Commentaires à propos de l’article « Inférence statistique avec des échantillons d’enquête non probabiliste »
Section 5. L’échantillonnage probabiliste au 21e siècle : maintenant plus que jamais
J’ai appris les statistiques, plus particulièrement les statistiques issues d’enquêtes, vers la fin du 20e siècle, lorsque l’échantillonnage probabiliste était la pierre de touche incontestée du plan d’enquête. J’ai été initié pour la première fois au problème d’inférence à partir d’échantillons non probabilistes à la fin des années 2000, dans un contexte d’analyse des blessures faisant appel aux données du Crash Injury Research Engineering Network des États-Unis, où les analystes traitaient un échantillon très restreint de personnes accidentées dans des véhicules automobiles comme s’il s’agissait d’un échantillon aléatoire de victimes d’accidents de la route et qu’ils obtenaient par conséquent des résultats non réalistes (Elliott et coll., 2010). Vers la même époque, la popularité des enquêtes en ligne explosait et les statisticiens d’enquête ne savaient pas vraiment comment tirer des conclusions à partir de ces données. J’avoue avoir eu une attitude plutôt paternaliste à l’époque; j’ai presque évité de faire de la recherche dans ce domaine parce que je pensais que cela ne ferait qu’encourager un « mauvais comportement » à l’égard des plans d’échantillonnage. Je ne pensais pas pouvoir arrêter cette tendance à moi tout seul, mais je ne voulais pas participer à ce que j’ai perçu comme la dévalorisation de la science. J’en suis néanmoins venu à reconnaître que bon nombre de ces nouvelles sources de données présentent des avantages qui vont au-delà de ce que l’on peut obtenir au moyen d’un échantillon probabiliste traditionnel, surtout avec des budgets limités. Cela va bien au-delà des défis croissants que représente la mise en œuvre d’enquêtes probabilistes, notamment auprès de la population générale, en raison des non-réponses, de l’absence de bases de sondage adéquates, etc.
Pour autant, je reste inquiet à l’idée qu’en ayant conçu des méthodes pour faire face aux limites des enquêtes non probabilistes, l’échantillonnage probabiliste est devenu chose du passé chez les scientifiques et les décideurs dont la formation statistique est limitée, et ce, malgré des efforts comme ceux déployés par Bradley, Kuriwaki, Isakov, Sejdinovic, Meng et Flaxman (2021), et Marek, Tervo-Clemmens, Calabro et coll. (2022). Cependant, comme Wu le souligne dans son analyse, l’absence d’échantillons probabilistes rend l’échantillon non probabiliste moins vulnérable à la possibilité d’un calage même partiel ou d’autres méthodes d’ajustement (bien que les analyses de sensibilité comme les approches de « mesures normalisées du biais » mentionnées ci-dessus ne nécessitent pas d’échantillons probabilistes de référence). Par conséquent, je crois qu’il est de plus en plus essentiel de mettre en place des enquêtes probabilistes structurées et idéalement financées par le gouvernement pour les collectes de données courantes. Ce type d’enquêtes existe déjà l’American Community Survey du United States Census Bureau et la National Health Interview Survey du National Center for Health Statistics en font notamment partie , mais à l’avenir, je crois qu’il serait utile pour les organismes statistiques de s’entendre sur la nécessité de mettre les enquêtes probabilistes de grande qualité à la disposition des enquêtes non probabilistes à des fins d’analyse, et non de les diffuser comme de simples publications autonomes. Cela signifie qu’il faut réfléchir attentivement aux covariables importantes dans diverses fonctions de santé publique et de sciences sociales dans lesquels les données d’enquête jouent un rôle. Il faudra faire des choix compte tenu des contraintes budgétaires limitées et, en même temps, prévoir un financement suffisant pour conserver la qualité nécessaire aux ajustements. Enfin, bien que certaines méthodes ne nécessitent pas de microdonnées et peuvent se servir de mesures agrégées, comme celles qu’on retrouve dans l’American Communities Survey, d’autres nécessiteront ce type de données, ce qui signifie que de nouveaux domaines de recherche seront à explorer au chapitre des renseignements personnels et de la confidentialité en ce qui concerne la combinaison de données tirées d’enquêtes probabilistes et non probabilistes.
Bibliographie
Andridge, R.R., et Little, R.J. (2011). Proxy pattern-mixture analysis for survey nonresponse. Journal of Official Statistics, 27, 153-180.
Andridge, R.R., West, B.T., Little, R.J., Boonstra, P.S. et Alvarado-Leiton, F. (2019). Indices of non-ignorable selection bias for proportions estimated from non-probability samples. Journal of the Royal Statistical Society, C68, 1465-1483.
Boonstra, P.S., Little, R.J., West, B.T., Andridge, R.R. et Alvarado-Leiton, F. (2021). A simulation study of diagnostics for selection bias. Journal of Official Statistics, 37, 751-769.
Bradley, V.C., Kuriwaki, S., Isakov, M., Sejdinovic, D., Meng, X.L. et Flaxman, S. (2021). Unrepresentative big surveys significantly overestimated US vaccine uptake. Nature, 600, 695-700.
Cassel, C.M., Särndal, C.-E. et Wretman, J.H. (1976). Some results on generalized difference estimation and generalized regression estimation for finite populations. Biometrika, 63, 615-620.
Chen, J.K.T., Valliant, R.L. et Elliott, M.R. (2019). Calibrating non-probability surveys to estimated control totals using LASSO, with an application to political polling. Journal of the Royal Statistical Society, 68, 657-681.
Chen, Y., Li, P. et Wu, C. (2020). Doubly robust inference with non-probability survey samples. Journal of the American Statistical Association, 115, 2011-2021.
Chipman, H.A., George, E.I. et McCulloch, R.E. (2010). BART: Bayesian additive regression trees. The Annals of Applied Statistics, 4, 266-298.
Dong, Q., Elliott, M.R. et Raghunathan, T.E. (2014). Une méthode non paramétrique de production de populations synthétiques qui tient compte des caractéristiques des plans de sondage complexes. Techniques d’enquête, 40, 1, 33-52. Article accessible à l’adresse https://www150.statcan.gc.ca/n1/fr/pub/12-001-x/2014001/article/14003-fra.pdf.
Downes, M., et Carlin, J.B. (2020). Multilevel regression and poststratification as a modeling approach for estimating population quantities in large population health studies: A simulation study. Biometrical Journal, 62, 479-491.
Eilers, P.H., et Marx, B.D. (1996). Flexible smoothing with B-splines and penalties. Statistical Science, 11, 89-121.
Elliott, M.R. (2013). Combining data from probability and non-probability samples using pseudo-weights. Survey Practice, 2(6).
Elliott, M.R., et Davis, W.W. (2005). Obtaining cancer risk factor prevalence estimates in small areas: Combining data from the Behavioral Risk Factor Surveillance Survey and the National Health Interview Survey. Journal of the Royal Statistical Society, C54, 595-609.
Elliott, M.R., et Little, R.J.A. (2000). Model-based alternatives to trimming survey weights. Journal of Official Statistics, 16, 191-209.
Elliott, M.R., Resler, A., Flannagan, C.A. et Rupp, J.D. (2010). Appropriate analysis of CIREN data: Using NASS-CDS to reduce bias in estimation of injury risk factors in passenger vehicle crashes. Accident Analysis and Prevention, 42, 530-539.
Hájek, J. (1971). Comment on a paper by D. Basu. Foundations of Statistical Inference, 236.
Hansen, M.H., Madow, W.G. et Tepping, B.J. (1983). An evaluation of model-dependent and probability-sampling inferences in sample surveys. Journal of the American Statistical Association, 78, 776-793.
Kalton, G. (1983). Models in the practice of survey sampling. Revue Internationale de Statistique, 51, 175-188.
Little, R.J.A. (1986). Survey nonresponse adjustments for estimates of means. Revue Internationale de Statistique, 54 139-157.
Little, R.J.A., et Zheng, H. (2007). The Bayesian approach to the analysis of finite population surveys. Bayesian Statistics, 8, 1-20.
Little, R.J.A., West, B.T., Boonstra, P.S. et Hu, J. (2020). Measures of the degree of departure from ignorable sample selection. Journal of Survey Statistics and Methodology, 8, 932-964.
Marek, S., Tervo-Clemmens, B., Calabro, F.J. et coll. (2022). Reproducible brain-wide association studies require thousands of individuals. Nature, sous presse.
McConville, K.S., Breidt, F.J., Lee, T. et Moisen, G.G. (2017). Model-assisted survey regression estimation with the lasso. Journal of Survey Statistics and Methodology, 5, 131-158.
Neyman, J. (1934). On the two different aspects of the representative method: The method of stratified sampling and the method of purposive selection. Journal of the Royal Statistical Society, 97, 558-625.
Rafei, A. (2021). Robust and efficient Bayesian inference for large-scale non-probability samples. Thèse de l’University of Michigan. Accessible sur https://www.overleaf.com/project/6228db145a47be05f8da3777.
Rafei, A, Flannagan, C.A.C. et Elliott, M.R. (2020). Big data for finite population inference: Applying quasi-random approaches to naturalistic driving data using Bayesian additive regression trees. Journal of Survey Statistics and Methodology, 8, 148-180.
Rivers, D. (2007). Sampling for web surveys. Proceedings of the Joint Statistical Meetings. Disponible sur https://static.texastribune.org/media/documents/Rivers_matching4.pdf.
Schouten, B., Cobben, F. et Bethlehem, J. (2009). Indicateurs de la représentativité de la réponse aux enquêtes. Techniques d’enquête, 35, 1, 101-113. Article accessible à l’adresse https://www150.statcan.gc.ca/n1/fr/pub/12-001-x/2009001/article/10887-fra.pdf.
Soentpiet, R. (1999). Advances in Kernel Methods: Support Vector Learning. Boston: MIT Press.
Transportation Research Board of the National Academy of Sciences (2013). The 2nd Strategic Highway Research Program Naturalistic Driving Study Dataset.
Valliant, R., et Dever, J.A. (2011). Estimating propensity adjustments for volunteer web surveys. Sociological Methods and Research, 40, 105-137.
Van Der Laan, M.J., et Rubin, D.R. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1).
Wang, W., Rothschild, D., Goel, S. et Gelman, A. (2015). Forecasting elections with non-representative polls. International Journal of Forecasting, 31, 980-991.
West, B.T., Little, R.J.A., Andridge, R.R., Boonstra, P.S., Ware, E.B., Pandit, A. et Alvarado-Leiton, F. (2021). Assessing selection bias in regression coefficients estimated from nonprobability samples with applications to genetics and demographic surveys. The Annals of Applied Statistics, 15, 1556-1581.
Wu, C., et Sitter, R.R. (2001). A model-calibration approach to using complete auxiliary information from survey data. Journal of the American Statistical Association, 96, 185-193.
Zhang, G., et Little, R.J.A. (2009). Extensions of the penalized spline of propensity prediction method of imputation. Biometrics, 65, 911-918.
Zheng, H., et Little, R.J.A. (2005). Inference for the population total from probability-proportional-to-size samples based on predictions from a penalized spline nonparametric model. Journal of Official Statistics, 21, 1-20.
Zhou, T., Elliott, M.R., et Little, R.J.A. (2019). Penalized spline of propensity methods for treatment comparison. Journal of the American Statistical Association, 114, 1-19.
- Date de modification :