Une mesure de l’effet de plan pour la pondération par calage dans les échantillons à un degré
3. Mesure proposée de l’effet de planUne mesure de l’effet de plan pour la pondération par calage dans les échantillons à un degré
3. Mesure proposée de l’effet de plan
Nous étendons l’approche de Spencer (2000) dans le cas de l’échantillonnage
à un degré afin de produire un nouvel effet de plan dû à la pondération pour un
estimateur par calage. Alors que Spencer
a supposé que
y
i
=
α
+
β
p
i
+
ε
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgaaeqaaOGaeyypa0JaeqySdeMaey4kaSIaeqOSdiMa
amiCamaaBaaaleaacaWGPbaabeaakiabgUcaRiabew7aLnaaBaaale
aacaWGPbaabeaakiaacYcaaaa@4625@
nous modélisons
y
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgaaeqaaaaa@3A7D@
sous la forme
y
i
=
α
+
x
i
T
β
+
ε
i
=
x
˙
i
T
β
˙
+
ε
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgaaeqaaOGaeyypa0JaeqySdeMaey4kaSIaaCiEamaa
DaaaleaacaWGPbaabaGaamivaaaakiaahk7acqGHRaWkcqaH1oqzda
WgaaWcbaGaamyAaaqabaGccqGH9aqpceWH4bGbaiaadaqhaaWcbaGa
amyAaaqaaiaadsfaaaGcceWHYoGbaiaacqGHRaWkcqaH1oqzdaWgaa
WcbaGaamyAaaqabaGccaGGSaaaaa@4FAA@
où
x
˙
i
=
[
1
x
i
]
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWH4bGbai
aadaWgaaWcbaGaamyAaaqabaGccqGH9aqpdaWadaqaauaabeqabiaa
aeaacaaIXaaabaGaaCiEamaaBaaaleaacaWGPbaabeaaaaaakiaawU
facaGLDbaaaaa@4078@
et
β
˙
=
[
α
β
]
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWHYoGbai
aacqGH9aqpdaWadaqaauaabeqabiaaaeaacqaHXoqyaeaacaWHYoaa
aaGaay5waiaaw2faaiaac6caaaa@4040@
Désignons les estimateurs en population finie
complète de
α
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHXoqyaa
a@3A04@
et
β
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHYoaaaa@39A3@
par
A
=
Y
¯
−
X
¯
B
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGbbGaey
ypa0JabmywayaaraGaeyOeI0IabCiwayaaraGaaCOqaaaa@3DD8@
et
B
=
(
X
T
X
)
−
1
X
T
Y
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHcbGaey
ypa0ZaaeWaaeaacaWHybWaaWbaaSqabeaacaWGubaaaOGaaCiwaaGa
ayjkaiaawMcaamaaCaaaleqabaGaeyOeI0IaaGymaaaakiaahIfada
ahaaWcbeqaaiaadsfaaaGccaWHzbGaaiilaaaa@43F3@
où
X
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHybaaaa@3946@
est la matrice de dimensions
N
×
p
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGobGaey
41aqRaamiCaaaa@3C44@
des variables auxiliaires pour les
N
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGobaaaa@3938@
unités dans la population finie et
Y
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHzbaaaa@3947@
est le vecteur de dimension
N
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9pC0xbbf9=e0dfrpm0dXdirVu0=vr
0=vr0=fdbaqaaeGacaGaaiaabeqaamaabaabaaGcbaGaamOtaaaa@3928@
des valeurs de
y
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bGaai
Olaaaa@3A15@
Les résidus
dans la population finie sont définis comme étant
e
i
=
y
i
−
(
A
+
x
i
T
B
)
≡
y
i
−
x
˙
i
T
B
˙
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGLbWaaS
baaSqaaiaadMgaaeqaaOGaeyypa0JaamyEamaaBaaaleaacaWGPbaa
beaakiabgkHiTmaabmaabaGaamyqaiabgUcaRiaahIhadaqhaaWcba
GaamyAaaqaaiaadsfaaaGccaWHcbaacaGLOaGaayzkaaGaeyyyIORa
amyEamaaBaaaleaacaWGPbaabeaakiabgkHiTiqahIhagaGaamaaDa
aaleaacaWGPbaabaGaamivaaaakiqahkeagaGaaaaa@4E37@
où
B
˙
=
[
A
B
]
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWHcbGbai
aacqGH9aqpdaWadaqaauaabeqabiaaaeaacaWGbbaabaGaaCOqaaaa
aiaawUfacaGLDbaacaGGUaaaaa@3E81@
La production de l’effet de plan
proposé plus bas comprend quatre étapes, à savoir 1) construire une
approximation linéaire de l’estimateur GREG , 2) obtenir la variance sous
le plan de cette approximation linéaire, 3) substituer les composantes
fondées sur un modèle dans l’expression de la variance de l’estimateur GREG , et
4) prendre le ratio de cette variance assistée par modèle à la variance de
l’estimateur
pwr
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9pC0xbbf9=e0dfrpm0dXdirVu0=vr
0=vr0=fdbaqaaeGacaGaaiaabeqaamaabaabaaGcbaGaaeiCaiaabE
hacaqGYbaaaa@3B37@
du total sous
easar
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGLbGaae
yyaiaabohacaqGHbGaaeOCaiaac6caaaa@3DB2@
Puisque les étapes (1) à (4) produisent
l’effet de plan théorique d’un estimateur, nous ajoutons l’étape finale, à
savoir introduire les estimations fondées sur l’échantillon pour chaque
composante de l’effet de plan théorique.
Étape 1 . Une linéarisation de l’estimateur GREG (expression 6.6.9 dans
Särndal et coll.
1992) prend la forme
T
^
GREG
≐
T
^
HT
y
+
(
T
x
−
T
^
HT
x
)
T
B
˙
=
T
x
T
B
˙
+
∑
i
∈
s
e
i
/
π
i
(
3.1
)
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaafaqaaeOaca
aabaGabmivayaajaWaaSbaaSqaaiaabEeacaqGsbGaaeyraiaabEea
aeqaaaGcbaGaeSiuIiKabmivayaajaWaaSbaaSqaaiaabIeacaqGub
GaamyEaaqabaGccqGHRaWkdaqadaqaaiaahsfadaWgaaWcbaGaamiE
aaqabaGccqGHsislceWHubGbaKaadaWgaaWcbaGaaeisaiaabsfaca
WG4baabeaaaOGaayjkaiaawMcaamaaCaaaleqabaGaamivaaaakiqa
hkeagaGaaaqaaaqaaiabg2da9iaahsfadaqhaaWcbaGaamiEaaqaai
aadsfaaaGcceWHcbGbaiaacqGHRaWkdaaeqaqaamaalyaabaGaamyz
amaaBaaaleaacaWGPbaabeaaaOqaaiabec8aWnaaBaaaleaacaWGPb
aabeaaaaaabaGaamyAaiabgIGiolaadohaaeqaniabggHiLdaaaOGa
aGzbVlaaywW7caaMf8UaaGzbVlaaywW7caGGOaGaaG4maiaac6caca
aIXaGaaiykaaaa@688B@
où
∑
i
∈
s
e
i
/
π
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaWcgaqaam
aaqababaGaamyzamaaBaaaleaacaWGPbaabeaaaeaacaWGPbGaeyic
I4Saam4Caaqab0GaeyyeIuoaaOqaaiabec8aWnaaBaaaleaacaWGPb
aabeaaaaaaaa@42A2@
est l’estimateur HT du total de population des
e
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGLbWaaS
baaSqaaiaadMgaaeqaaOGaaiilaaaa@3B23@
E
U
=
∑
i
∈
U
e
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGfbWaaS
baaSqaaiaadwfaaeqaaOGaeyypa0ZaaabeaeaacaWGLbWaaSbaaSqa
aiaadMgaaeqaaaqaaiaadMgacqGHiiIZcaWGvbaabeqdcqGHris5aO
GaaiOlaaaa@4329@
Pour obtenir une formule de variance simple à
l’étape 2, nous traitons le cas de l’échantillonnage avec remise et
remplaçons
∑
i
∈
s
e
i
/
π
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaWcgaqaam
aaqababaGaamyzamaaBaaaleaacaWGPbaabeaaaeaacaWGPbGaeyic
I4Saam4Caaqab0GaeyyeIuoaaOqaaiabec8aWnaaBaaaleaacaWGPb
aabeaaaaaaaa@42A2@
par l’estimateur
pwr
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9pC0xbbf9=e0dfrpm0dXdirVu0=vr
0=vr0=fdbaqaaeGacaGaaiaabeqaamaabaabaaGcbaGaaeiCaiaabE
hacaqGYbaaaa@3B37@
n
−
1
∑
i
=
1
n
e
i
/
p
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaWcgaqaai
aad6gadaahaaWcbeqaaiabgkHiTiaaigdaaaGcdaaeWaqaaiaadwga
daWgaaWcbaGaamyAaaqabaaabaGaamyAaiabg2da9iaaigdaaeaaca
WGUbaaniabggHiLdaakeaacaWGWbWaaSbaaSqaaiaadMgaaeqaaOGa
aiOlaaaaaaa@45BF@
Ensuite, nous définissons
δ
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaH0oazda
WgaaWcbaGaamyAaaqabaaaaa@3B24@
comme étant le nombre de fois que l’unité
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGPbaaaa@3953@
est sélectionnée dans l’échantillon. Puisque
E
π
(
δ
i
)
=
n
p
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGfbWaaS
baaSqaaiabec8aWbqabaGcdaqadaqaaiabes7aKnaaBaaaleaacaWG
PbaabeaaaOGaayjkaiaawMcaaiabg2da9iaad6gacaWGWbWaaSbaaS
qaaiaadMgaaeqaaOGaaiilaaaa@4436@
l’espérance sous le plan de la deuxième
composante dans (3.1) est de la forme
E
π
(
n
−
1
∑
i
=
1
n
e
i
/
p
i
)
=
E
U
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGfbWaaS
baaSqaaiabec8aWbqabaGcdaqadaqaamaalyaabaGaamOBamaaCaaa
leqabaGaeyOeI0IaaGymaaaakmaaqadabaGaamyzamaaBaaaleaaca
WGPbaabeaaaeaacaWGPbGaeyypa0JaaGymaaqaaiaad6gaa0Gaeyye
IuoaaOqaaiaadchadaWgaaWcbaGaamyAaaqabaaaaaGccaGLOaGaay
zkaaGaeyypa0JaamyramaaBaaaleaacaWGvbaabeaakiaac6caaaa@4CE5@
Étape 2 . De l’étape 1 avec l’hypothèse d’échantillonnage avec remise,
il découle que
T
^
GREG
−
T
x
T
B
˙
≐
n
−
1
∑
i
=
1
n
e
i
/
p
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGubGbaK
aadaWgaaWcbaGaae4raiaabkfacaqGfbGaae4raaqabaGccqGHsisl
caWHubWaa0baaSqaaiaadIhaaeaacaWGubaaaOGabCOqayaacaGaeS
iuIi0aaSGbaeaacaWGUbWaaWbaaSqabeaacqGHsislcaaIXaaaaOWa
aabmaeaacaWGLbWaaSbaaSqaaiaadMgaaeqaaaqaaiaadMgacqGH9a
qpcaaIXaaabaGaamOBaaqdcqGHris5aaGcbaGaamiCamaaBaaaleaa
caWGPbaabeaaaaGccaGGSaaaaa@4FFD@
dont la variance sous le plan est donnée par
Var
π
(
T
^
GREG
−
T
x
T
B
˙
U
)
≐
Var
π
(
n
−
1
∑
i
=
1
n
e
i
/
p
i
)
=
n
−
1
∑
i
∈
U
p
i
(
e
i
/
p
i
−
E
U
)
2
.
(
3.2
)
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaafaqaaeOaca
aabaGaaeOvaiaabggacaqGYbWaaSbaaSqaaiabec8aWbqabaGcdaqa
daqaaiqadsfagaqcamaaBaaaleaacaqGhbGaaeOuaiaabweacaqGhb
aabeaakiabgkHiTiaahsfadaqhaaWcbaGaamiEaaqaaiaadsfaaaGc
ceWHcbGbaiaadaWgaaWcbaGaamyvaaqabaaakiaawIcacaGLPaaaae
aacqWIqjIqcaqGwbGaaeyyaiaabkhadaWgaaWcbaGaeqiWdahabeaa
kmaabmaabaWaaSGbaeaacaWGUbWaaWbaaSqabeaacqGHsislcaaIXa
aaaOWaaabmaeaacaWGLbWaaSbaaSqaaiaadMgaaeqaaaqaaiaadMga
cqGH9aqpcaaIXaaabaGaamOBaaqdcqGHris5aaGcbaGaamiCamaaBa
aaleaacaWGPbaabeaaaaaakiaawIcacaGLPaaaaeaaaeaacqGH9aqp
caWGUbWaaWbaaSqabeaacqGHsislcaaIXaaaaOWaaabeaeaacaWGWb
WaaSbaaSqaaiaadMgaaeqaaOWaaeWaaeaadaWcgaqaaiaadwgadaWg
aaWcbaGaamyAaaqabaaakeaacaWGWbWaaSbaaSqaaiaadMgaaeqaaa
aakiabgkHiTiaadweadaWgaaWcbaGaamyvaaqabaaakiaawIcacaGL
PaaadaahaaWcbeqaaiaaikdaaaaabaGaamyAaiabgIGiolaadwfaae
qaniabggHiLdGccaGGUaaaaiaaywW7caaMf8UaaGzbVlaaywW7caaM
f8UaaiikaiaaiodacaGGUaGaaGOmaiaacMcaaaa@7DD8@
Étapes 3
et 4 . Nous suivons l’approche de Spencer et substituons les valeurs du modèle
dans l’expression de la variance (3.2) pour formuler une mesure de l’effet de
plan. Cependant, nous substituons l’équivalent fondé sur un modèle de
e
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGLbWaaS
baaSqaaiaadMgaaeqaaaaa@3A69@
et non de
y
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgaaeqaaOGaaiOlaaaa@3B39@
La substitution des résidus GREG
e
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGLbWaaS
baaSqaaiaadMgaaeqaaaaa@3A69@
dans l’expression de la variance et le calcul
de son ratio à la variance de l’estimateur
pwr
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9pC0xbbf9=e0dfrpm0dXdirVu0=vr
0=vr0=fdbaqaaeGacaGaaiaabeqaamaabaabaaGcbaGaaeiCaiaabE
hacaqGYbaaaa@3B37@
sous échantillonnage aléatoire simple avec
remise,
Var
easar
(
T
^
easar
)
=
N
2
σ
y
2
/
n
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGwbGaae
yyaiaabkhadaWgaaWcbaGaaeyzaiaabggacaqGZbGaaeyyaiaabkha
aeqaaOWaaeWaaeaaceWGubGbaKaadaWgaaWcbaGaaeyzaiaabggaca
qGZbGaaeyyaiaabkhaaeqaaaGccaGLOaGaayzkaaGaeyypa0ZaaSGb
aeaacaWGobWaaWbaaSqabeaacaaIYaaaaOGaeq4Wdm3aa0baaSqaai
aadMhaaeaacaaIYaaaaaGcbaGaamOBaaaacaGGSaaaaa@4F64@
où
σ
y
2
=
N
−
1
∑
i
=
1
N
(
y
i
−
Y
¯
)
2
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHdpWCda
qhaaWcbaGaamyEaaqaaiaaikdaaaGccqGH9aqpcaWGobWaaWbaaSqa
beaacqGHsislcaaIXaaaaOWaaabmaeaadaqadaqaaiaadMhadaWgaa
WcbaGaamyAaaqabaGccqGHsislceWGzbGbaebaaiaawIcacaGLPaaa
daahaaWcbeqaaiaaikdaaaaabaGaamyAaiabg2da9iaaigdaaeaaca
WGobaaniabggHiLdGccaGGSaaaaa@4C7B@
produira notre effet de plan approximatif dû à
la pondération par calage inégale. Nous pouvons simplifier grandement les
choses en définissant
u
i
=
A
+
e
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG1bWaaS
baaSqaaiaadMgaaeqaaOGaeyypa0JaamyqaiabgUcaRiaadwgadaWg
aaWcbaGaamyAaaqabaGccaGGSaaaaa@3FEF@
où
u
i
=
y
i
−
x
i
T
B
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG1bWaaS
baaSqaaiaadMgaaeqaaOGaeyypa0JaamyEamaaBaaaleaacaWGPbaa
beaakiabgkHiTiaahIhadaqhaaWcbaGaamyAaaqaaiaadsfaaaGcca
WHcbGaaiilaaaa@4312@
ce qui implique que
U
¯
=
A
+
E
¯
U
=
A
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGvbGbae
bacqGH9aqpcaWGbbGaey4kaSIabmyrayaaraWaaSbaaSqaaiaadwfa
aeqaaOGaeyypa0Jaamyqaiaac6caaaa@4075@
L’effet de plan résultant (voir l’annexe) est
Deff
H
=
n
W
¯
N
(
σ
u
2
σ
y
2
)
+
n
σ
w
N
σ
y
2
(
ρ
u
2
w
σ
u
2
−
2
A
ρ
u
w
σ
u
)
(
3.3
)
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGebGaae
yzaiaabAgacaqGMbWaaSbaaSqaaiaadIeaaeqaaOGaeyypa0ZaaSaa
aeaacaWGUbGabm4vayaaraaabaGaamOtaaaadaqadaqaamaalaaaba
Gaeq4Wdm3aa0baaSqaaiaadwhaaeaacaaIYaaaaaGcbaGaeq4Wdm3a
a0baaSqaaiaadMhaaeaacaaIYaaaaaaaaOGaayjkaiaawMcaaiabgU
caRmaalaaabaGaamOBaiabeo8aZnaaBaaaleaacaWG3baabeaaaOqa
aiaad6eacqaHdpWCdaqhaaWcbaGaamyEaaqaaiaaikdaaaaaaOWaae
WaaeaacqaHbpGCdaWgaaWcbaGaamyDamaaCaaameqabaGaaGOmaaaa
liaadEhaaeqaaOGaeq4Wdm3aaSbaaSqaaiaadwhadaahaaadbeqaai
aaikdaaaaaleqaaOGaeyOeI0IaaGOmaiaadgeacqaHbpGCdaWgaaWc
baGaamyDaiaadEhaaeqaaOGaeq4Wdm3aaSbaaSqaaiaadwhaaeqaaa
GccaGLOaGaayzkaaGaaGzbVlaaywW7caaMf8UaaGzbVlaaywW7caGG
OaGaaG4maiaac6cacaaIZaGaaiykaaaa@7201@
où
σ
u
2
=
N
−
1
∑
i
=
1
N
(
u
i
−
U
¯
)
2
,
σ
y
2
=
N
−
1
∑
i
=
1
N
(
y
i
−
Y
¯
)
2
,
ρ
u
2
w
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHdpWCda
qhaaWcbaGaamyDaaqaaiaaikdaaaGccqGH9aqpcaWGobWaaWbaaSqa
beaacqGHsislcaaIXaaaaOWaaabmaeaadaqadaqaaiaadwhadaWgaa
WcbaGaamyAaaqabaGccqGHsislceWGvbGbaebaaiaawIcacaGLPaaa
daahaaWcbeqaaiaaikdaaaaabaGaamyAaiabg2da9iaaigdaaeaaca
WGobaaniabggHiLdGccaGGSaGaeq4Wdm3aa0baaSqaaiaadMhaaeaa
caaIYaaaaOGaeyypa0JaamOtamaaCaaaleqabaGaeyOeI0IaaGymaa
aakmaaqadabaWaaeWaaeaacaWG5bWaaSbaaSqaaiaadMgaaeqaaOGa
eyOeI0IabmywayaaraaacaGLOaGaayzkaaWaaWbaaSqabeaacaaIYa
aaaaqaaiaadMgacqGH9aqpcaaIXaaabaGaamOtaaqdcqGHris5aOGa
aiilaiabeg8aYnaaBaaaleaacaWG1bWaaWbaaWqabeaacaaIYaaaaS
Gaam4Daaqabaaaaa@655C@
est la corrélation en population finie entre
u
i
2
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG1bWaa0
baaSqaaiaadMgaaeaacaaIYaaaaaaa@3B36@
et
w
i
,
σ
u
2
2
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG3bWaaS
baaSqaaiaadMgaaeqaaOGaaiilaiabeo8aZnaaDaaaleaacaWG1bWa
aWbaaWqabeaacaaIYaaaaaWcbaGaaGOmaaaaaaa@3FD0@
est la variance de
u
i
2
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG1bWaa0
baaSqaaiaadMgaaeaacaaIYaaaaaaa@3B36@
, et
ρ
u
w
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHbpGCda
WgaaWcbaGaamyDaiaadEhaaeqaaaaa@3C47@
est la corrélation entre
u
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG1bWaaS
baaSqaaiaadMgaaeqaaaaa@3A79@
et
w
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG3bWaaS
baaSqaaiaadMgaaeqaaOGaaiOlaaaa@3B37@
Dans (3.3), la première composante est
d’ordre
O
(
1
)
;
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGpbWaae
WaaeaacaaIXaaacaGLOaGaayzkaaGaai4oaaaa@3C3C@
le facteur
n
W
¯
/
N
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaWcgaqaai
aad6gaceWGxbGbaebaaeaacaWGobaaaaaa@3B35@
est apparenté au
deff
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGKbGaae
yzaiaabAgacaqGMbaaaa@3C06@
de Kish
comme il est décrit plus bas. Le facteur
σ
u
2
/
σ
y
2
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaWcgaqaai
abeo8aZnaaDaaaleaacaWG1baabaGaaGOmaaaaaOqaaiabeo8aZnaa
DaaaleaacaWG5baabaGaaGOmaaaaaaaaaa@3FD5@
est un ajustement basé sur l’efficacité avec
laquelle les covariables prédisent
y
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bGaai
Olaaaa@3A15@
La deuxième composante dans (3.3) est d’ordre
O
(
n
/
N
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGpbWaae
WaaeaadaWcgaqaaiaad6gaaeaacaWGobaaaaGaayjkaiaawMcaaaaa
@3C9E@
et incorpore des termes reliés à la force de
la relation entre les covariables de calage et les poids.
Notons que l’expression (3.3) est
établie en supposant que l’on a procédé à un échantillonnage avec remise (AR).
Bien que l’échantillonnage sans remise (SR) soit plus fréquent en pratique, le
calcul de la variance SR d’un total estimé est compliqué, puisqu’il fait
intervenir les probabilités de sélection conjointe. La formule de la variance
AR est suffisamment simple pour donner une idée de l’effet du calage sur un
deff
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGKbGaae
yzaiaabAgacaqGMbGaaeOlaaaa@3CB7@
Quand l’utilisation de
l’échantillonnage SR donne lieu à des gains de précision, un facteur de
correction pour population finie ponctuel peut être intégré dans (3.3), c’est-à-dire
(
1
−
n
/
N
)
Deff
H
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaqadaqaai
aaigdacqGHsisldaWcgaqaaiaad6gaaeaacaWGobaaaaGaayjkaiaa
wMcaaiaabseacaqGLbGaaeOzaiaabAgadaWgaaWcbaGaamisaaqaba
GccaGGUaaaaa@42A8@
Étape 5. Pour estimer (3.3), nous utilisons
deff
H
≈
deff
K
(
w
)
σ
^
u
2
σ
^
y
2
+
n
σ
^
w
N
σ
^
y
2
(
ρ
^
u
2
w
σ
^
u
2
−
2
α
^
ρ
^
u
w
σ
^
u
)
,
(
3.4
)
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGKbGaae
yzaiaabAgacaqGMbWaaSbaaSqaaiaadIeaaeqaaOGaeyisISRaaeiz
aiaabwgacaqGMbGaaeOzamaaBaaaleaacaWGlbaabeaakmaabmaaba
GaaC4DaaGaayjkaiaawMcaamaalaaabaGafq4WdmNbaKaadaqhaaWc
baGaamyDaaqaaiaaikdaaaaakeaacuaHdpWCgaqcamaaDaaaleaaca
WG5baabaGaaGOmaaaaaaGccqGHRaWkdaWcaaqaaiaad6gacuaHdpWC
gaqcamaaBaaaleaacaWG3baabeaaaOqaaiaad6eacuaHdpWCgaqcam
aaDaaaleaacaWG5baabaGaaGOmaaaaaaGcdaqadaqaaiqbeg8aYzaa
jaWaaSbaaSqaaiaadwhadaahaaadbeqaaiaaikdaaaWccaWG3baabe
aakiqbeo8aZzaajaWaaSbaaSqaaiaadwhadaahaaadbeqaaiaaikda
aaaaleqaaOGaeyOeI0IaaGOmaiqbeg7aHzaajaGafqyWdiNbaKaada
WgaaWcbaGaamyDaiaadEhaaeqaaOGafq4WdmNbaKaadaWgaaWcbaGa
amyDaaqabaaakiaawIcacaGLPaaacaGGSaGaaGzbVlaaywW7caaMf8
UaaGzbVlaaywW7caGGOaGaaG4maiaac6cacaaI0aGaaiykaaaa@77C3@
où l’estimation des paramètres du modèle
α
^
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacuaHXoqyga
qcaaaa@3A14@
est obtenue par la méthode des moindres carrés
pondérés par les poids de sondage,
σ
^
y
2
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacuaHdpWCga
qcamaaDaaaleaacaWG5baabaGaaGOmaaaaaaa@3C1F@
a été défini à la section 2.3,
σ
^
u
2
=
∑
i
∈
s
w
i
(
u
^
i
−
u
¯
w
)
2
/
∑
i
∈
s
w
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacuaHdpWCga
qcamaaDaaaleaacaWG1baabaGaaGOmaaaakiabg2da9maalyaabaWa
aabeaeaacaWG3bWaaSbaaSqaaiaadMgaaeqaaOWaaeWaaeaaceWG1b
GbaKaadaWgaaWcbaGaamyAaaqabaGccqGHsislceWG1bGbaebadaWg
aaWcbaGaam4DaaqabaaakiaawIcacaGLPaaadaahaaWcbeqaaiaaik
daaaaabaGaamyAaiabgIGiolaadohaaeqaniabggHiLdaakeaadaae
qaqaaiaadEhadaWgaaWcbaGaamyAaaqabaaabaGaamyAaiabgIGiol
aadohaaeqaniabggHiLdaaaOGaaiilaaaa@5490@
u
¯
^
w
=
∑
i
∈
s
w
i
u
^
i
/
∑
i
∈
s
w
i
,
u
^
i
=
y
i
−
x
i
T
β
^
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWG1bGbae
HbaKaadaWgaaWcbaGaam4DaaqabaGccqGH9aqpdaWcgaqaamaaqaba
baGaam4DamaaBaaaleaacaWGPbaabeaakiqadwhagaqcamaaBaaale
aacaWGPbaabeaaaeaacaWGPbGaeyicI4Saam4Caaqab0GaeyyeIuoa
aOqaamaaqababaGaam4DamaaBaaaleaacaWGPbaabeaaaeaacaWGPb
GaeyicI4Saam4Caaqab0GaeyyeIuoaaaGccaGGSaGabmyDayaajaWa
aSbaaSqaaiaadMgaaeqaaOGaeyypa0JaamyEamaaBaaaleaacaWGPb
aabeaakiabgkHiTiaahIhadaqhaaWcbaGaamyAaaqaaiaadsfaaaGc
ceWHYoGbaKaacaGGSaaaaa@58B6@
et
β
^
=
(
X
s
T
W
X
s
)
−
1
X
s
T
W
y
s
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWHYoGbaK
aacqGH9aqpdaqadaqaaiaahIfadaqhaaWcbaGaam4Caaqaaiaadsfa
aaGccaWHxbGaaCiwamaaBaaaleaacaWGZbaabeaaaOGaayjkaiaawM
caamaaCaaaleqabaGaeyOeI0IaaGymaaaakiaahIfadaqhaaWcbaGa
am4CaaqaaiaadsfaaaGccaWHxbGaaCyEamaaBaaaleaacaWGZbaabe
aaaaa@49E8@
est l’estimation par les moindres carrés
pondérés par les poids de sondage de
β
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHYoGaai
ilaaaa@3A53@
avec
W
=
diag
(
w
1
,
…
,
w
n
)
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHxbGaey
ypa0JaaeizaiaabMgacaqGHbGaae4zamaabmaabaGaam4DamaaBaaa
leaacaaIXaaabeaakiaacYcacqWIMaYscaGGSaGaam4DamaaBaaale
aacaWGUbaabeaaaOGaayjkaiaawMcaaiaacYcaaaa@46B9@
et les autres termes définis à la
section 2.1.
Si les corrélations dans (3.3) sont
négligeables ou que la fraction d’échantillonnage
n
/
N
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaWcgaqaai
aad6gaaeaacaWGobaaaaaa@3A41@
est faible, le premier terme domine et nous
obtenons
Deff
H
≈
n
W
¯
N
(
σ
u
2
σ
y
2
)
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGebGaae
yzaiaabAgacaqGMbWaaSbaaSqaaiaadIeaaeqaaOGaeyisIS7aaSaa
aeaacaWGUbGabm4vayaaraaabaGaamOtaaaadaqadaqaamaalaaaba
Gaeq4Wdm3aa0baaSqaaiaadwhaaeaacaaIYaaaaaGcbaGaeq4Wdm3a
a0baaSqaaiaadMhaaeaacaaIYaaaaaaaaOGaayjkaiaawMcaaiaacY
caaaa@4B11@
qui peut être estimé au moyen de
deff
H
≈
deff
K
(
w
)
σ
^
u
2
/
σ
^
y
2
.
(
3.5
)
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGKbGaae
yzaiaabAgacaqGMbWaaSbaaSqaaiaadIeaaeqaaOGaeyisISRaaeiz
aiaabwgacaqGMbGaaeOzamaaBaaaleaacaWGlbaabeaakmaabmaaba
GaaC4DaaGaayjkaiaawMcaamaalyaabaGafq4WdmNbaKaadaqhaaWc
baGaamyDaaqaaiaaikdaaaaakeaacuaHdpWCgaqcamaaDaaaleaaca
WG5baabaGaaGOmaaaaaaGccaGGUaGaaGzbVlaaywW7caaMf8UaaGzb
VlaaywW7caGGOaGaaG4maiaac6cacaaI1aGaaiykaaaa@5982@
Notons que, dans les échantillons
sans ajustement des poids par calage, nous avons
u
^
i
=
y
i
−
x
i
T
β
^
≈
y
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWG1bGbaK
aadaWgaaWcbaGaamyAaaqabaGccqGH9aqpcaWG5bWaaSbaaSqaaiaa
dMgaaeqaaOGaeyOeI0IaaCiEamaaDaaaleaacaWGPbaabaGaamivaa
aakiqahk7agaqcaiabgIKi7kaadMhadaWgaaWcbaGaamyAaaqabaaa
aa@46BE@
et
σ
u
2
≈
σ
y
2
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHdpWCda
qhaaWcbaGaamyDaaqaaiaaikdaaaGccqGHijYUcqaHdpWCdaqhaaWc
baGaamyEaaqaaiaaikdaaaGccaGGUaaaaa@422C@
Dans ce cas, l’expression (3.5) devient
Deff
H
≈
n
W
¯
/
N
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGebGaae
yzaiaabAgacaqGMbWaaSbaaSqaaiaadIeaaeqaaOGaeyisIS7aaSGb
aeaacaWGUbGabm4vayaaraaabaGaamOtaaaacaGGSaaaaa@421A@
que nous estimons en utilisant la mesure de Kish
deff
K
=
1
+
[
CV
(
w
)
]
2
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaqGKbGaae
yzaiaabAgacaqGMbWaaSbaaSqaaiaadUeaaeqaaOGaeyypa0JaaGym
aiabgUcaRmaadmaabaGaae4qaiaabAfadaqadaqaaiaahEhaaiaawI
cacaGLPaaaaiaawUfacaGLDbaadaahaaWcbeqaaiaaikdaaaGccaGG
Uaaaaa@476E@
Cependant, quand la relation entre les
covariables de calage
x
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWH4baaaa@3966@
et
y
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5baaaa@3963@
est plus forte, la variance
σ
u
2
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHdpWCda
qhaaWcbaGaamyDaaqaaiaaikdaaaaaaa@3C0B@
doit être plus petite que
σ
y
2
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHdpWCda
qhaaWcbaGaamyEaaqaaiaaikdaaaGccaGGUaaaaa@3CCB@
Dans ce cas, la mesure (3.5) est plus petite
que l’estimation de Kish. Les poids
variables découlant des ajustements par calage ne sont donc pas aussi
« pénalisés » (pénalité manifestée par des effets de plan exagérément
élevés) qu’ils ne le seraient si on utilisait les mesures de Kish ou de Spencer.
Cependant, si le calage est « inefficace », ou si la relation entre
x
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWH4baaaa@3966@
et
y
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5baaaa@3963@
est faible, alors
σ
u
2
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHdpWCda
qhaaWcbaGaamyDaaqaaiaaikdaaaaaaa@3C0B@
peut être plus grande que
σ
y
2
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHdpWCda
qhaaWcbaGaamyEaaqaaiaaikdaaaGccaGGSaaaaa@3CC9@
ce qui produit un effet de plan plus grand que
l’unité. La mesure de Spencer tient
compte uniquement d’une relation indirecte entre
x
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWH4baaaa@3966@
et
y
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5baaaa@3963@
s’il n’existe qu’une seule variable
x
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG4baaaa@3962@
et qu’elle a été utilisée pour produire
p
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGWbWaaS
baaSqaaiaadMgaaeqaaOGaaiOlaaaa@3B30@
Cela est illustré à la section 4. Nous
examinons également la mesure dans laquelle les composantes de corrélation dans
notre effet de plan proposé (3.3) sont suffisamment grandes pour influer sur la
mesure exacte. Le calcul de (3.3) requiert uniquement les valeurs d’échantillon
de
y
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9pC0xbbf9=e0dfrpm0dXdirVu0=vr
0=vr0=fdbaqaaeGacaGaaiaabeqaamaabaabaaGcbaGaamyEaaaa@3953@
, les covariables et les poids de calage. Cette
mesure peut donc être produite plus rapidement que la mesure (2.3), dont les
composantes ne sont souvent disponibles qu’à une étape ultérieure du traitement
des données, après qu’un système d’estimation de la variance ait été mis en
place.
Politique de rédaction
Techniques d ’enquête publie des articles sur les divers aspects des méthodes statistiques qui intéressent un organisme statistique comme, par exemple, les problèmes de conception découlant de contraintes d’ordre pratique, l’utilisation de différentes sources de données et de méthodes de collecte, les erreurs dans les enquêtes, l’évaluation des enquêtes, la recherche sur les méthodes d’enquête, l’analyse des séries chronologiques, la désaisonnalisation, les études démographiques, l’intégration de données statistiques, les méthodes d’estimation et d’analyse de données et le développement de systèmes généralisés. Une importance particulière est accordée à l’élaboration et à l’évaluation de méthodes qui ont été utilisées pour la collecte de données ou appliquées à des données réelles. Tous les articles seront soumis à une critique, mais les auteurs demeurent responsables du contenu de leur texte et les opinions émises dans la revue ne sont pas nécessairement celles du comité de rédaction ni de Statistique Canada.
Présentation de textes pour la revue
Techniques d ’enquête est publiée en version électronique deux fois l’an. Les auteurs désirant faire paraître un article sont invités à le faire parvenir en français ou en anglais en format électronique et préférablement en Word au rédacteur en chef, (
statcan.smj-rte.statcan@canada.ca , Statistique Canada, 150 Promenade du Pré Tunney, Ottawa, (Ontario), Canada, K1A 0T6). Pour les instructions sur le format, veuillez consulter les directives présentées dans la revue ou sur le
site web (www.statcan.gc.ca/Techniquesdenquete).
Note de reconnaissance
Le succès du système statistique du Canada repose sur un partenariat bien établi entre Statistique Canada et la population, les entreprises, les administrations canadiennes et les autres organismes. Sans cette collaboration et cette bonne volonté, il serait impossible de produire des statistiques précises et actuelles.
Normes de service à la clientèle
Statistique Canada s'engage à fournir à ses clients des services rapides, fiables et courtois. À cet égard, notre organisme s'est doté de normes de service à la clientèle qui doivent être observées par les employés lorsqu'ils offrent des services à la clientèle.
Droit d'auteur
Publication autorisée par le ministre responsable de Statistique Canada.
© Ministre de l'Industrie, 2015
L'utilisation de la présente publication est assujettie aux modalités de l'Entente de licence ouverte de Statistique Canada .
No 12-001-X au catalogue
Périodicité : Semi-annuel
Ottawa
Date de modification :
2017-09-20