6. Discussion
David G.
Steel et Robert Graham Clark
Précédent
L’utilisation
de coûts par unité inégaux peut améliorer l’efficacité des plans de sondage.
Pour que les gains d’efficacité soit appréciables, les coûts par unité doivent
varier considérablement. Même en l’absence d’erreur d’estimation, un
coefficient de variation de 50 % peut n’entraîner qu’une amélioration de
6 % de la variance anticipée. Si ce coefficient de variation est de
75 %, comme cela peut se produire dans une enquête à mode de collecte
mixte, la réduction de la variance anticipée (ou de la taille de l’échantillon
pour une précision fixe) peut être supérieure à 12 %. Les coûts sont
estimés avec une certaine erreur, ce qui réduit l’amélioration d’un facteur
déterminé par la variation relative des erreurs relatives d’estimation des
coûts au niveau individuel.
Annexe
A.1 Calculs détaillés
Lemme 1 : Soit
défini pour
Soit
où
et
est petit. Alors :
La notation
peut être utilisée à la place de
puisque
ce qui est fait dans la suite de l’annexe.
Preuve :
Nous commençons par écrire
comme une fonction de
Si nous
appelons cette fonction
la différenciation au point
donne
et
D’où
qui est le
résultat a.
Le résultat b est prouvé en utilisant
le résultat a :
Pour
obtenir c, nous commençons par écrire
comme une fonction
de
et effectuons un développement en série de
Taylor :
Notons que
La multiplication de l’expression pour
dans le résultat a par (A.1) donne
qui est le
résultat c.
Pour le résultat d, commençons par
noter que
d’après le résultat a, et donc, un
développement en série de Taylor d’ordre 1 donne
En combinant
cela avec le résultat b, nous obtenons
qui donne le
résultat d.
Obtention de (3.3)
Pour le cas particulier où
(2.5) devient
En appliquant
(2.5), nous obtenons
où
et
En utilisant (A.2), nous pouvons exprimer
en fonction de
De même,
En supposant
que le dernier terme de (3.2) est négligeable, l’application de (A.3), (A.4) et
(A.5) donne (3.3).
Obtention de (3.4)
Le lemme 1d implique que
et
Le résultat (3.4) découle de (3.3) en
utilisant ces approximations, et en supposant que
Obtention de (3.7)
Premièrement,
d’après (2.5), où
est la covariance relative dans la population
entre les valeurs de
et
Nous supposons que les
valeurs de
et
ne sont pas liées, de sorte que
Nous supposons aussi que le
deuxième terme de (3.6) est négligeable, ce qui correspond à une faible fraction
d’échantillonnage. Donc, (3.6) devient :
Partant de
(A.5) et du lemme 1d, nous obtenons
La substitution
dans (A.6) donne (3.7).
Obtention de (4.2)
Deux termes dans (4.1) se simplifient
en utilisant (2.5). Premièrement,
où
est la covariance entre les valeurs de
population de
et
Deuxièmement,
où
est la covariance entre les valeurs de
population de
et
Si nous supposons que les valeurs de
population de
ne sont pas reliées aux valeurs de
et
de sorte que
et que nous introduisons (A.7) et (A.8) par
substitution dans (4.1), alors nous obtenons (4.2).
Obtention de (4.3)
Nous pouvons exprimer (4.2) en fonction
de
qui est défini dans (3.2), en supposant que le
dernier terme de (3.2) est négligeable, ce qui correspond à une faible fraction
d’échantillonnage :
Le lemme 1c
implique que
L’introduction
de cette expression et de (3.3) par substitution dans (A.9) donne (4.3).
Bibliographie
Brewer, K. et
Gregoire, T.G. (2009). Introduction to survey sampling. Dans Handbook of Statistics 29A: Sample Surveys:
Design, Methods and Applications, eds. Pfeffermann, D. and Rao, C.R.,
Amsterdam: Elsevier/North-Holland, pp. 9-37.
Clark, R.G. (2009). Sampling of subpopulations in
two-stage surveys. Statistics in Medicine,
28, 3697-3717.
Clark, R.G. et Steel, D.G. (2007). Sampling within
households in household surveys. Journal
of the Royal Statistical Society: Series A (Statistics in Society), 170,
63-82.
Cochran, W. (1977). Sampling
Techniques. New York: Wiley, 3rd ed.
Dillman, D., Smyth, J. et Christian, L. (2009). Internet, Mail, and Mixed-Mode Surveys: The
Tailored Design Method. John Wiley and Sons, 3rd ed.
Greenlaw, C. et Brown-Welty, S. (2009). A comparison of
web-based and paper-based survey methods testing assumptions of survey mode and
response cost. Evaluation Review, 33,
464-480.
Groves, R.M. (1989). Survey
Errors and Survey Costs. New York: Wiley.
Groves, R.M. et Heeringa, S.G. (2006). Responsive design
for household surveys: tools for actively controlling survey errors and costs. Journal of the Royal Statistical Society:
Series A (Statistics in Society), 169, 439-457.
Hansen, M., Hurwitz, W. et Madow, W. (1953). Sample Survey Methods and Theory Volume 1:
Methods and Applications. New York: John Wiley and Sons.
Hicks, K. (2001). Cost and variance modelling for the
2001 redesign of the Monthly Population Survey. www.abs.gov.au/ausstats/abs@.nsf/mf/1352.0.55.037, Australian Bureau of Statistics
Methodology Advisory Committee Paper.
Peytchev, A., Riley, S., Rosen, J., Murphy, J. et Lindblad,
M. (2010). Reduction of nonresponse bias in surveys through case
prioritization. Survey Research Methods,
4, 21-29.
Särndal, C., Swensson, B. et Wretman, J. (1992). Model Assisted Survey Sampling. New
York: Springer-Verlag.
Schouten, B., Bethlehem, J., Beullens, K., Kleven, Ø.,
Loosveldt, G., Luiten, A., Rutar, K., Shlomo, N. et Skinner, C. (2012). Evaluating,
comparing, monitoring, and improving representativeness of survey response through
R-indicators and partial R-indicators. International
Statistical Review, 80, 382-399.
Schouten, B., Brakel, J.v.d., Buelens, B., Laan, J.v.d.
et Klausch, T. (2013). Disentangling mode-specific selection and measurement
bias in social surveys. Social Science
Research.
Schouten, B., Cobben, F. et Bethlehem, J. (2009). Indicateurs de la représentativité de la
réponse aux enquêtes. Techniques
d’enquête, 35(1), 107-121.
Schouten, B., Shlomo, N. et Skinner, C. (2011).
Indicators for monitoring and improving representativeness of response. Journal of Official Statistics, 27, 231-253.
Vannieuwenhuyze, J.T. et Loosveldt, G. (2013). Evaluating
relative mode effects in mixed-mode surveys: Three methods to disentangle selection
and measurement effects. Sociological
Methods and Research, 42, 82-104.
Vannieuwenhuyze, J.T., Loosveldt, G. et Molenberghs, G.
(2010). A method for evaluating mode effects in mixed-mode surveys. Public Opinion Quarterly, 74, 1027-1045.
Vannieuwenhuyze, J. T., Loosveldt, G., et Molenberghs,
G. (2012). A method to evaluate mode effects on the mean and variance of a continuous
variable in mixed-mode surveys. International
Statistical Review, 80, 306-322.
Précédent