Combiner des cohortes dans les enquêtes longitudinales

Warning Consulter la version la plus récente.

Information archivée dans le Web

L’information dont il est indiqué qu’elle est archivée est fournie à des fins de référence, de recherche ou de tenue de documents. Elle n’est pas assujettie aux normes Web du gouvernement du Canada et elle n’a pas été modifiée ou mise à jour depuis son archivage. Pour obtenir cette information dans un autre format, veuillez communiquer avec nous.

Iván A. Carrillo et Alan F. Karr1

Résumé

Une question fréquente concernant les enquêtes longitudinales est celle de savoir comment combiner les différentes cohortes. Dans le présent article, nous présentons une nouvelle méthode qui permet de combiner différentes cohortes et d'utiliser toutes les données à notre disposition dans une enquête longitudinale pour estimer les paramètres d'un modèle semi-paramétrique qui relie la variable réponse à un jeu de covariables. La procédure s'appuie sur la méthode des équations d'estimation généralisées pondérées pour traiter les données manquantes pour certaines vagues dans les enquêtes longitudinales. Notre méthode s'appuie, pour l'estimation des paramètres du modèle, sur un cadre de randomisation conjointe qui tient compte à la fois du modèle de superpopulation et de la sélection aléatoire selon le plan de sondage. Nous proposons aussi une méthode d'estimation de la variance sous le plan et sous randomisation conjointe. Pour illustrer la méthode, nous l'appliquons à l'enquête Survey of Doctorate Recipients réalisée par la National Science Foundation des États-Unis.

Mots clés

Paramètres de superpopulation; inférence sous randomisation conjointe; estimation de variance par rééchantillonnage; enquêtes à panel rotatif; enquête longitudinale à cohortes multiples; équations d'estimation généralisées pondérées.

Table des matières

1 Introduction

2 Le plan de sondage de la SDR

3 Méthodologie

4 Application à la SDR

5 Conclusion et travaux de recherche à venir

 

 

 

 

 

1Iván A. Carrillo et Alan F. Karr, National Institute of Statistical Sciences, 19 T.W. Alexander Drive, Research Triangle Park, NC 27709, États-Unis. Courriel : ivan@niss.org et karr@niss.org.

Date de modification :