Consulter la version la plus récente.

Population d’intérêt : L’ensemble de toutes les unités (par exemple, véhicules-jours) pour lesquelles les renseignements sont requis.

Population observée : L’ensemble de toutes les unités (par exemple, véhicules-jours) pour lesquelles l’enquête peut, de façon réaliste, obtenir des renseignements. La population observée peut différer de la population d’intérêt, à cause de la difficulté opérationnelle à déterminer toutes les unités qui font partie de la population d’intérêt. Une liste de toutes les unités de la population observée qui renferme les renseignements de classification (par exemple, géographique, caractéristiques des véhicules, dates) est utilisée pour le plan d’échantillonnage, la sélection de l’échantillon et l’estimation.

Stratification : Partition mutuellement exclusive de la population observée en groupes relativement homogènes pour ce qui est de certaines caractéristiques comme la classification géographique, la taille, etc. Ces groupes, qui s’appellent des strates, sont utilisés pour la répartition et la sélection de l’échantillon.

Poids d’échantillonnage : On attribue un facteur d’inflation relatif à chaque unité échantillonnée (véhicule-jour) pour obtenir des estimations pour la population d’un échantillon. On peut expliquer le concept de base du poids d’échantillonnage en utilisant le taux de représentation. Par exemple, si deux unités sont choisies au hasard parmi dix unités de population, chaque unité choisie représente cinq unités de population, y compris elle-même, et a un poids d’échantillonnage de cinq. Une enquête au plan d’échantillonnage complexe comme l’EVC nécessite un calcul plus compliqué du poids d’échantillonnage. Cependant, le poids d’échantillonnage demeure égal au nombre d’unités que l’unité échantillonnée représente dans les listes d’immatriculation.

Vérification : L’application de vérifications qui permettent de repérer les entrées manquantes, non valides ou incohérentes ou qui font ressortir les enregistrements de données risquant d’être erronés. Certaines de ces vérifications comportent des relations logiques qui découlent directement des concepts et des définitions. D’autres sont de nature plus empirique et s’obtiennent par application de tests ou procédures statistiques.

Imputation : Le processus utilisé pour résoudre les problèmes de données manquantes, non valides ou incohérentes que la vérification a mis en lumière. Pour cela, on change certaines des réponses ou remplace certaines des valeurs manquantes sur l’enregistrement vérifié pour créer un enregistrement plausible, dont la cohérence interne ne pose pas problème. Certains problèmes sont éliminés plus tôt lors d’une suivi auprès du répondant ou par l’analyse manuelle du questionnaire. Il est généralement impossible de régler tous les problèmes à ces stades initiaux, à cause des considérations de fardeau de réponse, de coût et de délai. On recourt alors à l’imputation pour traiter les rejets à la vérification restants, puisqu’il est souhaitable de produire un fichier complet et cohérent renfermant des données imputées. Si l’imputation peut améliorer la qualité des données finales en corrigeant les réponses manquantes, non valides ou incohérentes, certaines méthodes d’imputation ne préservent pas les relations entre les variables et peuvent même fausser les distributions sous-jacentes.