Techniques d’enquête
Répartition de l’échantillon pour une estimation efficace sur petits domaines par modélisation

Consulter la version la plus récente.

Information archivée dans le Web

L’information dont il est indiqué qu’elle est archivée est fournie à des fins de référence, de recherche ou de tenue de documents. Elle n’est pas assujettie aux normes Web du gouvernement du Canada et elle n’a pas été modifiée ou mise à jour depuis son archivage. Pour obtenir cette information dans un autre format, veuillez communiquer avec nous.

Contenu archivé

Cette page Web a été archivée dans le Web.

par Mauno Keto et Erkki Pahkinen^{Note 1}

• Suivant

Résumé

Nous présentons les résultats de notre recherche sur les modes de répartition d’échantillons qui permettent de faire une estimation efficace sur petits domaines par modélisation dans les cas où les domaines d’intérêt coïncident avec les strates. Les méthodes d’estimation assistées d’un modèle et celles fondées sur un modèle sont répandues dans la production de statistiques relatives aux petits domaines, mais l’utilisation du modèle et de la méthode d’estimation sous-jacents est rarement intégrée au plan de répartition de l’échantillon entre les domaines. C’est pourquoi nous avons conçu un nouveau mode de répartition fondée sur un modèle que nous avons appelé répartition g1. Aux fins de comparaison, nous décrivons un autre mode de répartition fondée sur un modèle qui a récemment vu le jour. Ces deux répartitions sont fondées sur une mesure ajustée de l’homogénéité qui se calcule à l’aide d’une variable auxiliaire et constitue une approximation de la corrélation intraclasse à l’intérieur des domaines. Nous avons choisi cinq solutions de répartition par domaine sans modèle, adoptées par le passé dans le cadre d’études spécialisées, comme méthodes de référence. Pour une répartition égale ou proportionnelle, il nous faut connaître le nombre de domaines ainsi que le nombre d’unités statistiques de base dans chacun d’eux. Les répartitions de Neyman et de Bankier et la répartition par programmation non linéaire (PNL), nécessitent des paramètres au niveau du domaine comme l’écart-type, le coefficient de variation ou les totaux. En règle générale, on peut caractériser les méthodes de répartition en fonction des critères d’optimisation et de l’utilisation de données auxiliaires. On évalue alors les propriétés statistiques des diverses méthodes retenues au moyen d’expériences de simulation d’échantillon faisant appel aux données réelles du registre de population. Selon les résultats de simulation, on peut conclure que l’intégration du modèle et de la méthode d’estimation à la méthode de répartition a pour effet d’améliorer les résultats de l’estimation.

Mots-clés : Taille d’échantillon optimale de domaine; critères; information auxiliaire; mesure d’homogénéité.

Table des matières

• Section 1. Introduction
• Section 2. Répartitions par modélisation
• Section 3. Quelques modes de répartition par domaine sans modèle
• Section 4. Comparaison du rendement des modes de répartition
• Section 5. Observations en conclusion
• Remerciements
• Bibliographie

Citation de l'article

Keto, M., et Pahkinen, E. (2017). Répartition de l’échantillon pour une estimation efficace sur petits domaines par modélisation. Techniques d’enquête, Statistique Canada, n° 12‑001‑X au catalogue, vol. 43, n° 1. Article accessible à l'adresse http://www.statcan.gc.ca/pub/12-001-x/2017001/article/14817-fra.htm.

Note

• Précédent
• Page principale
• Suivant