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
à partir d’une population finie
(base de sondage) de taille
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
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
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
de taille
pour les
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
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
de taille
pour les
non-répondants dans chaque domaine.
Seules les
unités échantillonnées font
l’objet du SCNR.
Notre objectif consiste à estimer
le total de population de la
caractéristique
Cette estimation est
où
est estimé d’après les
répondants de
l’échantillon de première phase et
est estimé d’après les
répondants de
l’échantillon de seconde phase (voir la figure 2.1). Les ajustements pour la non-réponse apportés aux
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
(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.

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 Des stratégies de contact initiales sont mises en place. Il y a répondants à cette première phase et non-répondants qui seront sous-échantillonnés selon un échantillonnage systématique. Cet échantillon probabiliste de deuxième phase est de taille Ces unités reçoivent les procédures SCNR. Parmi ces unités échantillonnées, il y a répondants et non-répondants.
Ces estimateurs requièrent un minimum de
unité dans chaque domaine et un minimum de
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
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
où
représente l’intervalle
d’échantillonnage global
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 :
taux de réponse cible :
taux
de réponse cible de domaine :
avec
unités des
unités échantillonnées au départ
répondant avant le
sous-échantillonnage, ce qui laisse
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
utilisé pour la répartition est le TRT réalisable
maximal prévu pour un taux de sous-échantillonnage donné
avec
représentant la probabilité conditionnelle de répondre
en dernière analyse au recensement/à l’enquête dans le domaine
sachant que l’unité n’a pas répondu avant
le sous-échantillonnage. Dans la procédure de répartition,
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
par rapport au taux de
réponse totale cible global
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
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
et
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
pour s’assurer que la solution
d’optimisation ne soit pas
pour tout domaine
Il existe deux scénarios limites
(conditions préalables) que nous abordons avant l’optimisation
Premièrement, les domaines pour
lesquels
avant le sous-échantillonnage doivent être éliminés du problème d’optimisation
Deuxièmement, si le taux de
réponse totale estimé ne peut pas être atteint dans un domaine donné pour une
valeur
supposée, alors toutes les
unités dans le domaine sont sélectionnées pour le SCNR
L’optimisation
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
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
). Les répartitions réalisées ne
sont pas des valeurs entières, et les valeurs réelles des intervalles
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).
|
|
|
But |
| Fonction objectif |
|
|
|
| Contraintes |
(1) |
|
La taille de l’échantillon sélectionnée ne peut pas dépasser la taille globale de l’échantillon de 1 sur K. |
| (2) |
|
La taille du sous-échantillon de domaine ne peut pas dépasser le nombre de non-répondants dans la strate. |
| (3) |
|
Contrainte de non-négativité |
| (4) |
Sans objet |
|
Assure que le TRT cible est atteint dans tous les domaines dans la mesure du possible. |
ISSN : 1712-5685
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.
© Sa Majesté la Reine du chef du Canada, représentée par le ministre de l’Industrie 2018
L'utilisation de la présente publication est assujettie aux modalités de l'Entente de licence ouverte de Statistique Canada.
N° 12-001-X au catalogue
Périodicité : semi-annuel
Ottawa