Limites

Consulter la version la plus récente.

Les données sur lesquelles repose la présente analyse ont été recueillies principalement par le truchement de l'interview téléphonique assistée par ordinateur; les réponses ont été autodéclarées ou fournies par personne interposée. Or, les réponses autodéclarées peuvent comporter un biais comme, par exemple, le biais dû à la désirabilité sociale; en effet, le poids autodéclaré d’une personne est généralement sous-estimé par rapport à son poids mesuré³. En outre, un biais qui varie dans les réponses d'un participant en cours d'enquête peut influencer les résultats. Ainsi, il est possible que l'intérêt médiatique accru porté au dossier de l'obésité ces dernières années ait renforcé ce biais. D'autres analyses (effectuées à partir de données américaines) n'ont toutefois décelé aucune variation significative dans le biais lié à l'autodéclaration du poids et de la taille entre 1988 et 1994 et entre 1999 et 2002¹⁴.

Dans toute enquête, la non-réponse peut entraîner un biais. Or, si les poids du fichier carré longitudinal de 1994-1995 compensent pour la non-réponse à la période initiale de l'enquête, ils ne le font pas pour les périodes subséquentes. Cela a peut-être biaisé les résultats. Il est possible toutefois que la régression à partir d'ensembles de données organisés selon les périodes-personnes – laquelle n'exige pas de participer à chaque période pour être inclus dans l'analyse – ait quelque peu atténué ce biais. À l'avenir, les analyses devront tenir compte des structures de non-réponse de manière à pouvoir évaluer l'incidence de l'érosion sélective de l'échantillon sur les résultats d'enquête.

Puisque les données peuvent être conçues comme étant des observations emboîtées au niveau de l'individu, un modèle de courbe de croissance constituerait une bonne approche pour l'analyse de données¹⁵. Des analyses avaient déjà été effectuées à l'aide d'un modèle de courbe de croissance en SAS; cependant, avec la PROC MIXED de SAS,  les valeurs obtenues sont biaisées lorsqu'on utilise les poids de sondage dans l'estimation¹⁶ et, de plus, on ne pouvait pas utiliser la procédure de rééchantillonnage (méthode du bootstrap) pour estimer la variance. Par conséquent, on a adopté une autre approche, basée sur l'utilisation d'un fichier de données organisé selon les périodes-personnes. Bien qu'elle soit moins efficace qu'un modèle de courbe de croissance, cette approche n'entraîne aucun biais et permet d'estimer la variance par la procédure de rééchantillonnage.