Commentaires à propos de l’article « Inférence statistique avec des échantillons d’enquête non probabiliste » : Échantillons non probabilistes : évaluation et voie à suivre
Section 4. Que faire au sujet des violations de l’hypothèse des données manquantes au hasard ?
Wu suit une grande partie de la littérature en se détournant des modèles des DMNH. Cela est en partie en raison de la perception selon laquelle la non-réponse des DMNH est essentiellement insoluble. Par exemple, Wu fait remarquer de façon quelque peu pessimiste qu’« il est bien compris que l’hypothèse des données manquantes au hasard ne peut être testée à l’aide des données elles-mêmes de l’échantillon » (page 328) et que « la nature biaisée des échantillons non probabilistes ne peut être corrigée au moyen de l’échantillon lui-même » (page 308).
Pour ce qui est des conseils aux spécialistes de la recherche sur les enquêtes qui s’inquiètent des violations de l’hypothèse des DMH, Wu n’offre qu’un test modeste, qui consiste essentiellement à trouver une autre variable semblable à la variable étudiée, mais qui est disponible pour l’ensemble de la population. Si seulement c’était si facile! Des générations d’enquêteurs ont passé les données au peigne fin pour trouver de telles variables et demeurent néanmoins préoccupées par les DMNH, surtout lorsque la réponse est non aléatoire.
Le cadre de Wu sous-estime ce que nous pouvons faire à propos des violations de l’hypothèse des DMH. Ces efforts exigeront des hypothèses, certes, mais au moins nous pourrons assouplir l’hypothèse intransigeante imposée par le concept des DMH. Le lien avec les points précédents est essentiel : comme nous aurons besoin d’hypothèses, il est important que nous disposions d’un cadre pour réfléchir aux hypothèses les plus importantes afin de pouvoir concentrer nos efforts de façon appropriée. L’équation de Meng montre de quelle façon les violations de l’hypothèse des DMH jouent un rôle central dans la création d’erreurs dans un monde d’échantillonnage non probabiliste et, par conséquent, nous devrions faire tout ce qui est en notre pouvoir pour régler ce problème.
Le modèle de sélection de Heckman (1979) est un exemple bien connu d’un modèle qui peut s’attaquer à l’hypothèse des DMNH. Ce modèle permet de tenir compte des violations de l’hypothèse des DMH et d’estimer même leur ampleur. Il n’est pas sans problème, bien sûr. En pratique, une restriction d’exclusion est exigée (une hypothèse selon laquelle une ou plusieurs variables ont une incidence sur la réponse, mais pas sur la variable étudiée) et de nombreux spécialistes modernes sont naturellement prudents à l’égard de la forte hypothèse paramétrique du modèle de Heckman.
Les spécialistes ont réalisé des progrès considérables au-delà du modèle de Heckman pour traiter les violations de l’hypothèse des DMH (Bailey, 2023). Il est facile d’assouplir l’hypothèse paramétrique grâce aux fonctions de copule (Gomes, Radice, Brenes et Marra, 2019). Si nous voulons étudier les déterminants de il existe une documentation abondante et grandissante qui applique des fonctions de contrôle très souples aux contextes des DMNH (Das, Newey et Vella, 2003; Liu et Yu, 2022). Et si nous pouvions déterminer les variables qui ont une incidence sur la propension à réagir, mais pas sur le résultat d’intérêt, plusieurs méthodes permettraient de modéliser et de neutraliser l’échantillonnage des DMNH (Peress, 2010; Sun, Liu, Miao, Wirth, Robins et Tchetgen-Tchetgen, 2018).
- Date de modification :