Estimation du score de propension et plan d’échantillonnage optimal lors de l’intégration d’échantillons probabilistes et de données non probabilistes / par Anders Holmberg, Lyndon Ang, Robert Clark et... : CS11-522/2024-1-32F-PDF

« Alors que les sources de données non probabilistes ne sont pas une nouveauté dans les statistiques officielles, on constate un intérêt renouvelé à leur égard, que ce soit en raison de la diminution des taux de réponse aux enquêtes, de l’augmentation des coûts de collecte ou du désir de tirer parti des nouvelles sources de données découlant de la numérisation sociétale en cours. En raison de l’exclusion de certains segments de la population cible, l’inférence dérivée uniquement d’une source de données non probabilistes est susceptible d’entraîner des biais. Cette étude explore une solution à ce biais en intégrant des données non probabilistes à des échantillons probabilistes de référence. Des méthodes se concentreront sur la modélisation de la propension à l’inclusion dans l’ensemble de données non probabilistes avec l’aide de l’échantillon de référence connexe; la propension modélisée étant ensuite appliquée à une approche de pondération selon une probabilité inverse pour produire des estimations démographiques. On présume parfois que l’échantillon de référence est donné. Toutefois, dans cette présentation, une stratégie optimale est visée, c’est-à-dire la combinaison d’un estimateur fondé sur l’intégration des données et d’un plan d’échantillonnage pour l’échantillon probabiliste de référence. Des travaux récents sont présentés qui tirent parti des possibilités de bonne identification d’unités des enquêtes-entreprises pour étudier un estimateur fondé sur les propensions et dériver des probabilités de sélection optimales (inégales) pour l’échantillon de référence » -- Résumé, page [2].

Lien permanent pour cette publication :
publications.gc.ca/pub?id=9.966933&sl=1

• Format MARC XML
• Format MARC HTML

Demander des formats alternatifs