Programme de recherche et développement en méthodologie : réalisations, 2024-2025
7. Documents de recherche parrainés par le Programme de recherche et développement en méthodologie
Bosa, K., Beaumont, J.-F., Bocci, C. et Sombo, S. (2025). The use of a random forest algorithm in small area estimation. Article présenté au Comité consultatif sur les méthodes statistiques, juin 2025, Statistique Canada.
Boulet, C. et Mather, A. (2025). Methodology Acceleration Initiative Research Project: Subsampling for Non-Response Follow-Up in Social Surveys. Document interne, Statistique Canada.
Dasylva, A., De Cubellis, M., De Fausti, F. et Franssen, L. (2025). Linking trade data from different national statistical offices through a private set intersection. Journal of Official Statistics, 41(2), 569-597, OnlineFirst, Numéro spécial, https://journals.sagepub.com/doi/10.1177/0282423X251329407.
Dasylva, A., Santos, B., Franssen, L., De Cubellis, M., De Fausti, F., Pappagallo, A., Berrios, N. et Fitzsimons, J. (2025). Private linkage of international trade microdata in a cloud-based secure enclave. À paraître dans Statistical Journal of the International Association for Official Statistics.
Evans, J. et Wile, L. (2024). Filer sur la voie du FastText : Exploiter l’apprentissage automatique restreint par la programmation linéaire pour réviser les classifications. Recueil : Symposium 2024, Le futur des statistiques officielles, Statistique Canada, Ottawa, Canada.
Ferland, M. (2025). gseries: Improve the Coherence of Your Time Series Data. R package version 3.0.2, https://StatCan.github.io/gensol-gseries/fr/.
Francis, J., Carrillo-Garcia, I., Yélou, C. et Rassart, E. (2025). Developing CPI Quality Indicators: Project Update. Document interne, Statistique Canada.
Gauvin, H. (2025). Practical Guidelines for the Creation of Synthetic Data Files. Document interne, Statistique Canada.
Gauvin, H. (2024). Creating a synthetic version of a longitudinal and structured file: Challenges and lessons. Recueil de la Section des méthodes d’enquête, Société Statistique du Canada, St. Johns, Terre-Neuve, https://ssc.ca/sites/default/files/imce/gauvin_ssc2024.pdf.
Gray, D. (2024). Building the new Banff: An open-source data editing system based on GSDEM concepts. UNECE Expert Meeting on Statistical Data Editing, 7 au 9 octobre 2024, Vienne.
Gray, D. et Pierre, F. (2025). De SAS vers les sources libres : conversion des systèmes généralisés de Statistique Canada. À paraître dans le prochain numéro de Convergence, une revue de l’Association des statisticiennes et statisticiens du Québec.
Gray, D. et Seffal, M. (2025a). The New Banff: A Modern Edit and Imputation Platform for Everyone. Présentation interne, Statistique Canada.
Gray, D. et Seffal, M. (2025b). From SAS to Open-Source: What we learned from the Banff project. Présentation interne, Modern Statistical Methods and Data Science Branch Learning Week, Statistique Canada.
Hatko, S. et Sall, A. (2024). International Trade Unit Value Error Detection and Correction. Rapport interne, Statistique Canada.
Istrate, A. et Robatian, D. (2025). Evaluation of AI-Generated Text: Survey, Taxonomy and Practical Framework for Designing NLG Evaluation Pipelines. Rapport interne, Statistique Canada.
Lafortune, Y. et Mayer, E. (2025). The Evolution of the Quantity and Quality of the Data Collected for the Survey of Household Spending Through the Years. Document de recherche, Statistique Canada.
Loewen, R. et Jin, N. (2025a). Confidence intervals for Social Data Linkage Environment Error Rates. Document interne, Statistique Canada.
Loewen, R. et Jin, N. (2025b). Confidence intervals for Social Data Linkage Environment Error Rates. Diapositives pour présentation au Comité d’examen scientifique, 23 mai 2025, Statistique Canada.
Loewen, R. et Jin, N. (2025c). Confidence intervals for Social Data Linkage Environment Error Rates. Diapositives pour le séminaire divisionnaire, 12 juin 2025, Statistique Canada.
MacIsaac, K., Boulet, C. et Thomas, M. (2024). Recrutement et collecte de panels Web à Statistique Canada. Recueil : Symposium 2024, Le futur des statistiques officielles, Statistique Canada, Ottawa, Canada.
Mather, A. et Boulet, C. (2024). Analysis of Residual Bias on Web Panels. Document de travail de la Direction de la méthodologie (SSMD-2024-002E), Statistique Canada.
Mather, A., Boulet, C. et Ra, Y. (2024). Évaluation des biais liés aux panels Web probabilistes de Statistique Canada. Recueil : Symposium 2024, Le futur des statistiques officielles, Statistique Canada, Ottawa, Canada.
Miller, J. (2025). A Privacy-Utility Based Study of Differential Privacy. Rapport interne, Statistique Canada.
Shukla, A., Rossiter, E. et Santos B. (2024). Input/Output Privacy Framework: A Privacy-Preserving Record Linkage System. Rapport interne, Statistique Canada.
Spackman, W., Francis, J. et Goussev, S. (2025). Optimal use of machine learning at scale: Designing quality control of machine learning classification and mitigating misclassification error. Proceedings of the 17th Meeting of the Group of Experts on Consumer Price Indices, CEE-ONU, Genève, Suisse. Disponible à l'adresse : https://unece.org/sites/default/files/2025-04/Spackman%20et%20al%20%282025%29%20-%20QC%20for%20mitigating%20misclassification%20bias%20-%20paper.pdf.
Tang, C. (2024). Analyse du contrôle statistique de la divulgation pour les estimations sur petits domaines. Recueil : Symposium 2024, Le futur des statistiques officielles, Statistique Canada, Ottawa, Canada.
Toupin, M.-H. et Martin, V. (2025). Améliorer la couverture des intervalles de confiance au niveau des degrés de liberté: application à l’estimation du questionnaire détaillé du recensement canadien. Techniques d’enquête (en cours de révision).
Verret, F. et Walker, B. (2024). Rétro-ingénierie d’un processus de réconciliation hypothétique pour estimer l’erreur quadratique moyenne (EQM) des estimations sur petits domaines réconcilié. Recueil : Symposium 2024, Le futur des statistiques officielles, Statistique Canada, Ottawa, Canada.
Volkov, O. (2025). Bayesian nonparametric methods for survey data. The Survey Statistician, 91, 34-43, https://isi-iass.org/home/wp-content/uploads/Survey_Statistician_2025_January_N91.pdf.
You, Y. et Bosa, K. (2025). Rendement des estimateurs hiérarchiques bayésiens sur petits domaines reposant sur des distributions a priori non informatives et informatives et application à l’Enquête sur la population active du Canada. À paraître dans le numéro de décembre 2025 de Techniques d’enquête.
Yu, Z. (2024). Évaluation des risques liés à la divulgation de données synthétiques. Recueil : Symposium 2024, Le futur des statistiques officielles, Statistique Canada, Ottawa, Canada.
- Date de modification :