Estimation sur petits domaines fondée sur un modèle sous échantillonnage informatif
1. IntroductionEstimation sur petits domaines fondée sur un modèle sous échantillonnage informatif
1. Introduction
L’estimation des totaux et des moyennes de population pour de petites
sous-populations (ou petits domaines) est souvent nécessaire. Or, les
estimateurs de domaine directs classiques ne sont pas fiables si la taille de
l’échantillon de domaine est petite. Par conséquent, il faut « emprunter de
l’information » à d’autres domaines en procédant à une estimation
indirecte qui s’appuie sur des modèles fournissant un lien avec les domaines
apparentés. Les modèles de lien utilisent des données de population auxiliaires
au niveau du domaine ou au niveau de l’unité. Rao
(2003, chapitre 7) décrit en détail les modèles au niveau du domaine et au
niveau de l’unité dont l’usage est très répandu pour l’estimation sur petits
domaines.
Supposons que la population d’intérêt,
U
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGvbGaai
ilaaaa@39EF@
est constituée de
M
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGnbaaaa@3937@
domaines non chevauchants avec
N
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGobWaaS
baaSqaaiaadMgaaeqaaaaa@3A52@
éléments dans le
i
e
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGPbWaaW
baaSqabeaacaqGLbaaaaaa@3A68@
domaine
(
i
=
1
,
…
,
M
)
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaqadaqaai
aadMgacqGH9aqpcaaIXaGaaiilaiablAciljaacYcacaWGnbaacaGL
OaGaayzkaaGaaiOlaaaa@40A3@
Un échantillon,
s
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGZbGaai
ilaaaa@3A0D@
de
m
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGTbaaaa@3957@
domaines est d’abord sélectionné en utilisant un
plan d’échantillonnage spécifié avec les probabilités d’inclusion
π
i
=
m
p
i
(
i
=
1
,
…
,
M
)
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHapaCda
WgaaWcbaGaamyAaaqabaGccqGH9aqpcaWGTbGaamiCamaaBaaaleaa
caWGPbaabeaakmaabmaabaGaamyAaiabg2da9iaaigdacaGGSaGaeS
OjGSKaaiilaiaad2eaaiaawIcacaGLPaaacaGGSaaaaa@4793@
où
p
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGWbWaaS
baaSqaaiaadMgaaeqaaaaa@3A74@
désigne la probabilité de
sélection du domaine
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGPbGaai
Olaaaa@3A05@
Des sous-échantillons
s
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGZbWaaS
baaSqaaiaadMgaaeqaaaaa@3A77@
de tailles spécifiées
n
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGUbWaaS
baaSqaaiaadMgaaeqaaaaa@3A72@
sont ensuite sélectionnés indépendamment à partir des domaines échantillonnés
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGPbaaaa@3953@
conformément à des plans
d’échantillonnage spécifiés avec les probabilités de sélection
p
j
|
i
(
∑
j
=
1
N
i
p
j
|
i
=
1
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGWbWaaS
baaSqaaiaadQgadaabbaqaaiaadMgaaiaawEa7aaqabaGcdaqadaqa
amaaqadabaGaamiCamaaBaaaleaacaWGQbWaaqqaaeaacaWGPbaaca
GLhWoaaeqaaaqaaiaadQgacqGH9aqpcaaIXaaabaGaamOtamaaBaaa
meaacaWGPbaabeaaa0GaeyyeIuoakiabg2da9iaaigdaaiaawIcaca
GLPaaaaaa@4B7C@
telles que les probabilités
d’inclusion de deuxième degré soient
π
j
|
i
=
n
i
p
j
|
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaHapaCda
WgaaWcbaGaamOAamaaeeaabaGaamyAaaGaay5bSdaabeaakiabg2da
9iaad6gadaWgaaWcbaGaamyAaaqabaGccaWGWbWaaSbaaSqaamaaei
aabaGaamOAaaGaayjcSdGaamyAaaqabaaaaa@457A@
pour l’unité
j
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGQbaaaa@3954@
dans le domaine
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGPbaaaa@3953@
(
j
=
1
,
…
,
N
i
)
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaqadaqaai
aadQgacqGH9aqpcaaIXaGaaiilaiablAciljaacYcacaWGobWaaSba
aSqaaiaadMgaaeqaaaGccaGLOaGaayzkaaGaaiOlaaaa@41C9@
Habituellement, la
probabilité de sélection est donnée par
p
j
|
i
=
b
i
j
/
∑
k
=
1
N
i
b
i
k
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGWbWaaS
baaSqaaiaadQgadaabbaqaaiaadMgaaiaawEa7aaqabaGccqGH9aqp
daWcgaqaaiaadkgadaWgaaWcbaGaamyAaiaadQgaaeqaaaGcbaWaaa
bmaeaacaWGIbWaaSbaaSqaaiaadMgacaWGRbaabeaaaeaacaWGRbGa
eyypa0JaaGymaaqaaiaad6eadaWgaaadbaGaamyAaaqabaaaniabgg
HiLdaaaOGaaiilaaaa@4B58@
où
b
i
j
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGIbWaaS
baaSqaaiaadMgacaWGQbaabeaaaaa@3B55@
est une mesure de taille reliée
à la variable de réponse
y
i
j
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgacaWGQbaabeaakiaac6caaaa@3C28@
Dans le présent article, nous
nous concentrons sur le cas particulier où
tous les domaines sont échantillonnés,
m
=
M
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGTbGaey
ypa0Jaamytaiaac6caaaa@3BE1@
Nous émettons l’hypothèse d’un modèle de régression linéaire à
erreurs emboîtées pour la population, fondé sur les covariables
x
i
j
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWH4bWaaS
baaSqaaiaadMgacaWGQbaabeaaaaa@3B6F@
reliées à la variable de
réponse
y
i
j
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgacaWGQbaabeaakiaac6caaaa@3C28@
Nous supposons que le modèle
de la population est donné par
y
i j
=
x
i j
T
β +
v
i
+
e
i j
; j = 1 , … ,
N
i
; i = 1 , … , M , ( 1.1 )
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgacaWGQbaabeaakiabg2da9iaahIhadaqhaaWcbaGa
amyAaiaadQgaaeaacaWGubaaaOGaaCOSdiabgUcaRiaadAhadaWgaa
WcbaGaamyAaaqabaGccqGHRaWkcaWGLbWaaSbaaSqaaiaadMgacaWG
QbaabeaakiaacUdacaqGGaGaamOAaiabg2da9iaaigdacaGGSaGaeS
OjGSKaaiilaiaad6eadaWgaaWcbaGaamyAaaqabaGccaGG7aGaaeii
aiaadMgacqGH9aqpcaaIXaGaaiilaiablAciljaacYcacaWGnbGaai
ilaiaaywW7caaMf8UaaGzbVlaaywW7caGGOaGaaGymaiaac6cacaaI
XaGaaiykaaaa@62E0@
où les
v
i
∼
iid
N
(
0
,
σ
v
2
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG2bWaaS
baaSqaaiaadMgaaeqaaOWaaCbiaeaacqWI8iIoaSqabeaacaqGPbGa
aeyAaiaabsgaaaGccaWGobWaaeWaaeaacaaIWaGaaiilaiabeo8aZn
aaDaaaleaacaWG2baabaGaaGOmaaaaaOGaayjkaiaawMcaaaaa@4636@
sont les effets aléatoires de
petit domaine qui sont indépendants des erreurs au niveau de l’unité
e
i
j
∼
iid
N
(
0
,
σ
e
2
)
,
x
i
j
=
(
1
,
x
i
j
1
,
x
i
j
2
,
…
,
x
i
j
p
)
T
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGLbWaaS
baaSqaaiaadMgacaWGQbaabeaakmaaxacabaGaeSipIOdaleqabaGa
aeyAaiaabMgacaqGKbaaaOGaamOtamaabmaabaGaaGimaiaacYcacq
aHdpWCdaqhaaWcbaGaamyzaaqaaiaaikdaaaaakiaawIcacaGLPaaa
caGGSaGaaCiEamaaBaaaleaacaWGPbGaamOAaaqabaGccqGH9aqpda
qadaqaaiaaigdacaGGSaGaamiEamaaBaaaleaacaWGPbGaamOAaiaa
igdaaeqaaOGaaiilaiaadIhadaWgaaWcbaGaamyAaiaadQgacaaIYa
aabeaakiaacYcacqWIMaYscaGGSaGaamiEamaaBaaaleaacaWGPbGa
amOAaiaadchaaeqaaaGccaGLOaGaayzkaaWaaWbaaSqabeaacaWGub
aaaaaa@5E95@
et
β
=
(
β
0
,
β
1
,
…
,
β
p
)
T
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHYoGaey
ypa0ZaaeWaaeaacqaHYoGydaWgaaWcbaGaaGimaaqabaGccaGGSaGa
eqOSdi2aaSbaaSqaaiaaigdaaeqaaOGaaiilaiablAciljaacYcacq
aHYoGydaWgaaWcbaGaamiCaaqabaaakiaawIcacaGLPaaadaahaaWc
beqaaiaadsfaaaGccaGGUaaaaa@4915@
Les paramètres d’intérêt sont
les moyennes de petit domaine
Y
¯
i
=
N
i
−
1
∑
j
=
1
N
i
y
i
j
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGzbGbae
badaWgaaWcbaGaamyAaaqabaGccqGH9aqpcaWGobWaa0baaSqaaiaa
dMgaaeaacqGHsislcaaIXaaaaOWaaabmaeaacaWG5bWaaSbaaSqaai
aadMgacaWGQbaabeaaaeaacaWGQbGaeyypa0JaaGymaaqaaiaad6ea
daWgaaadbaGaamyAaaqabaaaniabggHiLdGccaGGSaaaaa@497B@
qui peuvent être approximées par
μ
i
=
X
¯
i
T
β
+
v
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaH8oqBda
WgaaWcbaGaamyAaaqabaGccqGH9aqpceWHybGbaebadaqhaaWcbaGa
amyAaaqaaiaadsfaaaGccqaHYoGycqGHRaWkcaWG2bWaaSbaaSqaai
aadMgaaeqaaaaa@43D4@
si les tailles de domaine
N
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGobWaaS
baaSqaaiaadMgaaeqaaaaa@3A52@
sont grandes, où
X
¯
i
=
N
i
−
1
∑
j
=
1
N
i
x
i
j
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWHybGbae
badaWgaaWcbaGaamyAaaqabaGccqGH9aqpcaWGobWaa0baaSqaaiaa
dMgaaeaacqGHsislcaaIXaaaaOWaaabmaeaacaWH4bWaaSbaaSqaai
aadMgacaWGQbaabeaaaeaacaWGQbGaeyypa0JaaGymaaqaaiaad6ea
daWgaaadbaGaamyAaaqabaaaniabggHiLdaaaa@48C7@
est la moyenne de population connue de
x
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWH4baaaa@3966@
pour le domaine
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGPbGaai
Olaaaa@3A05@
Des estimateurs efficaces fondés sur un modèle des moyennes de
domaine
μ
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaH8oqBda
WgaaWcbaGaamyAaaqabaaaaa@3B35@
peuvent être obtenus si le
plan d’échantillonnage est non informatif pour le modèle, ce qui implique que les
modèles soient les mêmes pour l’échantillon et pour la population. En particulier,
les estimateurs du meilleur prédicteur linéaire sans biais empirique (EBLUP , de
l’anglais Empirical Best Linear Unbiased
Prediction ) (Henderson 1975), fondés sur
le modèle supposé de l’échantillon sous échantillonnage non informatif, peuvent
être utilisés pour estimer les moyennes de petit domaine
Y
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGzbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A75@
ou
μ
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaH8oqBda
WgaaWcbaGaamyAaaqabaaaaa@3B35@
(voir la section 2 et Rao 2003, chapitre 7). Cependant, dans de
nombreuses situations pratiques, les probabilités de sélection
p
j
|
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGWbWaaS
baaSqaaiaadQgadaabbaqaaiaadMgaaiaawEa7aaqabaaaaa@3CF7@
peuvent être reliées à la
variable d’intérêt connexe
y
i
j
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgacaWGQbaabeaakiaacYcaaaa@3C26@
même après conditionnement
sur les covariables
x
i
j
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWH4bWaaS
baaSqaaiaadMgacaWGQbaabeaakiaac6caaaa@3C2B@
Le cas échéant, nous avons un
« échantillonnage informatif » au sens où le modèle de la population
(1.1) n’est plus vérifié pour l’échantillon. Par exemple, Pfeffermann et Sverchkov (2007) supposent que
les poids de sondage des unités de l’échantillon
w
j
|
i
=
π
j
|
i
−
1
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG3bWaaS
baaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyAaaqabaGccqGH9aqp
cqaHapaCdaqhaaWcbaWaaqGaaeaacaWGQbaacaGLiWoacaWGPbaaba
GaeyOeI0IaaGymaaaaaaa@4515@
sont aléatoires et que leur espérance conditionnelle est
E
s
i
(
w
j
|
i
|
x
i
j
,
y
i
j
,
v
i
)
=
E
s
i
(
w
j
|
i
|
x
i
j
,
y
i
j
)
=
k
i
exp
(
x
i
j
T
a
+
b
y
i
j
)
,
(
1.2
)
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaafaqaaeOada
aabaGaamyramaaBaaaleaacaWGZbWaaSbaaWqaaiaadMgaaeqaaaWc
beaakmaabmaabaWaaqGaaeaacaWG3bWaaSbaaSqaamaaeiaabaGaam
OAaaGaayjcSdGaamyAaaqabaaakiaawIa7aiaahIhadaWgaaWcbaGa
amyAaiaadQgaaeqaaOGaaiilaiaadMhadaWgaaWcbaGaamyAaiaadQ
gaaeqaaOGaaiilaiaadAhadaWgaaWcbaGaamyAaaqabaaakiaawIca
caGLPaaaaeaacqGH9aqpaeaacaWGfbWaaSbaaSqaaiaadohadaWgaa
adbaGaamyAaaqabaaaleqaaOWaaeWaaeaadaabcaqaaiaadEhadaWg
aaWcbaWaaqGaaeaacaWGQbaacaGLiWoacaWGPbaabeaaaOGaayjcSd
GaaCiEamaaBaaaleaacaWGPbGaamOAaaqabaGccaGGSaGaamyEamaa
BaaaleaacaWGPbGaamOAaaqabaaakiaawIcacaGLPaaaaeaaaeaacq
GH9aqpaeaacaWGRbWaaSbaaSqaaiaadMgaaeqaaOGaciyzaiaacIha
caGGWbWaaeWaaeaacaWH4bWaa0baaSqaaiaadMgacaWGQbaabaGaam
ivaaaakiaahggacqGHRaWkcaWGIbGaamyEamaaBaaaleaacaWGPbGa
amOAaaqabaaakiaawIcacaGLPaaacaGGSaaaaiaaywW7caaMf8UaaG
zbVlaaywW7caaMf8UaaiikaiaaigdacaGGUaGaaGOmaiaacMcaaaa@7D61@
où
a
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHHbaaaa@394F@
et
b
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGIbaaaa@394C@
sont des constantes inconnues fixes
et
k
i
=
N
i
n
i
−
1
{
∑
j
=
1
N
i
exp
(
−
x
i
j
T
a
−
b
y
i
j
)
/
N
i
}
.
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGRbWaaS
baaSqaaiaadMgaaeqaaOGaeyypa0JaamOtamaaBaaaleaacaWGPbaa
beaakiaad6gadaqhaaWcbaGaamyAaaqaaiabgkHiTiaaigdaaaGcda
GadaqaamaalyaabaWaaabCaeaaciGGLbGaaiiEaiaacchadaqadaqa
aiabgkHiTiaahIhadaqhaaWcbaGaamyAaiaadQgaaeaacaWGubaaaO
GaaCyyaiabgkHiTiaadkgacaWG5bWaaSbaaSqaaiaadMgacaWGQbaa
beaaaOGaayjkaiaawMcaaaWcbaGaamOAaiabg2da9iaaigdaaeaaca
WGobWaaSbaaWqaaiaadMgaaeqaaaqdcqGHris5aaGcbaGaamOtamaa
BaaaleaacaWGPbaabeaaaaaakiaawUhacaGL9baacaGGUaaaaa@5C1D@
Sous échantillonnage informatif dans les domaines, l’estimateur
EBLUP de
Y
¯
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGzbGbae
badaWgaaWcbaGaamyAaaqabaGccaGGSaaaaa@3B2F@
en supposant que le modèle
(1.1) est vérifié pour l’échantillon, peut être fortement biaisé. Il faut donc
élaborer des estimateurs qui peuvent tenir compte du biais de sélection dans
l’échantillon et réduire ainsi le biais d’estimation. Pfeffermann et Sverchkov (2007) ont élaboré un estimateur de la
moyenne
Y
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGzbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A75@
corrigé du biais sous
l’hypothèse (1.2) concernant les poids de sondage
w
j
|
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG3bWaaS
baaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyAaaqabaaaaa@3D00@
et en supposant que le modèle
de l’échantillon est un modèle à erreurs emboîtées
y
i j
=
x
i j
T
α +
u
i
+
h
i j
; j = 1 , … ,
n
i
; i = 1 , … , M , ( 1.3 )
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgacaWGQbaabeaakiabg2da9iaahIhadaqhaaWcbaGa
amyAaiaadQgaaeaacaWGubaaaOGaaCySdiabgUcaRiaadwhadaWgaa
WcbaGaamyAaaqabaGccqGHRaWkcaWGObWaaSbaaSqaaiaadMgacaWG
QbaabeaakiaacUdacaqGGaGaamOAaiabg2da9iaaigdacaGGSaGaeS
OjGSKaaiilaiaad6gadaWgaaWcbaGaamyAaaqabaGccaGG7aGaaeii
aiaadMgacqGH9aqpcaaIXaGaaiilaiablAciljaacYcacaWGnbGaai
ilaiaaywW7caaMf8UaaGzbVlaaywW7caGGOaGaaGymaiaac6cacaaI
ZaGaaiykaaaa@6303@
où
u
i
∼
iid
N
(
0
,
σ
u
2
)
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG1bWaaS
baaSqaaiaadMgaaeqaaOWaaCbiaeaacqWI8iIoaSqabeaacaqGPbGa
aeyAaiaabsgaaaGccaWGobWaaeWaaeaacaaIWaGaaiilaiabeo8aZn
aaDaaaleaacaWG1baabaGaaGOmaaaaaOGaayjkaiaawMcaaiaabYca
aaa@46E3@
et
h
i
j
|
j
∈
s
i
∼
iid
N
(
0
,
σ
h
2
)
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaabcaqaai
aadIgadaWgaaWcbaGaamyAaiaadQgaaeqaaaGccaGLiWoacaWGQbGa
eyicI4Saam4CamaaBaaaleaacaWGPbaabeaakmaaxacabaGaeSipIO
daleqabaGaaeyAaiaabMgacaqGKbaaaOGaamOtamaabmaabaGaaGim
aiaacYcacqaHdpWCdaqhaaWcbaGaamiAaaqaaiaaikdaaaaakiaawI
cacaGLPaaacaGGUaaaaa@4DE0@
Pfeffermann
et Sverchkov (2007) notent que, sous un plan
d’échantillonnage qui satisfait (1.2), le modèle de la population est aussi un
modèle à erreurs emboîtées, mais dont les paramètres sont différents. Toutefois,
ils n’utilisent pas la forme du modèle de la population pour l’échantillon. Pour
déterminer le modèle de l’échantillon (1.3), ils ajustent le modèle aux données
d’échantillon, puis lui appliquent certains tests diagnostiques. De même, ils
déterminent le modèle (1.2) pour les poids d’après les données d’échantillon
{
w
j
|
i
,
y
i
j
,
x
i
j
,
j
∈
s
i
,
i
∈
s
}
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaadaGadaqaai
aadEhadaWgaaWcbaWaaqGaaeaacaWGQbaacaGLiWoacaWGPbaabeaa
kiaacYcacaWG5bWaaSbaaSqaaiaadMgacaWGQbaabeaakiaacYcaca
WH4bWaaSbaaSqaaiaadMgacaWGQbaabeaakiaacYcacaWGQbGaeyic
I4Saam4CamaaBaaaleaacaWGPbaabeaakiaabYcacaWGPbGaeyicI4
Saam4CaaGaay5Eaiaaw2haaiaac6caaaa@50CA@
Leurs estimateurs sont identifiés (PS) dans ce
qui suit.
Prasad et Rao
(1999) et You et Rao (2002) ont élaboré
des estimateurs pseudo-EBLUP des moyennes de petit domaine
μ
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaH8oqBda
WgaaWcbaGaamyAaaqabaaaaa@3B35@
qui dépendent des poids d’échantillonnage
w
j
|
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG3bWaaS
baaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyAaaqabaGccaGGSaaa
aa@3DBA@
en supposant que l’échantillonnage
est non informatif pour le modèle (1.1). La raison qui les a motivés à utiliser
le pseudo-EBLUP était de s’assurer de la convergence sous le plan à mesure que
la taille de l’échantillon de domaine,
n
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGUbWaaS
baaSqaaiaadMgaaeqaaOGaaiilaaaa@3B2C@
augmente. Les estimateurs de You et Rao (identifiés (YR) dans ce qui suit) satisfont
aussi une propriété d’étalonnage au sens où la somme des estimateurs des totaux
de domaine est égale à un estimateur direct fiable du total, contrairement aux
estimateurs EBLUP . Stefan (2005) a étudié
les propriétés empiriques des estimateurs pseudo-EBLUP sous échantillonnage
informatif pour le modèle (1.1) et montré qu’ils donnent lieu à un biais plus
faible que l’estimateur EBLUP .
L’objectif principal de notre article est
d’étudier des modèles d’échantillon augmentés de la forme
y
i j
=
x
i j
T
β
0
+ g (
p
j | i
)
δ
0
+
v
˜
i
+
e
˜
i j
; j = 1 , … ,
n
i
; i = 1 , … , M ( 1.4 )
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG5bWaaS
baaSqaaiaadMgacaWGQbaabeaakiabg2da9iaahIhadaqhaaWcbaGa
amyAaiaadQgaaeaacaWGubaaaOGaaCOSdmaaBaaaleaacaaIWaaabe
aakiabgUcaRiaadEgadaqadaqaaiaadchadaWgaaWcbaWaaqGaaeaa
caWGQbaacaGLiWoacaWGPbaabeaaaOGaayjkaiaawMcaaiabes7aKn
aaBaaaleaacaaIWaaabeaakiabgUcaRiqadAhagaacamaaBaaaleaa
caWGPbaabeaakiabgUcaRiqadwgagaacamaaBaaaleaacaWGPbGaam
OAaaqabaGccaGG7aGaaeiiaiaadQgacqGH9aqpcaaIXaGaaiilaiab
lAciljaacYcacaWGUbWaaSbaaSqaaiaadMgaaeqaaOGaai4oaiaabc
cacaWGPbGaeyypa0JaaGymaiaacYcacqWIMaYscaGGSaGaamytaiaa
ywW7caaMf8UaaGzbVlaaywW7caGGOaGaaGymaiaac6cacaaI0aGaai
ykaaaa@6DEB@
pour une
fonction convenablement définie
g
i
j
=
g
(
p
j
|
i
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaaS
baaSqaaiaadMgacaWGQbaabeaakiabg2da9iaadEgadaqadaqaaiaa
dchadaWgaaWcbaWaaqGaaeaacaWGQbaacaGLiWoacaWGPbaabeaaaO
GaayjkaiaawMcaaaaa@437D@
de la probabilité
p
j
|
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGWbWaaS
baaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyAaaqabaGccaGGSaaa
aa@3DB3@
où les
v
˜
i
∼
iid
N
(
0
,
σ
v
0
2
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWG2bGbaG
aadaWgaaWcbaGaamyAaaqabaGcdaWfGaqaaiablYJi6aWcbeqaaiaa
bMgacaqGPbGaaeizaaaakiaad6eadaqadaqaaiaaicdacaGGSaGaeq
4Wdm3aa0baaSqaaiaadAhacaaIWaaabaGaaGOmaaaaaOGaayjkaiaa
wMcaaaaa@46FF@
et sont indépendants de
e
˜
i
j
∼
iid
N
(
0
,
σ
e
0
2
)
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGLbGbaG
aadaWgaaWcbaGaamyAaiaadQgaaeqaaOWaaCbiaeaacqWI8iIoaSqa
beaacaqGPbGaaeyAaiaabsgaaaGccaWGobWaaeWaaeaacaaIWaGaai
ilaiabeo8aZnaaDaaaleaacaWGLbGaaGimaaqaaiaaikdaaaaakiaa
wIcacaGLPaaacaGGSaaaaa@487C@
et
β
0
=
(
β
00
,
β
01
,
…
,
β
0
p
)
T
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWHYoWaaS
baaSqaaiaaicdaaeqaaOGaeyypa0ZaaeWaaeaacqaHYoGydaWgaaWc
baGaaGimaiaaicdaaeqaaOGaaiilaiabek7aInaaBaaaleaacaaIWa
GaaGymaaqabaGccaGGSaGaeSOjGSKaaiilaiabek7aInaaBaaaleaa
caaIWaGaamiCaaqabaaakiaawIcacaGLPaaadaahaaWcbeqaaiaads
faaaGccaGGUaaaaa@4C33@
Le modèle de l’échantillon (1.4)
est déterminé après ajustement du modèle aux données d’échantillon pour
différents choix de la fonction
g
(
⋅
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaae
WaaeaacqGHflY1aiaawIcacaGLPaaaaaa@3D24@
et vérification de leur
adéquation. Par exemple, les résidus
r
i
j
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGYbWaaS
baaSqaaiaadMgacaWGQbaabeaaaaa@3B65@
de l’ajustement du modèle (1.4) sans
la variable d’augmentation
g
(
p
j
|
i
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaae
WaaeaacaWGWbWaaSbaaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyA
aaqabaaakiaawIcacaGLPaaaaaa@3F78@
peuvent être représentés
graphiquement en fonction de
g
(
p
j
|
i
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaae
WaaeaacaWGWbWaaSbaaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyA
aaqabaaakiaawIcacaGLPaaaaaa@3F78@
pour choisir
g
(
⋅
)
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaae
WaaeaacqGHflY1aiaawIcacaGLPaaacaGGUaaaaa@3DD6@
Le modèle d’échantillon augmenté
déterminé sera vérifié pour la population (Skinner
1994, Rao 2003, section 5.3). Des choix possibles de
g
(
p
j
|
i
)
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaae
WaaeaacaWGWbWaaSbaaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyA
aaqabaaakiaawIcacaGLPaaaaaa@3F78@
sont
p
j
|
i
,
log
p
j
|
i
,
w
j
|
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGWbWaaS
baaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyAaaqabaGccaGGSaGa
ciiBaiaac+gacaGGNbGaamiCamaaBaaaleaadaabcaqaaiaadQgaai
aawIa7aiaadMgaaeqaaOGaaiilaiaadEhadaWgaaWcbaWaaqGaaeaa
caWGQbaacaGLiWoacaWGPbaabeaaaaa@4A6C@
et
n
i
w
j
|
i
=
p
j
|
i
−
1
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGUbWaaS
baaSqaaiaadMgaaeqaaOGaam4DamaaBaaaleaadaabcaqaaiaadQga
aiaawIa7aiaadMgaaeqaaOGaeyypa0JaamiCamaaDaaaleaadaabca
qaaiaadQgaaiaawIa7aiaadMgaaeaacqGHsislcaaIXaaaaOGaaiOl
aaaa@4720@
Partant du modèle d’échantillon augmenté (1.4), nous obtenons les
estimateurs EBLUP de
Y
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGzbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A75@
ou
μ
i
=
X
¯
i
T
β
0
+
G
¯
i
δ
0
+
v
˜
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaH8oqBda
WgaaWcbaGaamyAaaqabaGccqGH9aqpceWHybGbaebadaqhaaWcbaGa
amyAaaqaaiaadsfaaaGccaWHYoWaaSbaaSqaaiaaicdaaeqaaOGaey
4kaSIabm4rayaaraWaaSbaaSqaaiaadMgaaeqaaOGaeqiTdq2aaSba
aSqaaiaaicdaaeqaaOGaey4kaSIabmODayaaiaWaaSbaaSqaaiaadM
gaaeqaaOGaaiilaaaa@4AA9@
la moyenne de domaine approximative
sous le modèle de population augmenté, où
G
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGhbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A63@
est la moyenne de domaine des
valeurs de population
g
(
p
j
|
i
)
≡
g
i
j
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaae
WaaeaacaWGWbWaaSbaaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyA
aaqabaaakiaawIcacaGLPaaacqGHHjIUcaWGNbWaaSbaaSqaaiaadM
gacaWGQbaabeaakiaac6caaaa@44F2@
L’EBLUP de
Y
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGzbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A75@
ou
μ
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaH8oqBda
WgaaWcbaGaamyAaaqabaaaaa@3B35@
requiert la connaissance de
G
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGhbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A63@
qui dépend de toutes les
valeurs de population
p
j
|
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGWbWaaS
baaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyAaaqabaGccaGGUaaa
aa@3DB5@
Cependant, le choix de
g
(
p
j
|
i
)
=
p
j
|
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaae
WaaeaacaWGWbWaaSbaaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyA
aaqabaaakiaawIcacaGLPaaacqGH9aqpcaWGWbWaaSbaaSqaamaaei
aabaGaamOAaaGaayjcSdGaamyAaaqabaaaaa@4512@
donne
G
¯
i
=
1
/
N
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGhbGbae
badaWgaaWcbaGaamyAaaqabaGccqGH9aqpdaWcgaqaaiaaigdaaeaa
caWGobWaaSbaaSqaaiaadMgaaeqaaaaaaaa@3E31@
et le choix de
g
(
p
j
|
i
)
=
n
i
w
j
|
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWGNbWaae
WaaeaacaWGWbWaaSbaaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyA
aaqabaaakiaawIcacaGLPaaacqGH9aqpcaWGUbWaaSbaaSqaaiaadM
gaaeqaaOGaam4DamaaBaaaleaadaabcaqaaiaadQgaaiaawIa7aiaa
dMgaaeqaaaaa@4730@
donne
G
¯
i
=
n
i
W
¯
i
,
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGhbGbae
badaWgaaWcbaGaamyAaaqabaGccqGH9aqpcaWGUbWaaSbaaSqaaiaa
dMgaaeqaaOGabm4vayaaraWaaSbaaSqaaiaadMgaaeqaaOGaaiilaa
aa@4052@
où
W
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGxbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A72@
est la moyenne de population de
domaine des poids
w
j
|
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacaWG3bWaaS
baaSqaamaaeiaabaGaamOAaaGaayjcSdGaamyAaaqabaGccaGGUaaa
aa@3DBC@
Les moyennes
W
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGxbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A73@
sont souvent connues en
pratique. Les estimateurs pseudo-EBLUP sous le modèle augmenté sont également
étudiés.
Nous avons réalisé une étude en simulation sous le cadre plan de
sondage-modèle (ou pm) pour étudier le biais et l’EQM des estimateurs proposés
comparativement aux estimateurs EBLUP et pseudo-EBLUP basés sur un échantillonnage
non informatif, et les estimateurs corrigés du biais de Pfeffermann et Sverchkov (2007). Nous avons également étudié les
propriétés des estimateurs de l’EQM en ce qui concerne le biais relatif.
À la section 2 , nous résumons les méthodes existantes fondées sur un
modèle pour estimer les moyennes de petit domaine
Y
¯
i
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaaceWGzbGbae
badaWgaaWcbaGaamyAaaqabaaaaa@3A75@
ou
μ
i
.
MathType@MTEF@5@5@+=
feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
4rNCHbGeaGqiFu0Je9sqqrpepC0xbbL8F4rqqrpipeea0xe9LqFf0x
e9q8qqvqFr0dXdbrVc=b0P0xb9peuD0xXddrpe0=1qpeea0=yrVue9
Fve9Fve8meaabaqaciaacaGaaeqabaWaaeaaeaaakeaacqaH8oqBda
WgaaWcbaGaamyAaaqabaGccaGGUaaaaa@3BF1@
À la section 3 , nous
présentons les méthodes proposées basées sur le modèle d’échantillon augmenté
(1.4). À la section 4 , nous donnons les résultats de l’étude en simulation.
Enfin, à la section 5 , nous présentons les conclusions.
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