Techniques statistiques
Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Type
Résultats
Tout (9)
Tout (9) ((9 résultats))
- 1. Élaboration d’estimations historiques du volume de consommation de cannabis au Canada, 1960 à 2015 ArchivéArticles et rapports : 11-633-X2018015Description :
Le présent document porte sur le processus d’estimation du volume de consommation de cannabis au Canada, selon le groupe d’âge, de 1960 à 2015. La consommation de cannabis est estimée au moyen d’un modèle qui comprend d’abord une estimation du nombre de consommateurs de cannabis chez les personnes âgées de 15 à 17 ans, de 18 à 24 ans, de 25 à 44 ans et de 45 à 64 ans. Pour ce faire, on estime la prévalence de la consommation de cannabis sur la base de plusieurs sources de données d’enquête. Les consommateurs de chaque groupe d’âge sont divisés en catégories, selon la fréquence annuelle de consommation : une fois au cours de la dernière année, moins d’une fois par mois, une à trois fois par mois, chaque semaine (mais pas chaque jour) et chaque jour. Chacune des catégories de fréquence de consommation est par la suite associée à une quantité de cannabis consommée.
Date de diffusion : 2018-02-21 - Articles et rapports : 11-626-X2017077Description :
Le 13 avril 2017, le gouvernement du Canada a déposé le projet de loi de légalisation de la consommation récréative du cannabis pour les adultes. Cette décision aura une incidence directe sur le système statistique du Canada. Cet article d’Aperçus économiques vise à fournir des estimations expérimentales du volume de la consommation de cannabis, en se fondant sur des renseignements existants relatifs à la prévalence de la consommation de cannabis. Cet article présente les estimations expérimentales du nombre de tonnes de cannabis consommé par tranche d’âge au cours de la période allant de 1960 à 2015. Ces estimations expérimentales se fondent sur des données d’enquête de plusieurs sources, de techniques statistiques permettant de coupler les sources au cours du temps, et d’hypothèses relatives au comportement de consommation. Elles pourront faire l’objet de révisions à mesure que des sources de données améliorées ou supplémentaires deviennent disponibles.
Date de diffusion : 2017-12-18 - 3. Surveillance des maladies chroniques au Québec par le jumelage des fichiers administratifs. ArchivéArticles et rapports : 11-522-X201300014268Description :
En surveillance des maladies chroniques, la cueillette d’information est essentielle dans le but de mesurer l’ampleur des maladies, évaluer l’utilisation des services, identifier les groupes à risque et suivre l’évolution des maladies et des facteurs de risque dans le temps en vue de planifier et d’appliquer des programmes de prévention en santé publique. C’est dans ce contexte qu’a été créé le Système intégré de surveillance des maladies chroniques du Québec (SISMACQ). Le SISMACQ est une base de données issue du jumelage de fichiers administratifs, couvrant les années 1996 à 2013, représentant une alternative intéressante aux données d’enquêtes puisqu’elle porte sur la totalité de la population, n’est pas affectée par le biais de rappel et permet de suivre la population dans le temps et dans l’espace. Cette présentation a pour objet de présenter la pertinence de l’utilisation des données administratives comme alternative aux données d’enquête ainsi que de les méthodes choisies pour la construction de la cohorte populationnelle à partir du jumelage des différentes sources de données brutes ainsi que de décrire les traitements apportées dans le but de minimiser les biais. Nous discuterons également des avantages et des limites liés à l’analyse des fichiers administratifs.
Date de diffusion : 2014-10-31 - Articles et rapports : 89-648-X2013002Géographie : CanadaDescription :
L'appariement de données est une pratique répandue qui permet de réduire le fardeau de réponse des répondants, en plus d'améliorer la qualité de l'information recueillie auprès de ces derniers lorsque la méthode de couplage n'introduit pas de biais. Néanmoins, le couplage rétrospectif, qui consiste à coupler des enregistrements externes en provenance d'années antérieures à l'année de la première vague d'une enquête, est relativement peu connu et n'avait jamais été réalisé à Statistique Canada jusqu'à maintenant. La présente étude décrit la façon dont les enregistrements de l'Enquête pilote Vivre au Canada ont été couplés aux données fiscales rétrospectives sur le revenu et le travail (feuillet T1 et T4). Elle présente par ailleurs l'évolution du taux de couplage lorsque l'on recule dans le temps, de même qu'une comparaison des gains d'emploi tirés du fichier des particuliers à ceux tirés du fichier des entreprises. Afin de montrer les nouvelles possibilités d'analyse offertes par ce type d'appariement, l'étude réalise en dernier lieu un profil de gains selon l'âge et le sexe pour différentes cohortes basées sur l'année de naissance.
Date de diffusion : 2013-01-24 - Articles et rapports : 12-001-X201100111447Description :
Ce document présente un programme R pour la stratification d'une population d'enquête à l'aide d'une variable unidimensionnelle X et pour le calcul de tailles d'échantillon dans les strates. Nous y employons des méthodes non itératives pour délimiter les strates, comme la méthode de la fonction cumulative de la racine carrée des fréquences et la méthode géométrique. Nous pouvons élaborer des plans optimaux où les bornes de strates minimisent soit le CV de l'estimateur simple par dilatation pour une taille fixe d'échantillon n, soit la valeur n pour un CV fixe. Nous disposons de deux algorithmes itératifs pour le calcul des bornes optimales. Le plan peut comporter des strates à tirage obligatoire qui sont définies par l'utilisateur et dont toutes les unités sont échantillonnées. Il est également possible d'inclure dans le plan stratifié des strates à tirage complet et à tirage nul qui permettent souvent de réduire les tailles d'échantillon. Les calculs de taille d'échantillon sont fondés sur les moments anticipés de la variable d'enquête Y étant donné la variable de stratification X. Le programme traite les distributions conditionnelles de Y étant donné X qui sont soit un modèle linéaire hétéroscédastique soit un modèle loglinéaire. Nous pouvons tenir compte de la non-réponse par strate dans l'élaboration du plan d'échantillonnage et dans les calculs de taille d'échantillon.
Date de diffusion : 2011-06-29 - Articles et rapports : 11-522-X200600110408Description :
Malgré les progrès réalisés en vue d'améliorer la santé de la population des États Unis, des disparités en matière de santé persistent entre divers groupes raciaux/ethniques et socioéconomiques. Les sources habituelles de données pour évaluer la santé d'une population d'intérêt comprennent les enquêtes à grande échelle, qui contiennent souvent des questions à réponse autodéclarée, comme « Un médecin ou un autre professionnel de la santé vous a t-il déjà dit que vous souffrez de problème de santé d'intérêt ? Les réponses à de telles questions pourraient ne pas refléter la prévalence réelle des problèmes de santé (p. ex., si le répondant n'a pas accès à un médecin ou à un autre professionnel de la santé). De même, les renseignements autodéclarés concernant des données quantitatives telles que la taille et le poids pourraient être entachés d'erreurs de déclaration. Ce genre d'« erreurs de mesure » dans les données sur la santé pourraient avoir une incidence sur les inférences relatives aux mesures de la santé et aux disparités en matière de santé. Dans la présente étude, nous ajustons des modèles d'erreur de mesure aux données de la National Health and Nutrition Examination Survey, qui comprend un volet d'interview durant lequel sont posées des questions à réponse autodéclarée et un volet d'examen durant lequel sont obtenues des mesures physiques. Puis, nous élaborons des méthodes permettant d'utiliser les modèles ajustés pour améliorer l'analyse des données autodéclarées provenant d'une autre enquête ne comportant pas de volet d'examen. Enfin, nous appliquons ces méthodes, qui comportent l'imputation multiples de valeurs fondées sur les données recueillies par examen à l'enquête ne produisant que des données autodéclarées, à la National Health Interview Survey dans des exemples ayant trait au diabète, à l'hypertension et à l'obésité. Les résultats préliminaires laissent entendre que les ajustements pour l'erreur de mesure peuvent causer des variations non négligeables des estimations des mesures de la santé.
Date de diffusion : 2008-03-17 - Enquêtes et programmes statistiques — Documentation : 68-514-XDescription :
L'approche utilisée par Statistique Canada pour la collecte et la diffusion de données économiques a évolué depuis plusieurs décennies vers un système de collecte et d'estimation fortement intégré qui alimente le cadre du Système de comptabilité nationale du Canada.
L'élément clé de cette approche a été la création de l'Enquête unifiée auprès des entreprises, qui avait pour objet d'améliorer l'uniformité, la cohérence, l'ampleur et la profondeur des données des enquêtes-entreprises.
L'EUE a atteint cet objectif en regroupant dans un cadre commun un grand nombre d'enquêtes-entreprises annuelles du Canada. Ce cadre comprenait une seule base de sondage, un schéma pour le plan d'échantillonnage, l'harmonisation conceptuelle du contenu des enquêtes, divers moyens d'utiliser les données administratives pertinentes, une collecte intégrée des données, des outils de traitement et d'analyse, et un entrepôt central de données.
Date de diffusion : 2006-11-20 - Articles et rapports : 11F0019M1996091Géographie : Province ou territoireDescription :
Introduction : Le contexte économique actuel oblige tous les partenaires des réseaux de soins de santé, qu'ils soient publics ou privés, à identifier les facteurs qui conditionnent l'utilisation des services de soins de santé. Pour améliorer notre compréhension des phénomènes qui sous-tendent ces relations, Statistique Canada et le Manitoba Centre for Health Policy and Evaluation viennent de mettre sur pied une nouvelle base de données. Pour un échantillon représentatif de la province du Manitoba, des microdonnées transversales portant sur le niveau de santé des individus, sur leurs caractéristiques socio-économiques et des données longitudinales détaillées portant sur l'utilisation des services de soins de santé ont été couplées.
Données et méthodes : L'enquête sur la santé et les limitations d'activités de 1986-87, le recensement de 1986 et les dossiers de la Manitoba Health ont été couplés (sans utilisation de noms ou d'adresses) en utilisant le progiciel CANLINK. Dans le cadre du projet pilote 20 000 unités de base ont été sélectionnées selon des techniques d'échantillonnage modernes pour constituer la base de données. Préalablement à l'appariement des fichiers, des consultations ont été tenues afin d'établir un cadre visant à protéger la vie privée et à préserver la confidentialité des données.
Résultat : Un taux de couplage de 74 % a été obtenu pour les ménages privés. Une évaluation de la qualité basée sur la comparaison de noms et d'adresses a permis d'établir que le taux global de concordance parmi les paires appariées est de 95,5 %. Le taux d'appariement de même que le taux de concordance varient selon l'âge et la composition du ménage. Les estimations produites à partir de l'échantillon reflètent bien le profil socio-démographique, la mortalité, l'hospitalisation, les coûts et la consommation de soins de santé des résidents du Manitoba.
Discussion : Le taux de couplage de 74 % s'avère satisfaisant en comparaison du taux de réponses rapporté dans la plupart des enquêtes auprès de la population. En raison de l'excellence du taux de concordance et de la précision des estimations provenant de l'échantillon, cette base de données va permettre d'étudier adéquatement l'association entre les composantes socio-démographiques, la santé et l'utilisation des soins de santé pour la province de Manitoba.
Date de diffusion : 1996-03-30 - Articles et rapports : 12-001-X199300114475Description :
Lorsqu’on crée des bases de données de microsimulation, souvent utilisées dans la planification et l’analyse des politiques, on combine plusieurs fichiers de données par des techniques d’appariement statistique afin d’enrichir le fichier receveur. Or, pour effectuer cette opération, il faut poser l’hypothèse de l’indépendance conditionnelle (HIC), ce qui peut fausser sérieusement les relations conjointes entre les variables. On peut éviter de poser cette hypothèse en utilisant des informations supplémentaires appropriées. Dans cet article, nous examinons des méthodes d’appariement statistique qui correspondent à trois méthodes d’imputation - par régression, hot-deck et log-linéaire - appliquées suivant deux scénarios : avec et sans information supplémentaire. La méthode d’imputation log-linéaire consiste essentiellement à introduire des contraintes nominales dans la méthode par régression ou la méthode hot-deck. À partir d’une vaste étude de simulation faite avec des données fictives, nous exécutons des analyses de sensibilité lorsque l’on s’éloigne de l’HIC et nous étudions les gains qui peuvent découler de l’utilisation d’informations supplémentaires. À l’aide de données fictives, nous créons différents scénarios relatifs à la distribution et aux relations des variables pertinentes, par exemple distribution symétrique vs. distribution asymétrique et données supplémentaires substitutives vs. données supplémentaires non substitutives. Nous faisons aussi quelques recommandations sur l’utilisation des méthodes d’appariement statistique. Notre étude confirme particulièrement que l’HIC peut représenter une contrainte sérieuse, que l’on peut éliminer en utilisant des informations supplémentaires appropriées. L’étude montre aussi que les méthodes hot-deck sont généralement préférables aux méthodes de régression. De plus, lorsqu’on dispose d’informations supplémentaires, les contraintes nominales log-linéaires peuvent accroître l’efficacité des méthodes hot-deck. L’idée de cette étude est née des préoccupations que l’on avait sur l’utilisation de l’HIC dans la construction de la Base de données de simulation des politiques sociales à Statistique Canada.
Date de diffusion : 1993-06-15
Données (0)
Données (0) (0 résultat)
Aucun contenu disponible actuellement
Analyses (8)
Analyses (8) ((8 résultats))
- 1. Élaboration d’estimations historiques du volume de consommation de cannabis au Canada, 1960 à 2015 ArchivéArticles et rapports : 11-633-X2018015Description :
Le présent document porte sur le processus d’estimation du volume de consommation de cannabis au Canada, selon le groupe d’âge, de 1960 à 2015. La consommation de cannabis est estimée au moyen d’un modèle qui comprend d’abord une estimation du nombre de consommateurs de cannabis chez les personnes âgées de 15 à 17 ans, de 18 à 24 ans, de 25 à 44 ans et de 45 à 64 ans. Pour ce faire, on estime la prévalence de la consommation de cannabis sur la base de plusieurs sources de données d’enquête. Les consommateurs de chaque groupe d’âge sont divisés en catégories, selon la fréquence annuelle de consommation : une fois au cours de la dernière année, moins d’une fois par mois, une à trois fois par mois, chaque semaine (mais pas chaque jour) et chaque jour. Chacune des catégories de fréquence de consommation est par la suite associée à une quantité de cannabis consommée.
Date de diffusion : 2018-02-21 - Articles et rapports : 11-626-X2017077Description :
Le 13 avril 2017, le gouvernement du Canada a déposé le projet de loi de légalisation de la consommation récréative du cannabis pour les adultes. Cette décision aura une incidence directe sur le système statistique du Canada. Cet article d’Aperçus économiques vise à fournir des estimations expérimentales du volume de la consommation de cannabis, en se fondant sur des renseignements existants relatifs à la prévalence de la consommation de cannabis. Cet article présente les estimations expérimentales du nombre de tonnes de cannabis consommé par tranche d’âge au cours de la période allant de 1960 à 2015. Ces estimations expérimentales se fondent sur des données d’enquête de plusieurs sources, de techniques statistiques permettant de coupler les sources au cours du temps, et d’hypothèses relatives au comportement de consommation. Elles pourront faire l’objet de révisions à mesure que des sources de données améliorées ou supplémentaires deviennent disponibles.
Date de diffusion : 2017-12-18 - 3. Surveillance des maladies chroniques au Québec par le jumelage des fichiers administratifs. ArchivéArticles et rapports : 11-522-X201300014268Description :
En surveillance des maladies chroniques, la cueillette d’information est essentielle dans le but de mesurer l’ampleur des maladies, évaluer l’utilisation des services, identifier les groupes à risque et suivre l’évolution des maladies et des facteurs de risque dans le temps en vue de planifier et d’appliquer des programmes de prévention en santé publique. C’est dans ce contexte qu’a été créé le Système intégré de surveillance des maladies chroniques du Québec (SISMACQ). Le SISMACQ est une base de données issue du jumelage de fichiers administratifs, couvrant les années 1996 à 2013, représentant une alternative intéressante aux données d’enquêtes puisqu’elle porte sur la totalité de la population, n’est pas affectée par le biais de rappel et permet de suivre la population dans le temps et dans l’espace. Cette présentation a pour objet de présenter la pertinence de l’utilisation des données administratives comme alternative aux données d’enquête ainsi que de les méthodes choisies pour la construction de la cohorte populationnelle à partir du jumelage des différentes sources de données brutes ainsi que de décrire les traitements apportées dans le but de minimiser les biais. Nous discuterons également des avantages et des limites liés à l’analyse des fichiers administratifs.
Date de diffusion : 2014-10-31 - Articles et rapports : 89-648-X2013002Géographie : CanadaDescription :
L'appariement de données est une pratique répandue qui permet de réduire le fardeau de réponse des répondants, en plus d'améliorer la qualité de l'information recueillie auprès de ces derniers lorsque la méthode de couplage n'introduit pas de biais. Néanmoins, le couplage rétrospectif, qui consiste à coupler des enregistrements externes en provenance d'années antérieures à l'année de la première vague d'une enquête, est relativement peu connu et n'avait jamais été réalisé à Statistique Canada jusqu'à maintenant. La présente étude décrit la façon dont les enregistrements de l'Enquête pilote Vivre au Canada ont été couplés aux données fiscales rétrospectives sur le revenu et le travail (feuillet T1 et T4). Elle présente par ailleurs l'évolution du taux de couplage lorsque l'on recule dans le temps, de même qu'une comparaison des gains d'emploi tirés du fichier des particuliers à ceux tirés du fichier des entreprises. Afin de montrer les nouvelles possibilités d'analyse offertes par ce type d'appariement, l'étude réalise en dernier lieu un profil de gains selon l'âge et le sexe pour différentes cohortes basées sur l'année de naissance.
Date de diffusion : 2013-01-24 - Articles et rapports : 12-001-X201100111447Description :
Ce document présente un programme R pour la stratification d'une population d'enquête à l'aide d'une variable unidimensionnelle X et pour le calcul de tailles d'échantillon dans les strates. Nous y employons des méthodes non itératives pour délimiter les strates, comme la méthode de la fonction cumulative de la racine carrée des fréquences et la méthode géométrique. Nous pouvons élaborer des plans optimaux où les bornes de strates minimisent soit le CV de l'estimateur simple par dilatation pour une taille fixe d'échantillon n, soit la valeur n pour un CV fixe. Nous disposons de deux algorithmes itératifs pour le calcul des bornes optimales. Le plan peut comporter des strates à tirage obligatoire qui sont définies par l'utilisateur et dont toutes les unités sont échantillonnées. Il est également possible d'inclure dans le plan stratifié des strates à tirage complet et à tirage nul qui permettent souvent de réduire les tailles d'échantillon. Les calculs de taille d'échantillon sont fondés sur les moments anticipés de la variable d'enquête Y étant donné la variable de stratification X. Le programme traite les distributions conditionnelles de Y étant donné X qui sont soit un modèle linéaire hétéroscédastique soit un modèle loglinéaire. Nous pouvons tenir compte de la non-réponse par strate dans l'élaboration du plan d'échantillonnage et dans les calculs de taille d'échantillon.
Date de diffusion : 2011-06-29 - Articles et rapports : 11-522-X200600110408Description :
Malgré les progrès réalisés en vue d'améliorer la santé de la population des États Unis, des disparités en matière de santé persistent entre divers groupes raciaux/ethniques et socioéconomiques. Les sources habituelles de données pour évaluer la santé d'une population d'intérêt comprennent les enquêtes à grande échelle, qui contiennent souvent des questions à réponse autodéclarée, comme « Un médecin ou un autre professionnel de la santé vous a t-il déjà dit que vous souffrez de problème de santé d'intérêt ? Les réponses à de telles questions pourraient ne pas refléter la prévalence réelle des problèmes de santé (p. ex., si le répondant n'a pas accès à un médecin ou à un autre professionnel de la santé). De même, les renseignements autodéclarés concernant des données quantitatives telles que la taille et le poids pourraient être entachés d'erreurs de déclaration. Ce genre d'« erreurs de mesure » dans les données sur la santé pourraient avoir une incidence sur les inférences relatives aux mesures de la santé et aux disparités en matière de santé. Dans la présente étude, nous ajustons des modèles d'erreur de mesure aux données de la National Health and Nutrition Examination Survey, qui comprend un volet d'interview durant lequel sont posées des questions à réponse autodéclarée et un volet d'examen durant lequel sont obtenues des mesures physiques. Puis, nous élaborons des méthodes permettant d'utiliser les modèles ajustés pour améliorer l'analyse des données autodéclarées provenant d'une autre enquête ne comportant pas de volet d'examen. Enfin, nous appliquons ces méthodes, qui comportent l'imputation multiples de valeurs fondées sur les données recueillies par examen à l'enquête ne produisant que des données autodéclarées, à la National Health Interview Survey dans des exemples ayant trait au diabète, à l'hypertension et à l'obésité. Les résultats préliminaires laissent entendre que les ajustements pour l'erreur de mesure peuvent causer des variations non négligeables des estimations des mesures de la santé.
Date de diffusion : 2008-03-17 - Articles et rapports : 11F0019M1996091Géographie : Province ou territoireDescription :
Introduction : Le contexte économique actuel oblige tous les partenaires des réseaux de soins de santé, qu'ils soient publics ou privés, à identifier les facteurs qui conditionnent l'utilisation des services de soins de santé. Pour améliorer notre compréhension des phénomènes qui sous-tendent ces relations, Statistique Canada et le Manitoba Centre for Health Policy and Evaluation viennent de mettre sur pied une nouvelle base de données. Pour un échantillon représentatif de la province du Manitoba, des microdonnées transversales portant sur le niveau de santé des individus, sur leurs caractéristiques socio-économiques et des données longitudinales détaillées portant sur l'utilisation des services de soins de santé ont été couplées.
Données et méthodes : L'enquête sur la santé et les limitations d'activités de 1986-87, le recensement de 1986 et les dossiers de la Manitoba Health ont été couplés (sans utilisation de noms ou d'adresses) en utilisant le progiciel CANLINK. Dans le cadre du projet pilote 20 000 unités de base ont été sélectionnées selon des techniques d'échantillonnage modernes pour constituer la base de données. Préalablement à l'appariement des fichiers, des consultations ont été tenues afin d'établir un cadre visant à protéger la vie privée et à préserver la confidentialité des données.
Résultat : Un taux de couplage de 74 % a été obtenu pour les ménages privés. Une évaluation de la qualité basée sur la comparaison de noms et d'adresses a permis d'établir que le taux global de concordance parmi les paires appariées est de 95,5 %. Le taux d'appariement de même que le taux de concordance varient selon l'âge et la composition du ménage. Les estimations produites à partir de l'échantillon reflètent bien le profil socio-démographique, la mortalité, l'hospitalisation, les coûts et la consommation de soins de santé des résidents du Manitoba.
Discussion : Le taux de couplage de 74 % s'avère satisfaisant en comparaison du taux de réponses rapporté dans la plupart des enquêtes auprès de la population. En raison de l'excellence du taux de concordance et de la précision des estimations provenant de l'échantillon, cette base de données va permettre d'étudier adéquatement l'association entre les composantes socio-démographiques, la santé et l'utilisation des soins de santé pour la province de Manitoba.
Date de diffusion : 1996-03-30 - Articles et rapports : 12-001-X199300114475Description :
Lorsqu’on crée des bases de données de microsimulation, souvent utilisées dans la planification et l’analyse des politiques, on combine plusieurs fichiers de données par des techniques d’appariement statistique afin d’enrichir le fichier receveur. Or, pour effectuer cette opération, il faut poser l’hypothèse de l’indépendance conditionnelle (HIC), ce qui peut fausser sérieusement les relations conjointes entre les variables. On peut éviter de poser cette hypothèse en utilisant des informations supplémentaires appropriées. Dans cet article, nous examinons des méthodes d’appariement statistique qui correspondent à trois méthodes d’imputation - par régression, hot-deck et log-linéaire - appliquées suivant deux scénarios : avec et sans information supplémentaire. La méthode d’imputation log-linéaire consiste essentiellement à introduire des contraintes nominales dans la méthode par régression ou la méthode hot-deck. À partir d’une vaste étude de simulation faite avec des données fictives, nous exécutons des analyses de sensibilité lorsque l’on s’éloigne de l’HIC et nous étudions les gains qui peuvent découler de l’utilisation d’informations supplémentaires. À l’aide de données fictives, nous créons différents scénarios relatifs à la distribution et aux relations des variables pertinentes, par exemple distribution symétrique vs. distribution asymétrique et données supplémentaires substitutives vs. données supplémentaires non substitutives. Nous faisons aussi quelques recommandations sur l’utilisation des méthodes d’appariement statistique. Notre étude confirme particulièrement que l’HIC peut représenter une contrainte sérieuse, que l’on peut éliminer en utilisant des informations supplémentaires appropriées. L’étude montre aussi que les méthodes hot-deck sont généralement préférables aux méthodes de régression. De plus, lorsqu’on dispose d’informations supplémentaires, les contraintes nominales log-linéaires peuvent accroître l’efficacité des méthodes hot-deck. L’idée de cette étude est née des préoccupations que l’on avait sur l’utilisation de l’HIC dans la construction de la Base de données de simulation des politiques sociales à Statistique Canada.
Date de diffusion : 1993-06-15
Références (1)
Références (1) ((1 résultat))
- Enquêtes et programmes statistiques — Documentation : 68-514-XDescription :
L'approche utilisée par Statistique Canada pour la collecte et la diffusion de données économiques a évolué depuis plusieurs décennies vers un système de collecte et d'estimation fortement intégré qui alimente le cadre du Système de comptabilité nationale du Canada.
L'élément clé de cette approche a été la création de l'Enquête unifiée auprès des entreprises, qui avait pour objet d'améliorer l'uniformité, la cohérence, l'ampleur et la profondeur des données des enquêtes-entreprises.
L'EUE a atteint cet objectif en regroupant dans un cadre commun un grand nombre d'enquêtes-entreprises annuelles du Canada. Ce cadre comprenait une seule base de sondage, un schéma pour le plan d'échantillonnage, l'harmonisation conceptuelle du contenu des enquêtes, divers moyens d'utiliser les données administratives pertinentes, une collecte intégrée des données, des outils de traitement et d'analyse, et un entrepôt central de données.
Date de diffusion : 2006-11-20
- Date de modification :