Techniques d’enquête
Amélioration de l’inférence sur petits domaines grâce à l’intégration de données fondée sur des distributions a priori globales-locales

par Dexter Cahoy et Joseph SedranskNote 1

  • Date de diffusion : le 23 décembre 2025

Résumé

Nous présentons et appliquons une méthodologie pour améliorer l’inférence des paramètres pour petits domaines en utilisant des données tirées de plusieurs sources. Les présents travaux prolongent ceux de Cahoy et Sedransk (2023) qui ont montré la façon d’intégrer des statistiques sommaires provenant de sources multiples. Notre méthodologie pour effectuer des inférences sur la proportion de personnes dans les comtés de Floride qui ne sont pas couvertes par un régime d’assurance-maladie s’appuie sur des distributions a priori hiérarchiques globales-locales. Les résultats d’une vaste étude par simulation montrent que cette méthodologie, fondée sur de multiples sources de données, permettra de produire de meilleures inférences. Parmi les cinq variantes du modèle qui ont été évaluées, celles reposant sur les distributions a priori de type horseshoe pour l’ensemble des variances produisent de meilleurs résultats que celles reposant sur les distributions a priori de type LASSO pour les variances locales.

Mots-clés :      Combinaison de données; distribution a priori de type horseshoe; distribution a priori de type LASSO; observations aberrantes; régime d’assurance-maladie; regroupement de données; rétrécissement.

Table des matières

Citation de l'article

Cahoy, D. et Sedransk, J. (2025). Amélioration de l’inférence sur petits domaines grâce à l’intégration de données fondée sur des distributions a priori globales-locales. Techniques d’enquête, 51(2), 489-516. Article accessible à l’adresse http://www.statcan.gc.ca/pub/12-001-x/2025002/article/00009-fra.pdf.

Note

Date de modification :