Techniques d’enquête
Note sur l’imputation multirobuste par appariement selon la moyenne prédictive réalisée avec des données d’enquête complexes
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.
par Sixia Chen, David Haziza et Alexander StubblefieldNote 1
- Date de diffusion : le 24 juin 2021
Résumé
L’imputation par appariement selon la moyenne prédictive est couramment utilisée pour régler les cas de non-réponse dans le cadre d’enquêtes. L’approche habituelle consiste à spécifier un modèle de régression unique. Dans la présente note, nous proposons une nouvelle procédure par appariement selon la moyenne prédictive permettant à l’utilisateur de spécifier plusieurs modèles de régression. L’estimateur obtenu est multirobuste en ce sens qu’il demeure convergent si l’un des modèles de régression spécifié est défini correctement. Les résultats d’une étude de simulation indiquent que la méthode proposée fonctionne bien en termes de biais et d’efficacité.
Mots-clés : Multirobuste; imputation par la méthode du plus proche voisin; données d’enquête; estimation de la variance.
Table des matières
- Section 1. Introduction
- Section 2. Configuration de base
- Section 3. Méthode proposée
- Section 4. Étude de simulation
- Remerciements
- Bibliographie
Citation de l'article
Chen, S., Haziza, D. et Stubblefield, A. (2021). Note sur l’imputation multirobuste par appariement selon la moyenne prédictive réalisée avec des données d’enquête complexes. Techniques d’enquête, Statistique Canada, n° 12‑001‑X au catalogue, vol. 47, n° 1. Article accessible à l'adresse http://www.statcan.gc.ca/pub/12-001-x/2021001/article/00009-fra.htm.
Note
- Date de modification :