Techniques d’enquête
Variance de l’estimateur par la régression généralisée en situation d’erreur de mesure

par Jan van den Brakel et John Michiels^{Note 1}

Résumé

Sauf dans le cas d’un échantillonnage à deux phases, l’approximation classique de la variance de l’estimateur par la régression généralisée (estimateur GREG) part de l’hypothèse selon laquelle les totaux de population utilisés dans le système de pondération sont observés sans erreur. Si le modèle de pondération de l’estimateur GREG contient des totaux de population observés soumis à des sources d’erreur de mesure autres que l’erreur d’échantillonnage des estimations de première phase, cette incertitude sera alors ignorée par l’approximation de la variance de l’estimateur GREG. Le présent article propose, pour l’estimateur GREG, une approximation de la variance qui tient compte de l’incertitude supplémentaire résultant de l’erreur de mesure dans un ou plusieurs des totaux de population utilisés dans le système de pondération. Cette approche a été mise au point pour l’Enquête sur la population active aux Pays-Bas (EPAP) et y est appliquée. Les publications mensuelles de l’EPAP sont obtenues à l’aide d’un modèle de séries chronologiques qui corrige le biais de groupe de renouvellement ainsi que les discontinuités causées par d’importants remaniements et l’impossibilité d’effectuer des interviews sur place pendant la COVID-19. Les estimations par la régression généralisée des chiffres trimestriels sont étalonnées par rapport à la moyenne des publications mensuelles afin d’assurer une uniformité numérique entre les tableaux des publications mensuelles et trimestrielles. L’approximation classique de la variance de l’estimateur GREG part de l’hypothèse selon laquelle ces totaux de population sont observés sans erreur. Il en découle une sous-estimation de la variance de l’estimateur GREG. L’approximation de la variance proposée dans l’article aboutit à des erreurs-types plus réalistes pour les estimations trimestrielles par la régression généralisée.

Mots-clés :  Calage; Enquête sur la population active; estimation de la variance; uniformité numérique entre les tableaux d’estimations.

Table des matières

• Section 1. Introduction
• Section 2. Estimateur par la régression généralisée
• Section 3. Enquête sur la population active aux Pays-Bas
• Section 4. Variance de l’estimateur par la régression généralisée en situation d’erreur de mesure
• Section 5. Résultats
• Section 6. Conclusion
• Remerciements
• Annexe
• Bibliographie

Citation de l'article

van den Brakel, J. et Michiels, J. (2026). Variance de l’estimateur par la régression généralisée en situation d’erreur de mesure. Techniques d’enquête, 52(1), 105-129. Accessible à l’adresse : http://www.statcan.gc.ca/pub/12-001-x/2026001/article/00010-fra.pdf.

Note

• Page principale