Techniques d’enquête
Estimateurs de la variance robustes pour estimateurs par la régression généralisée dans des échantillons en grappes
par Timothy L. Kennel et Richard ValliantNote 1
- Date de diffusion : Le 17 décembre 2019
Résumé
Les estimateurs de la variance par linéarisation classiques de l’estimateur par la régression généralisée sont souvent trop petits, ce qui entraîne des intervalles de confiance ne donnant pas le taux de couverture souhaité. Pour remédier à ce problème, on peut apporter des ajustements à la matrice chapeau dans l’échantillonnage à deux degrés. Nous présentons la théorie de plusieurs nouveaux estimateurs de la variance et les comparons aux estimateurs classiques dans une série de simulations. Les estimateurs proposés corrigent les biais négatifs et améliorent les taux de couverture de l’intervalle de confiance dans diverses situations correspondant à celles rencontrées en pratique.
Mots-clés : Estimateur de la variance jackknife; ajustement de matrice chapeau; ajustement d’effets de levier; modèle de superpopulation; échantillon à deux degrés; estimateur de la variance sandwich.
Table des matières
- Section 1. Introduction
- Section 2. Résultats théoriques
- Section 3. Simulation
- Section 4. Conclusion
- Remerciements
- Annexe
- Bibliographie
Citation de l'article
Kennel, T.L., et Valliant, R. (2019). Estimateurs de la variance robustes pour estimateurs par la régression généralisée dans des échantillons en grappes. Techniques d’enquête, Statistique Canada, n° 12‑001‑X au catalogue, vol. 45, n° 3. Article accessible à l'adresse http://www.statcan.gc.ca/pub/12-001-x/2019003/article/00001-fra.htm.
Note
- Date de modification :