Stratégies de sous-échantillonnage des non-répondants pour les programmes économiques
Section 2. Méthodologie

2.1  Plan de sondage et estimation

Le cadre général de notre recherche est le plan d’échantillonnage à deux phases illustré à la figure 2.1. La première phase est le tirage d’un échantillon probabiliste stratifié dont la taille totale est n MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGUbaaaa@32B2@ à partir d’une population finie (base de sondage) de taille N , MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGobGaaiilaaaa@3342@ effectué avant que débute la collecte des données. L’enquête est réalisée, et les unités sélectionnées répondent ou non. Durant la collecte des données, les taux de réponse sont surveillés dans H MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGibaaaa@328C@ domaines, où les domaines ne sont pas nécessairement égaux aux strates d’échantillonnage. Par exemple, les taux de réponse totale pourraient être surveillés par classe d’industries au niveau à trois chiffres, même si les strates d’échantillonnage des industries sont ventilées par catégorie de taille. En outre, les domaines pourraient être indépendants des strates d’échantillonnage originales, par exemple, correspondre à des catégories de race ou de sexe (ressemblant à des poststrates). Dans la suite de l’exposé, le terme « domaine » désigne les strates de sous-échantillonnage des non-répondants, désignées par l’indice h ( h = 1 , 2 , … , H ) . MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGObWaaeWaaeaacaWGObGaeyypa0 JaaGymaiaacYcacaaIYaGaaiilaiablAciljaacYcacaWGibaacaGL OaGaayzkaaGaaiOlaaaa@3C50@

La deuxième phase d’échantillonnage probabiliste a lieu à un point prédéterminé du cycle de collecte des données, où nous sélectionnons un sous-échantillon global de 1 unité sur K MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGlbaaaa@328E@ de taille m 1 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGTbWaaSbaaSqaaiaaigdaaeqaaa aa@3398@ pour les m MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGTbaaaa@32B1@ non-répondants (un échantillon à deux phases); ce point prédéterminé peut correspondre à une date de l’année civile fixe ou être établi au moyen d’un protocole de collecte dynamique/adaptative. La valeur de K MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGlbaaaa@328F@ est déterminée par les gestionnaires du programme, en tenant compte du budget global affecté au SCNR (supposé fixe), des mesures de performance exigées (par exemple, taux de réponse, exigences concernant les coefficients de variation), et d’autres considérations opérationnelles, telles que la longueur de la période de collecte et les ressources disponibles. Notre procédure de répartition détermine le sous-échantillon systématique de 1 unité sur K h MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGlbWaaSbaaSqaaiaadIgaaeqaaa aa@33A7@ de taille m 1 h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGTbWaaSbaaSqaaiaaigdacaWGOb aabeaaaaa@3485@ pour les m h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGTbWaaSbaaSqaaiaadIgaaeqaaa aa@33CA@ non-répondants dans chaque domaine. Seules les m 1 h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGTbWaaSbaaSqaaiaaigdacaWGOb aabeaaaaa@3485@ unités échantillonnées font l’objet du SCNR.

Notre objectif consiste à estimer Y , MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGzbGaaiilaaaa@334D@ le total de population de la caractéristique y . MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWG5bGaaiOlaaaa@336F@ Cette estimation est Y ^ = Y ^ R 1 + Y ^ R 2 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiqadMfapaGbaKaape Gaeyypa0Jabmywa8aagaqcamaaBaaaleaapeGaamOuaiaaigdaa8aa beaak8qacqGHRaWkceWGzbWdayaajaWaaSbaaSqaa8qacaWGsbGaaG OmaaWdaeqaaaaa@3AA3@ où Y ^ R 1 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiqadMfapaGbaKaada WgaaWcbaWdbiaadkfacaaIXaaapaqabaaaaa@34B9@ est estimé d’après les r 1 h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaadkhapaWaaSbaaS qaa8qacaaIXaGaamiAaaWdaeqaaaaa@34D8@ répondants de l’échantillon de première phase et Y ^ R 2 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiqadMfapaGbaKaada WgaaWcbaWdbiaadkfacaaIYaaapaqabaaaaa@34BA@ est estimé d’après les r 2 h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaadkhapaWaaSbaaS qaa8qacaaIYaGaamiAaaWdaeqaaaaa@34D9@ répondants de l’échantillon de seconde phase (voir la figure 2.1). Les ajustements pour la non-réponse apportés aux r 2 h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaadkhapaWaaSbaaS qaa8qacaaIYaGaamiAaaWdaeqaaaaa@34D9@ unités sous-échantillonnées (répondantes) supposent un mécanisme de réponses manquant au hasard (MAR), traité comme un échantillon de Bernoulli (Särndal, Swensson et Wretman, 1992, chapitre 15; Kott, 1994). Nous considérons trois estimateurs par ajustement des poids de sondage (repondération) distincts de Y ^ R 2 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiqadMfapaGbaKaada WgaaWcbaWdbiaadkfacaaIYaaapaqabaaaaa@34BA@ (Kalton et Flores-Cervantes, 2003), à savoir l’estimateur par double expansion (DE) repondéré (Binder, Babyak, Brodeur, Hidiroglou et Wisner, 2000; Shao et Thompson, 2009; Haziza, Thompson et Yung, 2010), un estimateur par ratio distinct (SR pour separate ratio), qui corrige la non-réponse totale en utilisant une covariable fortement corrélée à la propension à répondre ainsi qu’à la caractéristique d’intérêt de l’enquête (Shao et Thompson, 2009; Haziza et coll., 2010), et un estimateur par ratio combiné (CR pour combined ratio) (Binder et coll., 2000). Les formules sont données en annexe.

Figure 2.1 Sous-échantillon de non-répondants tiré de l’échantillon probabiliste, sélectionné durant la collecte des données (plan d’échantillonnage à deux phases). Les non-répondants non échantillonnés ne sont pas visés par le SCNR

Description de la figure 2.1

Figure illustrant le plan d’échantillonnage à deux phases. D’abord, un échantillon probabiliste de première phase est sélectionné (taille n h ). MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqipu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaGaamOBamaaBa aaleaacaWGObaabeaakiaacMcacaGGUaaaaa@394C@ Des stratégies de contact initiales sont mises en place. Il y a r 1h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqipu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaGaamOCamaaBa aaleaacaaIXaGaamiAaaqabaaaaa@38A2@ répondants à cette première phase et m h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqipu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaGaamyBamaaBa aaleaacaWGObaabeaaaaa@37E2@ non-répondants qui seront sous-échantillonnés selon un échantillonnage systématique. Cet échantillon probabiliste de deuxième phase est de taille m 1h . MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqipu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaGaamyBamaaBa aaleaacaaIXaGaamiAaaqabaGccaGGUaaaaa@3959@ Ces unités reçoivent les procédures SCNR. Parmi ces unités échantillonnées, il y a r 2h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqipu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaGaamOCamaaBa aaleaacaaIYaGaamiAaaqabaaaaa@38A3@ répondants et m 2h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqipu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaGaamyBamaaBa aaleaacaaIYaGaamiAaaqabaaaaa@389E@ non-répondants.

Ces estimateurs requièrent un minimum de r 2 h = 1 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGYbWaaSbaaSqaaiaaikdacaWGOb aabeaakiabg2da9iaaigdaaaa@3656@ unité dans chaque domaine et un minimum de r 2 h = 2 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGYbWaaSbaaSqaaiaaikdacaWGOb aabeaakiabg2da9iaaikdaaaa@3657@ pour l’estimation de la variance. Ces conditions minimales peuvent ne pas être vérifiées pour plusieurs raisons. Durant les premiers stades de la collecte du SCNR, un nombre insuffisant d’unités sous-échantillonnées pourraient répondre dans un domaine donné. Ou, la procédure de répartition pourrait déterminer qu’aucun sous-échantillonnage n’est requis dans un ou plusieurs domaines. Enfin, la procédure de répartition pourrait nécessiter un suivi total (toutes les unités sous-échantillonnées) dans certains domaines; donc, nous désignons le suivi total/sans sous-échantillonnage comme étant un « suivi complet ». Dans ces cas, la procédure d’estimation ignore la dernière phase d’échantillonnage comme si celle-ci n’avait pas eu lieu et produit des estimations pour le domaine h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGObaaaa@32AC@ en utilisant la formule de l’estimateur regroupé fournie à l’annexe.

2.2  Stratégies de répartition

Si tous les cas non répondants sont soumis au SCNR, les stratégies de prise de contact avec les répondants sont axées sur l’amélioration des taux de réponse globaux. Les analystes pourraient se concentrer principalement sur l’obtention de réponses auprès des cas de refus non catégorique qui, à leur avis, ont des caractéristiques similaires à celles des répondants précédents (« succès rapides »), quoique ce phénomène soit plus probable quand la collecte des données est effectuée sur le terrain, comme dans le cas des enquêtes auprès des ménages ou des enquêtes agricoles, et peut-être moins quand la collecte se fait par Internet ou par la poste. Dans le cas des enquêtes auprès des entreprises, la taille de l’unité est un facteur qui joue un rôle dans les procédures de SCNR, comme il est discuté à la section 1.

Notre objectif est d’obtenir un ensemble réalisé de répondants qui est approximativement un sous-échantillon aléatoire de l’échantillon sélectionné au départ au moyen d’un échantillon probabiliste de non-répondants. Si l’échantillon est probabiliste, les cas ciblés constituent un ensemble représentatif de la population de non-répondants. En concentrant les efforts de prise de contact sur le sous-échantillon, nous espérons diminuer les effets du biais de non-réponse sur les totaux estimés en obtenant des données auprès de tous les types d’unités non répondantes. En outre, les méthodes de pondération ou d’imputation pourraient réduire plus efficacement les effets du biais de non-réponse dans le cas d’un sous-échantillon probabiliste de non-répondants (Brick, 2013). Même s’ils ne font pas l’objet d’un SCNR supplémentaire, les non-répondants non échantillonnés peuvent fournir des réponses plus tard durant le cycle de collecte. Le cas échéant, une procédure d’estimation sans biais n’inclurait pas les réponses tardives non échantillonnées dans l’estimation finale, en supposant que toutes les unités sous-échantillonnées répondent, car ces unités sont représentées par les cas sous-échantillonnés. Cependant, cette procédure déplaît beaucoup à de nombreux gestionnaires d’enquête. Donc, nous incluons plutôt les données de ces unités dans les totalisations comme si elles avaient répondu avant le sous-échantillonnage. Cela induit un biais dans l’estimation. En pratique, nous veillons à ce que cette situation se produise peu fréquemment en effectuant le sous-échantillonnage à un stade tardif du cycle de collecte des données.

Dans le cas d’une enquête auprès des entreprises où ne sont suivies que peu de données démographiques, voire aucune, la plupart de l’information sur les non-répondants, telles l’industrie et la taille de l’unité (par exemple, paie totale, recettes totales) est tirée de la base de sondage. La répartition des non-répondants dans des domaines préalablement spécifiés par taille d’unité et la sélection d’un échantillon systématique devraient produire un sous-échantillon qui ressemble à l’échantillon de départ en ce qui a trait à sa composition en tailles d’unité. Cela est particulièrement important dans le cas des enquêtes auprès des entreprises où l’on a tendance à obtenir les réponses auprès des grandes unités (Thompson et Washington, 2013). Le choix du domaine de sous-échantillonnage est déterminé par les objectifs globaux de l’enquête, tels que les niveaux de publication, ou par la conception des cellules d’ajustement (par exemple, cellules de pondération ou classes d’imputation), quoique les calculs soient considérablement simplifiés quand le domaine d’intérêt coïncide avec la strate d’échantillonnage originale. Dans l’EC, l’industrie est le domaine d’intérêt.

Nous considérons deux approches de répartition, à savoir 1) l’échantillonnage avec probabilités égales, et 2) la répartition optimisée avec contraintes sur les taux de réponse totale et la taille d’échantillon dans des domaines prédéterminés. L’échantillonnage avec probabilités égales est facile à mettre en œuvre et devrait présenter la variance d’échantillonnage la plus faible parmi les stratégies de répartition du sous-échantillon de non-répondants envisagées, puisque le facteur d’ajustement des poids de sous-échantillonnage aura une valeur constante dans tous les domaines. Cependant, puisque la même proportion de non-répondants est échantillonnée dans chaque domaine, le sous-échantillon pourrait ne pas être suffisamment grand pour compenser les effets du biais de non-réponse sur les totaux dans les domaines à faible réponse. Nous désignons les répartitions obtenues par échantillonnage avec probabilités égales par le terme Constant −   K , MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGdbGaae4Baiaab6gacaqGZbGaae iDaiaabggacaqGUbGaaeiDaiabgkHiTiaayIW7caWGlbGaaiilaaaa @3D1F@ où K MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGlbaaaa@328F@ représente l’intervalle d’échantillonnage global ( 1   sur   K ) . MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaadaqadaqaaiaaigdacaaMe8Uaae4Cai aabwhacaqGYbGaaGjbVlaadUeaaiaawIcacaGLPaaacaGGUaaaaa@3B82@

Nos méthodes de répartition optimisée tiennent compte de la préoccupation susmentionnée en concentrant les efforts de SCNR dans les domaines où les taux de réponse sont faibles, en essayant de sélectionner suffisamment de cas pour obtenir les valeurs de performance de référence. Cette stratégie peut réduire le biais de non-réponse dans les totaux si le mécanisme de réponse est de type MAR, conditionnellement aux variables auxiliaires utilisées pour définir les domaines; voir Wagner (2012). Cependant, elle peut accroître la variance, car les intervalles de sous-échantillonnage différeront et les poids deviendront plus variables. Afin de réduire au minimum la variance d’échantillonnage additionnelle causée par des intervalles d’échantillonnage différents, les intervalles de sous-échantillonnage des non-répondants dans les domaines devraient être proches de l’intervalle global de sous-échantillonnage des non-répondants. Pour contrôler les coûts, la répartition ne devrait pas aboutir à la sélection d’un plus grand nombre d’unités qu’il n’a été budgété pour le SCNR. Rappelons que, dans le contexte des enquêtes fédérales, des taux de réponse cibles doivent être atteints ou quasi atteints, ce qui rend tous les domaines « également » importants du point de vue de la collecte des données.

Pour décrire les procédures de répartition, nous introduisons une notation supplémentaire :

taux de réponse totale :            TRT = ∑ h ( r 1 h + r 2 h ) ∑ h n h MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGubGaaeOuaiaabsfacqGH9aqpda WcaaqaamaaqababaWaaeWaaeaaqaaaaaaaaaWdbiaadkhapaWaaSba aSqaa8qacaaIXaGaamiAaaWdaeqaaOWdbiabgUcaRiaadkhapaWaaS baaSqaa8qacaaIYaGaamiAaaWdaeqaaaGccaGLOaGaayzkaaaaleaa caWGObaabeqdcqGHris5aaGcbaWaaabeaeaapeGaamOBa8aadaWgaa WcbaWdbiaadIgaa8aabeaaaeaacaWGObaabeqdcqGHris5aaaaaaa@45E2@

taux de réponse cible :              TRT C = ∑ h r 1 h + ( q h m h / K ) ∑ h n h MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGubGaaeOuaiaabsfadaahaaWcbe qaaiaaboeaaaGccqGH9aqpdaWcaaqaamaaqababaGaamOCamaaBaaa leaacaaIXaGaamiAaaqabaGccqGHRaWkdaqadaqaaabaaaaaaaaape WaaSGbaeaacaWGXbWaaSbaaSqaaiaadIgaaeqaaOGaamyBamaaBaaa leaacaWGObaabeaaaOqaaiaadUeaaaaapaGaayjkaiaawMcaaaWcba GaamiAaaqab0GaeyyeIuoaaOqaamaaqababaWdbiaad6gapaWaaSba aSqaa8qacaWGObaapaqabaaabaGaamiAaaqab0GaeyyeIuoaaaaaaa@48C0@

taux de réponse cible de domaine :       TRT h C = r 1 h + ( q h m h / K h ) n h MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGubGaaeOuaiaabsfadaqhaaWcba GaamiAaaqaaiaaboeaaaGccqGH9aqpdaWcaaqaaabaaaaaaaaapeGa amOCa8aadaWgaaWcbaWdbiaaigdacaWGObaapaqabaGccqGHRaWkda qadaqaamaalyaabaGaamyCamaaBaaaleaacaWGObaabeaakiaad2ga daWgaaWcbaGaamiAaaqabaaakeaacaWGlbWaaSbaaSqaaiaadIgaae qaaaaaaOGaayjkaiaawMcaaaqaa8qacaWGUbWdamaaBaaaleaapeGa amiAaaWdaeqaaaaaaaa@4550@

avec r 1 h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGYbWaaSbaaSqaaiaaigdacaWGOb aabeaaaaa@348A@ unités des n h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGUbWaaSbaaSqaaiaadIgaaeqaaa aa@33CB@ unités échantillonnées au départ répondant avant le sous-échantillonnage, ce qui laisse m h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGTbWaaSbaaSqaaiaadIgaaeqaaa aa@33CA@ unités disponibles pour le sous-échantillonnage dans chaque domaine. Le taux de réponse totale (TRT) est la proportion réelle d’unités échantillonnées répondantes (Thompson et Oliver, 2012) et n’inclut pas d’ajustement pour le sous-échantillonnage. Le taux de réponse cible ( TRT C ) MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaadaqadaqaaiaabsfacaqGsbGaaeivam aaCaaaleqabaGaae4qaaaaaOGaayjkaiaawMcaaaaa@36C8@ utilisé pour la répartition est le TRT réalisable maximal prévu pour un taux de sous-échantillonnage donné K , MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGlbGaaiilaaaa@333F@ avec q h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGXbWaaSbaaSqaaiaadIgaaeqaaa aa@33CE@ représentant la probabilité conditionnelle de répondre en dernière analyse au recensement/à l’enquête dans le domaine h , MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGObGaaiilaaaa@335C@ sachant que l’unité n’a pas répondu avant le sous-échantillonnage. Dans la procédure de répartition, q h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGXbWaaSbaaSqaaiaadIgaaeqaaa aa@33CE@ peut être modélisé d’après les données historiques s’il en existe, ou supposé constant pour une nouvelle enquête ou pour des analyses de sensibilité.

Nous formulons la répartition optimale comme un programme quadratique et considérons deux fonctions objectif différentes. Le premier programme quadratique minimise le carré de l’écart du taux de réponse cible dans chaque domaine TRT h C MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaabsfacaqGsbGaae iva8aadaqhaaWcbaWdbiaadIgaa8aabaWdbiaaboeaaaaaaa@3680@ par rapport au taux de réponse totale cible global TRT C , MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGubGaaeOuaiaabsfadaahaaWcbe qaaiaaboeaaaGccaGGSaaaaa@35EF@ sous des contraintes linéaires sur la taille de l’échantillon de non-répondants. Cette fonction objectif est analogue au numérateur du test d’adéquation du khi carré de Pearson.

Le deuxième programme quadratique minimise le carré de l’écart des intervalles d’échantillonnage de domaine par rapport à l’intervalle d’échantillonnage global ( K ) MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaadaqadaqaaiaadUeaaiaawIcacaGLPa aaaaa@3418@ sous des contraintes linéaires sur les taux de réponse totale dans chaque domaine et sur le nombre de non-répondants échantillonnés. Donc, même si la procédure d’optimisation permet que les intervalles d’échantillonnage varient selon le domaine, le programme essaie d’éviter des accroissements éventuellement grands de la variance causés par les « fractions d’échantillonnage disproportionnées » introduites délibérément mentionnées dans Kish (1992). Nous dénommons les répartitions obtenues au moyen de ces programmes quadratiques Min   −   TRT MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGnbGaaeyAaiaab6gacaaMi8Uaey OeI0IaaGjcVlaabsfacaqGsbGaaeivaaaa@3AFE@ et Min   −   K , MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGnbGaaeyAaiaab6gacaaMi8Uaey OeI0IaaGjcVlaadUeacaGGSaaaaa@39FB@ respectivement.

Les deux programmes quadratiques sont principalement déterministes. Cependant, rappelons qu’à l’étape de la répartition, nous devons estimer le nombre d’unités sous-échantillonnées qui finiront par répondre dans chaque domaine. Les programmes quadratiques utilisent tous deux les contraintes (1) à (3) dans le tableau 2.1. La contrainte (4) est incluse dans la répartition Min   −   K MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGnbGaaeyAaiaab6gacaaMi8Uaey OeI0IaaGjcVlaadUeaaaa@394B@ pour s’assurer que la solution d’optimisation ne soit pas K h = K MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGlbWaaSbaaSqaaiaadIgaaeqaaO Gaeyypa0Jaam4saaaa@3588@ pour tout domaine h . MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGObGaaiOlaaaa@335E@ Il existe deux scénarios limites (conditions préalables) que nous abordons avant l’optimisation Min   −   K . MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGnbGaaeyAaiaab6gacaaMi8Uaey OeI0IaaGjcVlaadUeacaGGUaaaaa@39FD@ Premièrement, les domaines pour lesquels TRT h   C ≥ TRT C MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaabsfacaqGsbGaae iva8aadaqhaaWcbaWdbiaadIgacaGGGcaapaqaa8qacaqGdbaaaOGa eyyzImRaaeivaiaabkfacaqGubWdamaaCaaaleqabaWdbiaaboeaaa aaaa@3D09@ avant le sous-échantillonnage doivent être éliminés du problème d’optimisation ( K h = ∞ ) . MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaadaqadaqaaiaadUeadaWgaaWcbaGaam iAaaqabaGccqGH9aqpcqGHEisPaiaawIcacaGLPaaacaGGUaaaaa@3864@ Deuxièmement, si le taux de réponse totale estimé ne peut pas être atteint dans un domaine donné pour une valeur q h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGXbWaaSbaaSqaaiaadIgaaeqaaa aa@33CE@ supposée, alors toutes les unités dans le domaine sont sélectionnées pour le SCNR ( K h = 1 ) . MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaadaqadaqaaiaadUeadaWgaaWcbaGaam iAaaqabaGccqGH9aqpcaaIXaaacaGLOaGaayzkaaGaaiOlaaaa@37AE@ L’optimisation Min   −   K MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaqGnbGaaeyAaiaab6gacaaMi8Uaey OeI0IaaGjcVlaadUeaaaa@394B@ est appliquée aux domaines restants, ce qui requiert que les TRT de ces domaines sous-échantillonnés égalent ou dépassent les TRT cibles.

En utilisant des données d’échantillon contenant les répondants et les non-répondants, ainsi que différentes valeurs spécifiées de q h , MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGXbWaaSbaaSqaaiaadIgaaeqaaO Gaaiilaaaa@3488@ nous nous servons de la procédure PROC NLP de SAS® (L’analyse des données du présent article a été effectuée en utilisant le logiciel SAS. Tous droits réservés, SAS Institute Inc. SAS et tous les autres noms de produit ou service du SAS Institute Inc. sont des marques de commerce déposées ou des marques de commerce du SAS Institute Inc., Cary, NC, USA.) pour résoudre les programmes quadratiques (en obtenant l’ensemble de K h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaacaWGlbWaaSbaaSqaaiaadIgaaeqaaO Gaaiykaiaac6caaaa@3511@ ). Les répartitions réalisées ne sont pas des valeurs entières, et les valeurs réelles des intervalles ( K h ) MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacH8rrps0l bbf9q8WrFfeuY=Hhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaadaqadaqaaiaadUeadaWgaaWcbaGaam iAaaqabaaakiaawIcacaGLPaaaaaa@353B@ ont été entrées dans la procédure PROC SURVEYSELECT de SAS® pour sélectionner les sous-échantillons systématiques stratifiés de non-répondants. Comme l’a mentionné un examinateur, cela donne une solution qui est arrondie aléatoirement, mais contrainte à la taille d’échantillon globale requise, ce qui pourrait avoir une incidence sur la fiabilité en raison de l’erreur d’arrondissement. Ces genres d’effets n’ont pas été étudiés dans le présent article.

Tableau 2.1
Programmes quadratiques des répartitions optimisées
Sommaire du tableau
Le tableau montre les résultats de Programmes quadratiques des répartitions optimisées (équation) et But(figurant comme en-tête de colonne).
Min − TRT MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacPqpw0le9 v8qqaqFD0xXdHaVhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeqabeqadiWa ceGabeqabeqabeqadeaakeaacaqGnbGaaeyAaiaab6gacaaMi8Uaey OeI0IaaGjcVlaabsfacaqGsbGaaeivaaaa@3D2B@ Min − K MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacPqpw0le9 v8qqaqFD0xXdHaVhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeqabeqadiWa ceGabeqabeqabeqadeaakeaacaqGnbGaaeyAaiaab6gacaaMi8Uaey OeI0IaaGjcVlaadUeaaaa@3B78@ But
Fonction objectif min ∑ h ( TRT h C − TRT C ) 2 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacPqpw0le9 v8qqaqFD0xXdHaVhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaab2gacaqGPbGaae OBamaawafabeWcpaqaa8qacaWGObaabeqdpaqaa8qacqGHris5aaGc daqadaWdaeaapeGaaeivaiaabkfacaqGubWdamaaDaaaleaapeGaam iAaaWdaeaapeGaae4qaaaakiabgkHiTiaabsfacaqGsbGaaeiva8aa daahaaWcbeqaa8qacaqGdbaaaaGccaGLOaGaayzkaaWdamaaCaaale qabaWdbiaaikdaaaaaaa@4616@ min ∑ h ( K h −K ) 2 =min ∑ h ( m h m 1h −K ) 2 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacPqpw0le9 v8qqaqFD0xXdHaVhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaab2gacaqGPbGaae OBamaawafabeWcpaqaa8qacaWGObaabeqdpaqaa8qacqGHris5aaGc daqadaWdaeaapeGaam4sa8aadaWgaaWcbaWdbiaadIgaa8aabeaak8 qacqGHsislcaWGlbaacaGLOaGaayzkaaWdamaaCaaaleqabaWdbiaa ikdaaaGcpaGaeyypa0Zdbiaab2gacaqGPbGaaeOBamaawafabeWcpa qaa8qacaWGObaabeqdpaqaa8qacqGHris5aaGcdaqadaWdaeaapeWa aSaaa8aabaWdbiaad2gapaWaaSbaaSqaa8qacaWGObaapaqabaaake aapeGaamyBa8aadaWgaaWcbaWdbiaaigdacaWGObaapaqabaaaaOWd biabgkHiTiaadUeaaiaawIcacaGLPaaapaWaaWbaaSqabeaapeGaaG Omaaaaaaa@5226@
Contraintes (1) K≤ ∑ h m h / ∑ h   m 1h MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacPqpw0le9 v8qqaqFD0xXdHaVhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaadUeacqGHKjYOda WcgaqaamaavababeWcpaqaa8qacaWGObaabeqdpaqaa8qacqGHris5 aaGccaWGTbWdamaaBaaaleaapeGaamiAaaWdaeqaaaGcpeqaamaava babeWcpaqaa8qacaWGObaabeqdpaqaa8qacqGHris5aaGccaaMc8Ua amyBa8aadaWgaaWcbaWdbiaaigdacaWGObaapaqabaaaaaaa@43AD@ La taille de l’échantillon sélectionnée ne peut pas dépasser la taille globale de l’échantillon de 1 sur K.
(2) m h / m 1h ≥1 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacPqpw0le9 v8qqaqFD0xXdHaVhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbmaalyaabaGaamyBa8 aadaWgaaWcbaWdbiaadIgaa8aabeaaaOWdbeaacaWGTbWdamaaBaaa leaapeGaaGymaiaadIgaa8aabeaaaaGcpeGaeyyzImRaaGymaaaa@3BFA@ La taille du sous-échantillon de domaine ne peut pas dépasser le nombre de non-répondants dans la strate.
(3) m 1h ≥0 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacPqpw0le9 v8qqaqFD0xXdHaVhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaaqaaaaaaaaaWdbiaad2gapaWaaSbaaS qaa8qacaaIXaGaamiAaaWdaeqaaOWdbiabgwMiZkaaicdaaaa@3990@ Contrainte de non-négativité
(4) Sans objet r 1h + q h m h n h < TRT C K h =1 r 1h n h ≥ TRT C K h =∞ TRT h C ≥ TRT T autrement MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaebbnrfifHhDYfgasaacPqpw0le9 v8qqaqFD0xXdHaVhbbf9y8WrFr0xc9vqFj0db9qqvqFr0dXdHiVc=b YP0xH8peuj0dYddrpe0db9Wqpepic9qr=xfr=xfr=xmeaabaqaciGa caGaaeqabaqaaeaadaaakeaafaqaaeWacaaabaaeaaaaaaaaa8qada WcaaWdaeaapeGaamOCa8aadaWgaaWcbaWdbiaaigdacaWGObaapaqa baGcpeGaey4kaSIaamyCa8aadaWgaaWcbaWdbiaadIgaa8aabeaak8 qacaWGTbWdamaaBaaaleaapeGaamiAaaWdaeqaaaGcbaWdbiaad6ga paWaaSbaaSqaa8qacaWGObaapaqabaaaaOWdbiabgYda8iaabsfaca qGsbGaaeiva8aadaahaaWcbeqaa8qacaqGdbaaaaGcpaqaa8qacaWG lbWdamaaBaaaleaapeGaamiAaaWdaeqaaOWdbiabg2da9iaaigdaa8 aabaWdbmaalaaapaqaa8qacaWGYbWdamaaBaaaleaapeGaaGymaiaa dIgaa8aabeaaaOqaa8qacaWGUbWdamaaBaaaleaapeGaamiAaaWdae qaaaaak8qacqGHLjYScaqGubGaaeOuaiaabsfapaWaaWbaaSqabeaa peGaae4qaaaaaOWdaeaapeGaam4sa8aadaWgaaWcbaWdbiaadIgaa8 aabeaak8qacqGH9aqpcqGHEisPa8aabaWdbiaabsfacaqGsbGaaeiv a8aadaqhaaWcbaWdbiaadIgaa8aabaWdbiaaboeaaaGccqGHLjYSca qGubGaaeOuaiaabsfapaWaaWbaaSqabeaapeGaaeivaaaaaOWdaeaa peGaaeyyaiaabwhacaqG0bGaaeOCaiaabwgacaqGTbGaaeyzaiaab6 gacaqG0baaaaaa@6A9A@ Assure que le TRT cible est atteint dans tous les domaines dans la mesure du possible.

Date de modification :