille de l’échantillon peut augmenter, par exemple la strate 6 (ménages de jeunes avec emploi) est presque entièrement affectée au plan $W e b,$ tandis que les strates 8 (ménages occidentaux avec emploi) et 9 (ménages nombreux) passent d’une stratégie à modes séquentiels à une stratégie de collecte par interview en personne seulement.

Figure 4.1 de la section 4

Description de la figure 4.1

Figure pouvant être considérée comme une matrice où chaque ligne représente une des stratégies en $S^{R}$ et chaque colonne, une des neuf strates $g_{1}$ à $g_{9}$ décrites dans la section 4.3. Voir la section 4.2 et la formule (4.1) pour la liste et la description des stratégies. Pour $g_{1},$ 39 % aura $F 2 F 3$ et 61 % aura $W e b \to F 2 F 3+ .$ Pour $g_{2},$ 96 % aura $W e b \to T e l 2+$ et 4 % aura $W e b \to T e l 2 .$ Pour $g_{3},$ 96 % aura $F 2 F 3+$ et le reste sera réparti entre $T e l 2, T e l 2 +, F 2 F 3, W e b \to T e l 2+ et W e b \to F 2 F 3 + .$ Pour $g_{4},$ 71 % aura $F 2 F 3+,$ 22 % aura $T e l 2$ et le reste sera réparti entre $W e b, T e l 2+ et F 2 F 3 .$ Pour $g_{5},$ 45 % aura $W e b \to T e l 2+,$ 31 % aura $T e l 2$ et le reste sera réparti entre $T e l 2+, F 2 F 3, F 2 F 3+, W e b \to F 2 F 3 et W e b \to F 2 F 3+ .$ Pour $g_{6},$ 43 % aura $W e b \to T e l 2+,$ 29 % aura $W e b \to F 2 F 3$ et 29 % aura $W e b \to F 2 F 3+ .$ Pour $g_{7},$ 65 % aura $F 2 F 3 +$ et 35 % aura $W e b \to F 2 F 3+ .$ Pour $g_{8},$ 100 % aura $W e b \to T e l 2 + .$ Pour $g_{9},$ 100 % aura $W e b \to F 2 F 3 .$

Figure 4.2 de la section 4

Description de la figure 4.2

Figure pouvant être considérée comme une matrice où chaque ligne représente une des stratégies en $S^{R}$ et chaque colonne, une des neuf strates $g_{1}$ à $g_{9}$ décrites dans la section 4.3. Voir la section 4.2 et la formule (4.1) pour la liste et la description des stratégies. Pour $g_{1},$ 60 % aura $W e b \to T e l 2+,$ 22 % aura $F 2 F 3$ et le reste sera réparti entre $W e b, T e l 2, T e l 2 +, F 2 F 3+ et W e b \to F 2 F 3.$ Pour $g_{2},$ 39 % aura $W e b \to T e l 2+,$ 20 % aura $W e b \to F 2 F 3+$ et le reste sera réparti entre $W e b, T e l 2, T e l 2 +, F 2 F 3+, W e b \to T e l 2 et W e b \to F 2 F 3.$ Pour $g_{3},$ 81 % aura $F 2 F 3+$ et le reste sera réparti entre $T e l 2 +, W e b \to T e l 2, W e b \to F 2 F 3 et W e b \to F 2 F 3 + .$ Pour $g_{4},$ 77 % aura $F 2 F 3,$ 20 % aura $T e l 2$ et le reste sera réparti entre $T e l 2+ et W e b \to F 2 F 3+ .$ Pour $g_{5},$ 98 % aura $W e b \to T e l 2$ et 2 % aura $W e b \to F 2 F 3+ .$ Pour $g_{6},$ 99 % aura $W e b$ et 1 % aura $W e b \to F 2 F 3 .$ Pour $g_{7},$ 45 % aura $F 2 F 3 +,$ 41 % aura $T e l 2$ et le reste sera réparti entre $F 2 F 3 et W e b \to T e l 2+ .$ Pour $g_{8},$ 56 % aura $F 2 F 3 +$ et le reste sera réparti entre $W e b, T e l 2, T e l 2 +, F 2 F 3, W e b \to T e l 2, W e b \to T e l 2 + et W e b \to F 2 F 3.$ Pour $g_{9},$ 85 % aura $F 2 F 3+$ et le reste sera réparti entre $F 2 F 3, W e b \to F 2 F 3 et W e b \to F 2 F 3 + .$

L’impact du budget disponible est très clair pour $S_{max} = 12 000$ et ${BM}_{1},$ où l’effet de méthode global minimal passe de 0,10 % pour $B = 160 000$ à 0,01 % pour $B = 180 000 .$ Les probabilités de répartition optimale sont indiquées dans les figures 4.3 et 4.4. Lorsque le budget augmente, nous observons une transition des stratégies de collecte par téléphone seulement à une combinaison de stratégies de collecte par interview en personne seulement et, ce qui est plutôt étonnant, de stratégies Web seulement.

Figure 4.3 de la section 4

Description de la figure 4.3

Figure pouvant être considérée comme une matrice où chaque ligne représente une des stratégies en $S^{R}$ et chaque colonne, une des neuf strates $g_{1}$ à $g_{9}$ décrites dans la section 4.3. Voir la section 4.2 et la formule (4.1) pour la liste et la description des stratégies. Pour $g_{1},$ 45 % aura $T e l 2 +,$ 42 % aura $F 2 F 3$ et le reste sera réparti entre $W e b, T e l 2, W e b \to T e l 2 et W e b \to F 2 F 3 .$ Pour $g_{2},$ 94 % aura $T e l 2+$ et le reste sera réparti entre $T e l 2, W e b \to T e l 2 e t W e b \to T e l 2 + .$ Pour $g_{3},$ 40 % aura $F 2 F 3,$ 28 % aura $T e l 2$ et le reste sera réparti entre $T e l 2 +, F 2 F 3 +, W e b \to T e l 2, W e b \to T e l 2 +, W e b \to F 2 F 3 et W e b \to F 2 F 3 + .$ Pour $g_{4},$ 88 % aura $F 2 F 3+$ et le reste sera réparti entre $T e l 2 +, F 2 F 3, W e b \to T e l 2 +, W e b \to F 2 F 3 et W e b \to F 2 F 3+ .$ Pour $g_{5},$ 62 % aura $T e l 2 +,$ 36 % aura $W e b \to T e l 2 +$ et 2 % aura $T e l 2.$ Pour $g_{6},$ 79 % aura $W e b \to T e l 2 +$ et le reste sera réparti entre $W e b, T e l 2, F 2 F 3 +, W e b \to F 2 F 3 et W e b \to F 2 F 3 + .$ Pour $g_{7},$ 80 % aura $T e l 2 +$ et le reste sera réparti entre $W e b, T e l 2, F 2 F 3, W e b \to F 2 F 3 et W e b \to F 2 F 3 + .$ Pour $g_{8},$ 47 % aura $W e b \to T e l 2 +,$ 44 % aura $T e l 2 +$ et le reste sera réparti entre $T e l 2, F 2 F 3, F 2 F 3 +, W e b \to T e l 2 et W e b \to F 2 F 3 + .$ Pour $g_{9},$ 59 % aura $W e b \to T e l 2,$ 21 % aura $T e l 2 +$ et le reste sera réparti entre $T e l 2, F 2 F 3 et F 2 F 3 + .$

Figure 4.4 de la section 4

Description de la figure 4.4

Il est possible de tester différents scénarios en utilisant une vaste gamme de valeurs seuils, ce qui pourra faire l’objet d’autres articles. Nous concluons en mentionnant que les répartitions optimales dont les probabilités d’affectation sont nombreuses mais faibles aboutissent à des processus de données très difficiles à exécuter. On pourrait ajouter des seuils plus faibles de probabilités d’affectation afin d’éviter les stratégies qui s’appliquent seulement à un petit nombre de cas.

4.6 La robustesse des plans de collecte optimaux

Dans cette section, nous discutons brièvement de la robustesse des plans de collecte optimaux. Les analyses de sensibilité dépassent la portée de cet article et font actuellement l’objet de recherches.

Pour estimer les propensions à répondre, les propensions à avoir un numéro de téléphone inscrit, les coûts par unité d’échantillonnage et les effets de méthode ajustés, nous émettons quatre principales hypothèses, en plus de celles concernant la fonction de lien logistique entre la réponse et la non‑réponse, la présence et l’absence de numéro de téléphone inscrit et les variables auxiliaires. Ces hypothèses sont les suivantes :

Modèle pour $W e b \to F 2 F 3$ et $W e b \to F 2 F + :$ Ces deux stratégies ont été utilisées seulement pour les ménages sans numéro de téléphone inscrit.
Estimation par censuration des stratégies limitant le nombre d’appels : Des stratégies limitant le nombre d’appels n’ont pas été mises en application, et nous supposons que leurs propensions à répondre et leurs coûts peuvent être estimés par censuration des stratégies englobant tous les modes de contact.
Affectation des coûts linéaires à des stratégies : Nous supposons que les coûts par unité d’échantillonnage ne dépendent pas de la taille de l’échantillon affecté à une stratégie.
Stabilité au fil du temps des effets de méthode entre 2010 et 2012 : Comme les essais parallèles ont été effectués en deux étapes, les effets de méthode pour certaines stratégies ont été estimés en deux étapes. Nous supposons implicitement que les effets de méthode pour ces plans n’ont pas changé entre 2010 et 2012.

Qui plus est, tous les paramètres d’entrée estimatifs sont assujettis à une variation d’échantillonnage. En conséquence, nous nous attendons à ce que les plans optimaux puissent subir certaines variations en raison de l’inexactitude des paramètres. Afin d’évaluer la robustesse des plans optimaux, nous proposons deux types d’analyses de sensibilité :

Une optimisation répétée des paramètres d’entrée tirés des données rééchantillonnées. Autrement dit, toutes les données historiques sont rééchantillonnées à de multiples reprises et une optimisation est effectuée à chaque tirage. Les valeurs optimales résultantes pour la qualité et les coûts ainsi que la combinaison de stratégies des plans optimaux peuvent donc être comparées entre les différents tirages.
L’évaluation de la performance du plan optimal pour les données rééchantillonnées. Autrement dit, une optimisation est effectuée en fonction des données historiques observées. Toutes les données historiques sont ensuite rééchantillonnées, et les paramètres d’entrée de l’optimisation sont recalculés pour chaque tirage. Le plan optimal est appliqué à chaque ensemble de paramètres d’entrée, et les valeurs de qualité et de coût correspondantes sont calculées. Enfin, les propriétés statistiques des valeurs de qualité et de coût sont évaluées pour tous les tirages des paramètres d’entrée.

Des analyses exploratoires de la sensibilité indiquent que la combinaison de stratégies des plans optimaux affiche des variations relativement importantes, mais que les effets de méthode optimaux ${\bar{D}}^{BM}$ sont très stables. Cela implique que l’effet de méthode, en tant que fonction d’objectif, est une fonction relativement lisse.

Politique de rédaction

Techniques d’enquête publie des articles sur les divers aspects des méthodes statistiques qui intéressent un organisme statistique comme, par exemple, les problèmes de conception découlant de contraintes d’ordre pratique, l’utilisation de différentes sources de données et de méthodes de collecte, les erreurs dans les enquêtes, l’évaluation des enquêtes, la recherche sur les méthodes d’enquête, l’analyse des séries chronologiques, la désaisonnalisation, les études démographiques, l’intégration de données statistiques, les méthodes d’estimation et d’analyse de données et le développement de systèmes généralisés. Une importance particulière est accordée à l’élaboration et à l’évaluation de méthodes qui ont été utilisées pour la collecte de données ou appliquées à des données réelles. Tous les articles seront soumis à une critique, mais les auteurs demeurent responsables du contenu de leur texte et les opinions émises dans la revue ne sont pas nécessairement celles du comité de rédaction ni de Statistique Canada.

Présentation de textes pour la revue

Techniques d’enquête est publiée en version électronique deux fois l’an. Les auteurs désirant faire paraître un article sont invités à le faire parvenir en français ou en anglais en format électronique et préférablement en Word au rédacteur en chef, (statcan.smj-rte.statcan@canada.ca, Statistique Canada, 150 Promenade du Pré Tunney, Ottawa, (Ontario), Canada, K1A 0T6). Pour les instructions sur le format, veuillez consulter les directives présentées dans la revue ou sur le site web (www.statcan.gc.ca/Techniquesdenquete).

Note de reconnaissance

Le succès du système statistique du Canada repose sur un partenariat bien établi entre Statistique Canada et la population, les entreprises, les administrations canadiennes et les autres organismes. Sans cette collaboration et cette bonne volonté, il serait impossible de produire des statistiques précises et actuelles.

Normes de service à la clientèle

Statistique Canada s'engage à fournir à ses clients des services rapides, fiables et courtois. À cet égard, notre organisme s'est doté de normes de service à la clientèle qui doivent être observées par les employés lorsqu'ils offrent des services à la clientèle.

Droit d'auteur

Publication autorisée par le ministre responsable de Statistique Canada.

L'utilisation de la présente publication est assujettie aux modalités de l'Entente de licence ouverte de Statistique Canada.

N^o 12-001-X au catalogue

Périodicité : Semi-annuel

Ottawa

Date de modification :: 2017-09-20

Sélection de la langue

Recherche et menus

Recherche