Réponse et non-réponse
Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Enquête ou programme statistique
Résultats
Tout (16)
Tout (16) (0 à 10 de 16 résultats)
- Articles et rapports : 12-001-X202200100006Description :
Au cours des deux dernières décennies, les taux de réponse aux enquêtes ont régulièrement diminué. Dans ce contexte, il est devenu de plus en plus important pour les organismes statistiques d’élaborer et d’utiliser des méthodes permettant de réduire les effets négatifs de la non-réponse sur l’exactitude des estimations découlant d’enquêtes. Le suivi des cas de non-réponse peut être un remède efficace, même s’il exige du temps et des ressources, pour pallier le biais de non-réponse. Nous avons mené une étude par simulations à l’aide de données réelles d’enquêtes-entreprises, afin de tenter de répondre à plusieurs questions relatives au suivi de la non-réponse. Par exemple, en supposant un budget fixe de suivi de la non-réponse, quelle est la meilleure façon de sélectionner les unités non répondantes auprès desquelles effectuer un suivi ? Quel effort devons-nous consacrer à un suivi répété des non-répondants jusqu’à la réception d’une réponse ? Les non-répondants devraient-ils tous faire l’objet d’un suivi ou seulement un échantillon d’entre eux ? Dans le cas d’un suivi d’un échantillon seulement, comment sélectionner ce dernier ? Nous avons comparé les biais relatifs Monte Carlo et les racines de l’erreur quadratique moyenne relative Monte Carlo pour différents plans de sondage du suivi, tailles d’échantillon et scénarios de non-réponse. Nous avons également déterminé une expression de la taille de l’échantillon de suivi minimale nécessaire pour dépenser le budget, en moyenne, et montré que cela maximise le taux de réponse espéré. Une principale conclusion de notre expérience de simulation est que cette taille d’échantillon semble également réduire approximativement le biais et l’erreur quadratique moyenne des estimations.
Date de diffusion : 2022-06-21 - Articles et rapports : 12-001-X201300211885Description :
Les sondages en ligne sont généralement caractérisés par de faibles taux de réponse. Les suggestions habituelles que l'on trouve dans les manuels sur la recherche par sondage en ligne soulignent le rôle important que joue l'écran d'accueil en vue d'encourager les répondants à participer au sondage. Les travaux de recherche ont donné la preuve empirique de l'importance de cet écran, montrant que la plupart des répondants interrompent la communication à l'étape de l'écran d'accueil. Cependant, peu d'études ont eu pour sujet l'effet de la conception de cet écran sur le taux d'interruption. Dans le cadre d'une étude réalisée à l'Université de Constance, trois traitements expérimentaux ont été ajoutés à un sondage auprès de la population d'étudiants de première année (2 629 étudiants) afin d'évaluer l'effet de diverses caractéristiques de conception de l'écran sur les taux d'interruption. Les expériences méthodologiques comprenaient la variation de la couleur de fond de l'écran d'accueil, la variation de la durée promise de la tâche sur le premier écran et la variation de la longueur de l'information fournie sur l'écran d'accueil pour expliquer aux répondants leurs droits à la protection de la vie privée. Les analyses montrent que plus la durée indiquée de la tâche était longue et plus l'attention donnée à l'explication des droits à la protection de la vie privée sur l'écran d'accueil était importante, plus le nombre d'étudiants qui commençaient à répondre au sondage et achevaient de le faire était faible. Par contre, l'utilisation d'une couleur de fond différente n'a pas produit la différence significative attendue.
Date de diffusion : 2014-01-15 - Articles et rapports : 12-001-X201000211384Description :
Le ralentissement économique aux États-Unis pourrait rendre incertain le maintien de stratégies coûteuses dans les opérations des enquêtes. Dans le Behavioral Risk Factor Surveillance System (BRFSS), une période de collecte de données mensuelle de 31 jours seulement pourrait être une solution de rechange moins coûteuse. Toutefois, elle pourrait exclure une partie des interviews menées après 31 jours (répondants tardifs) et les caractéristiques de ces répondants pourraient être différentes à de nombreux égards de celles des répondants qui ont participé à l'enquête dans les 31 jours (répondants hâtifs). Nous avons tâché de déterminer s'il existe entre les répondants hâtifs et les répondants tardifs des différences d'ordre démographique ou en ce qui a trait à la couverture des soins de santé, à l'état de santé général, aux comportements posant un risque pour la santé et aux maladies ou problèmes de santé chroniques. Nous avons utilisé les données du BRFSS 2007, où un échantillon représentatif de la population adulte aux États-Unis ne vivant pas en établissement a été sélectionné au moyen d'une méthode de composition aléatoire. Les répondants tardifs étaient significativement plus susceptibles d'être de sexe masculin ; de déclarer leur race ou origine ethnique comme étant hispanique ; d'avoir un revenu annuel de plus de 50 000 $ ; d'avoir moins de 45 ans ; d'avoir un niveau de scolarité inférieur au diplôme d'études secondaires ; de bénéficier d'une couverture des soins de santé ; d'être significativement plus susceptibles de déclarer être en bonne santé ; d'être significativement moins susceptibles de déclarer faire de l'hypertension, souffrir de diabète ou être obèses. Les différences observées entre les répondants hâtifs et les répondants tardifs dans les estimations d'enquête pourraient influer à peine sur les estimations nationales et au niveau de l'État. Étant donné que la proportion de répondants tardifs pourrait augmenter à l'avenir, il y a lieu d'examiner son incidence sur les estimations découlant de la surveillance avant de l'exclure de l'analyse. Dans l'analyse portant sur les répondants tardifs, il devrait suffire de combiner plusieurs années de données pour produire des estimations fiables.
Date de diffusion : 2010-12-21 - Articles et rapports : 11-522-X200800010952Description :
Dans une enquête où les résultats ont été estimés par des moyennes simples, nous comparons les incidences qu'ont sur les résultats un suivi des cas de non-réponse et une pondération fondée sur les derniers dix pour cent de répondants. Les données utilisées proviennent de l'Enquête sur les conditions de vie des immigrants en Norvège qui a été réalisée en 2006.
Date de diffusion : 2009-12-03 - Articles et rapports : 11-522-X200800010957Description :
Les enquêtes menées auprès d'entreprises diffèrent des enquêtes menées auprès de la population ou des ménages à bien des égards. Deux des plus importantes différences sont : (a) les répondants aux enquêtes-entreprises ne répondent pas à des questions sur des caractéristiques les concernant (leurs expériences, leurs comportements, leurs attitudes et leurs sentiments), mais sur des caractéristiques de leur organisation (taille, revenu, politiques, stratégies, etc.) et (b) les répondants aux questions parlent au nom d'une organisation. Les enquêtes-entreprises théoriques diffèrent pour leur part des autres enquêtes-entreprises, comme celles des bureaux nationaux de la statistique, à bien des égards aussi. Le fait que les enquêtes-entreprises théoriques ne visent habituellement pas la production de statistiques descriptives mais plutôt la réalisation de tests d'hypothèses (relations entre variables) constitue la plus importante différence. Les taux de réponse aux enquêtes-entreprises théoriques sont très faibles, ce qui suppose un risque énorme de biais de non-réponse. Aucune tentative n'est habituellement faite pour évaluer l'importance du biais attribuable à la non-réponse, et les résultats publiés peuvent par conséquent ne pas refléter fidèlement les vraies relations au sein de la population, ce qui augmente par ricochet la probabilité que les résultats des tests soient incorrects.
Les auteurs de la communication analysent la façon dont le risque de biais dû à la non-réponse est étudié dans les documents de recherche publiés dans les grandes revues de gestion. Ils montrent que ce biais n'est pas suffisamment évalué et que la correction du biais est difficile ou très coûteux dans la pratique, si tant est que des tentatives sont faites en ce sens. Trois façons de traiter ce problème sont examinées :(a) réunir des données par d'autres moyens que des questionnaires;(b) mener des enquêtes auprès de très petites populations;(c) mener des enquêtes avec de très petits échantillons.
Les auteurs examinent les raisons pour lesquelles ces méthodes constituent des moyens appropriés de mise à l'essai d'hypothèses dans les populations. Les compromis concernant le choix d'une méthode sont aussi examinés.
Date de diffusion : 2009-12-03 - Articles et rapports : 11-522-X200800010984Description :
Le Programme de gestion de portefeuille d'entreprises (PGPE) de Statistique Canada (StatCan) a donné la preuve du bien-fondé d'une approche « holistique » de la gestion des relations que nous entretenons avec les entreprises répondantes les plus grandes et les plus complexes.
Comprenant que le niveau d'intervention devrait varier selon le type de répondants et ayant pris conscience de la valeur de l'approche « centrée sur l'entreprise » de gestion des relations avec les fournisseurs de données complexes importantes, StatCan a adopté une stratégie de gestion de la réponse consistant à subdiviser la population d'entreprises en quatre niveaux, en fonction de leur taille, de leur complexité et de l'importance des données pour la production des estimations de l'enquête. La population étant ainsi segmentée, diverses approches de gestion de la réponse ont été élaborées en tenant compte de la contribution relative du segment. Cette stratégie permet à StatCan de diriger ses ressources vers les domaines où il est probable que le rendement de l'investissement sera le plus important. Les groupes I et II ont été définis comme essentiels à la production des estimations de l'enquête.
Le groupe I comprend les entreprises les plus grandes et les plus complexes au Canada et est géré par l'entremise du Programme de gestion de portefeuille d'entreprises.
Le groupe II comprend des entreprises plus petites et moins complexes que celles du groupe I, mais quand même importantes pour l'élaboration de mesures exactes des activités des industries individuelles.
Le groupe III comprend des entreprises de taille plus moyenne, qui représentent la majeure partie des échantillons d'enquête.
Le groupe IV comprend les entreprises les plus petites, qui sont exclues du processus de collecte des données; pour ces entreprises, StatCan s'appuie entièrement sur des données fiscales.
Le plan de la communication sera le suivant :Ça marche! Résultats et mesures provenant des programmes qui ont mis en oeuvre la stratégie globale de gestion des réponses.Élaboration d'une approche méthodologique moins subjective pour segmenter la population des enquêtes-entreprises en vue de la gestion globale des réponses. Travaux de l'équipe de projet en vue de cerner les facteurs de complexité intrinsèquement utilisés par les employés expérimentés pour classer les répondants.Ce que les répondants « à problèmes » nous ont dit au sujet des problèmes sous-jacents à la non-réponse.
Date de diffusion : 2009-12-03 - Articles et rapports : 11-522-X200800010999Description :
Dans une enquête téléphonique, le choix du nombre de tentatives d'appel représente une décision importante. Un grand nombre de tentatives rend la collecte des données longue et dispendieuse, tandis qu'un petit nombre réduit l'ensemble de réponses sur lequel sont fondées les conclusions et accroît la variance. La décision peut aussi avoir une incidence sur le biais de non-réponse. Dans le présent article, nous examinons les effets du nombre de tentatives d'appel sur le taux de non-réponse et sur le biais dû à la non-réponse dans deux enquêtes réalisées par Statistics Sweden, à savoir la Labour Force Survey (LFS) et la Household Finances (HF).
Au moyen de paradonnées, nous calculons le taux de réponse en fonction du nombre de tentatives d'appel. Pour estimer le biais de non-réponse, nous utilisons les estimations de certaines variables de registre, pour lesquelles des observations sont disponibles pour les répondants ainsi que les non-répondants. Nous calculons aussi les estimations de certains paramètres d'enquête réels en fonction d'un nombre variable de tentatives d'appel. Les résultats indiquent qu'il est possible de réduire le nombre courant de tentatives d'appel sans accroître le biais de non-réponse.
Date de diffusion : 2009-12-03 - Articles et rapports : 12-001-X20060019257Description :
En présence de non réponse partielle, deux approches sont généralement utilisées à des fins d'inférence des paramètres d'intérêt. La première repose sur l'hypothèse que la réponse est uniforme dans les classes d'imputation, tandis que la seconde s'appuie sur l'hypothèse que la réponse est ignorable, mais utilise un modèle pour la variable d'intérêt comme fondement de l'inférence. Dans le présent article, nous proposons une troisième approche qui se fonde sur l'hypothèse d'un mécanisme de réponse précisé ignorable sans que doive être spécifié un modèle de la variable d'intérêt. Dans ce cas, nous montrons comment obtenir des valeurs imputées qui mènent à des estimateurs d'un total approximativement sans biais sous l'approche proposée, ainsi que sous la deuxième des approches susmentionnées. Nous obtenons aussi des estimateurs de la variance des estimateurs imputés qui sont approximativement sans biais en suivant une approche proposée par Fay (1991) dans laquelle sont inversés l'ordre de l'échantillonnage et de la réponse. Enfin, nous effectuons des études par simulation afin d'étudier les propriétés des méthodes dans le cas d'échantillons finis, en termes de biais et d'erreur quadratique moyenne.
Date de diffusion : 2006-07-20 - Articles et rapports : 11-522-X20040018735Description :
Ce document décrit des analyses de la non-réponse chez les minorités ethniques aux Pays-Bas. Ces analyses démontrent que l'effet de réponse s'explique par le degré d'urbanisation. Un impact négatif est observé chez les minorités ethniques.
Date de diffusion : 2005-10-27 - Articles et rapports : 12-001-X20020026428Description :
L'analyse des données d'enquête de différentes régions géographiques dont les données de chaque région sont polychotomiques se fait facilement au moyen de modèles bayesiens hiérarchiques, même s'il y a des cellules présentant des petits nombres pour certaines de ces régions. Cela pose toutefois un problème quand les données d'enquête sont incomplètes en raison de la non-réponse, en particulier quand les caractéristiques des répondants diffèrent de celles des non-répondants. En présence de non-réponse, on applique la méthode de sélection pour l'estimation parce qu'elle permet de procéder à des inférences à l'égard de tous les paramètres. En fait, on décrit un modèle bayesien hiérarchique pour l'analyse des données de la non-réponse multinomiale dont on ne peut faire abstraction dans diverses régions géographiques, puisque certaines données peuvent être de petite taille. Comme modèle, on utilise une densité à priori Dirichlet pour les probabilités multinomiales et une densité à priori bêta pour les probabilités de réponse. Ainsi, on peut faire un emprunt d'information auprès des grandes régions, dans le but d'améliorer la fiabilité des estimations des paramètres du modèle qui s'appliquent aux petites régions. Comme la densité conjointe à posteriori de tous les paramètres est complexe, l'inférence se fonde sur l'échantillonnage et on utilise la méthode de Monte Carlo à chaînes de Markov. On applique la méthode pour obtenir une analyse des données sur l'indice de masse corporelle (IMC) tirées de la troisième édition de la National Health and Nutrition Examination Survey (NHANES III). Pour faciliter la compréhension, l'IMC est classé selon 3 niveaux naturels pour chacun des 8 domaines regroupant âge-race-sexe et des 34 comtés. On évalue le rendement du modèle à partir des données de la NHANES III et d'exemples simulés qui montrent que le modèle fonctionne passablement bien.
Date de diffusion : 2003-01-29
Données (0)
Données (0) (0 résultat)
Aucun contenu disponible actuellement
Analyses (16)
Analyses (16) (0 à 10 de 16 résultats)
- Articles et rapports : 12-001-X202200100006Description :
Au cours des deux dernières décennies, les taux de réponse aux enquêtes ont régulièrement diminué. Dans ce contexte, il est devenu de plus en plus important pour les organismes statistiques d’élaborer et d’utiliser des méthodes permettant de réduire les effets négatifs de la non-réponse sur l’exactitude des estimations découlant d’enquêtes. Le suivi des cas de non-réponse peut être un remède efficace, même s’il exige du temps et des ressources, pour pallier le biais de non-réponse. Nous avons mené une étude par simulations à l’aide de données réelles d’enquêtes-entreprises, afin de tenter de répondre à plusieurs questions relatives au suivi de la non-réponse. Par exemple, en supposant un budget fixe de suivi de la non-réponse, quelle est la meilleure façon de sélectionner les unités non répondantes auprès desquelles effectuer un suivi ? Quel effort devons-nous consacrer à un suivi répété des non-répondants jusqu’à la réception d’une réponse ? Les non-répondants devraient-ils tous faire l’objet d’un suivi ou seulement un échantillon d’entre eux ? Dans le cas d’un suivi d’un échantillon seulement, comment sélectionner ce dernier ? Nous avons comparé les biais relatifs Monte Carlo et les racines de l’erreur quadratique moyenne relative Monte Carlo pour différents plans de sondage du suivi, tailles d’échantillon et scénarios de non-réponse. Nous avons également déterminé une expression de la taille de l’échantillon de suivi minimale nécessaire pour dépenser le budget, en moyenne, et montré que cela maximise le taux de réponse espéré. Une principale conclusion de notre expérience de simulation est que cette taille d’échantillon semble également réduire approximativement le biais et l’erreur quadratique moyenne des estimations.
Date de diffusion : 2022-06-21 - Articles et rapports : 12-001-X201300211885Description :
Les sondages en ligne sont généralement caractérisés par de faibles taux de réponse. Les suggestions habituelles que l'on trouve dans les manuels sur la recherche par sondage en ligne soulignent le rôle important que joue l'écran d'accueil en vue d'encourager les répondants à participer au sondage. Les travaux de recherche ont donné la preuve empirique de l'importance de cet écran, montrant que la plupart des répondants interrompent la communication à l'étape de l'écran d'accueil. Cependant, peu d'études ont eu pour sujet l'effet de la conception de cet écran sur le taux d'interruption. Dans le cadre d'une étude réalisée à l'Université de Constance, trois traitements expérimentaux ont été ajoutés à un sondage auprès de la population d'étudiants de première année (2 629 étudiants) afin d'évaluer l'effet de diverses caractéristiques de conception de l'écran sur les taux d'interruption. Les expériences méthodologiques comprenaient la variation de la couleur de fond de l'écran d'accueil, la variation de la durée promise de la tâche sur le premier écran et la variation de la longueur de l'information fournie sur l'écran d'accueil pour expliquer aux répondants leurs droits à la protection de la vie privée. Les analyses montrent que plus la durée indiquée de la tâche était longue et plus l'attention donnée à l'explication des droits à la protection de la vie privée sur l'écran d'accueil était importante, plus le nombre d'étudiants qui commençaient à répondre au sondage et achevaient de le faire était faible. Par contre, l'utilisation d'une couleur de fond différente n'a pas produit la différence significative attendue.
Date de diffusion : 2014-01-15 - Articles et rapports : 12-001-X201000211384Description :
Le ralentissement économique aux États-Unis pourrait rendre incertain le maintien de stratégies coûteuses dans les opérations des enquêtes. Dans le Behavioral Risk Factor Surveillance System (BRFSS), une période de collecte de données mensuelle de 31 jours seulement pourrait être une solution de rechange moins coûteuse. Toutefois, elle pourrait exclure une partie des interviews menées après 31 jours (répondants tardifs) et les caractéristiques de ces répondants pourraient être différentes à de nombreux égards de celles des répondants qui ont participé à l'enquête dans les 31 jours (répondants hâtifs). Nous avons tâché de déterminer s'il existe entre les répondants hâtifs et les répondants tardifs des différences d'ordre démographique ou en ce qui a trait à la couverture des soins de santé, à l'état de santé général, aux comportements posant un risque pour la santé et aux maladies ou problèmes de santé chroniques. Nous avons utilisé les données du BRFSS 2007, où un échantillon représentatif de la population adulte aux États-Unis ne vivant pas en établissement a été sélectionné au moyen d'une méthode de composition aléatoire. Les répondants tardifs étaient significativement plus susceptibles d'être de sexe masculin ; de déclarer leur race ou origine ethnique comme étant hispanique ; d'avoir un revenu annuel de plus de 50 000 $ ; d'avoir moins de 45 ans ; d'avoir un niveau de scolarité inférieur au diplôme d'études secondaires ; de bénéficier d'une couverture des soins de santé ; d'être significativement plus susceptibles de déclarer être en bonne santé ; d'être significativement moins susceptibles de déclarer faire de l'hypertension, souffrir de diabète ou être obèses. Les différences observées entre les répondants hâtifs et les répondants tardifs dans les estimations d'enquête pourraient influer à peine sur les estimations nationales et au niveau de l'État. Étant donné que la proportion de répondants tardifs pourrait augmenter à l'avenir, il y a lieu d'examiner son incidence sur les estimations découlant de la surveillance avant de l'exclure de l'analyse. Dans l'analyse portant sur les répondants tardifs, il devrait suffire de combiner plusieurs années de données pour produire des estimations fiables.
Date de diffusion : 2010-12-21 - Articles et rapports : 11-522-X200800010952Description :
Dans une enquête où les résultats ont été estimés par des moyennes simples, nous comparons les incidences qu'ont sur les résultats un suivi des cas de non-réponse et une pondération fondée sur les derniers dix pour cent de répondants. Les données utilisées proviennent de l'Enquête sur les conditions de vie des immigrants en Norvège qui a été réalisée en 2006.
Date de diffusion : 2009-12-03 - Articles et rapports : 11-522-X200800010957Description :
Les enquêtes menées auprès d'entreprises diffèrent des enquêtes menées auprès de la population ou des ménages à bien des égards. Deux des plus importantes différences sont : (a) les répondants aux enquêtes-entreprises ne répondent pas à des questions sur des caractéristiques les concernant (leurs expériences, leurs comportements, leurs attitudes et leurs sentiments), mais sur des caractéristiques de leur organisation (taille, revenu, politiques, stratégies, etc.) et (b) les répondants aux questions parlent au nom d'une organisation. Les enquêtes-entreprises théoriques diffèrent pour leur part des autres enquêtes-entreprises, comme celles des bureaux nationaux de la statistique, à bien des égards aussi. Le fait que les enquêtes-entreprises théoriques ne visent habituellement pas la production de statistiques descriptives mais plutôt la réalisation de tests d'hypothèses (relations entre variables) constitue la plus importante différence. Les taux de réponse aux enquêtes-entreprises théoriques sont très faibles, ce qui suppose un risque énorme de biais de non-réponse. Aucune tentative n'est habituellement faite pour évaluer l'importance du biais attribuable à la non-réponse, et les résultats publiés peuvent par conséquent ne pas refléter fidèlement les vraies relations au sein de la population, ce qui augmente par ricochet la probabilité que les résultats des tests soient incorrects.
Les auteurs de la communication analysent la façon dont le risque de biais dû à la non-réponse est étudié dans les documents de recherche publiés dans les grandes revues de gestion. Ils montrent que ce biais n'est pas suffisamment évalué et que la correction du biais est difficile ou très coûteux dans la pratique, si tant est que des tentatives sont faites en ce sens. Trois façons de traiter ce problème sont examinées :(a) réunir des données par d'autres moyens que des questionnaires;(b) mener des enquêtes auprès de très petites populations;(c) mener des enquêtes avec de très petits échantillons.
Les auteurs examinent les raisons pour lesquelles ces méthodes constituent des moyens appropriés de mise à l'essai d'hypothèses dans les populations. Les compromis concernant le choix d'une méthode sont aussi examinés.
Date de diffusion : 2009-12-03 - Articles et rapports : 11-522-X200800010984Description :
Le Programme de gestion de portefeuille d'entreprises (PGPE) de Statistique Canada (StatCan) a donné la preuve du bien-fondé d'une approche « holistique » de la gestion des relations que nous entretenons avec les entreprises répondantes les plus grandes et les plus complexes.
Comprenant que le niveau d'intervention devrait varier selon le type de répondants et ayant pris conscience de la valeur de l'approche « centrée sur l'entreprise » de gestion des relations avec les fournisseurs de données complexes importantes, StatCan a adopté une stratégie de gestion de la réponse consistant à subdiviser la population d'entreprises en quatre niveaux, en fonction de leur taille, de leur complexité et de l'importance des données pour la production des estimations de l'enquête. La population étant ainsi segmentée, diverses approches de gestion de la réponse ont été élaborées en tenant compte de la contribution relative du segment. Cette stratégie permet à StatCan de diriger ses ressources vers les domaines où il est probable que le rendement de l'investissement sera le plus important. Les groupes I et II ont été définis comme essentiels à la production des estimations de l'enquête.
Le groupe I comprend les entreprises les plus grandes et les plus complexes au Canada et est géré par l'entremise du Programme de gestion de portefeuille d'entreprises.
Le groupe II comprend des entreprises plus petites et moins complexes que celles du groupe I, mais quand même importantes pour l'élaboration de mesures exactes des activités des industries individuelles.
Le groupe III comprend des entreprises de taille plus moyenne, qui représentent la majeure partie des échantillons d'enquête.
Le groupe IV comprend les entreprises les plus petites, qui sont exclues du processus de collecte des données; pour ces entreprises, StatCan s'appuie entièrement sur des données fiscales.
Le plan de la communication sera le suivant :Ça marche! Résultats et mesures provenant des programmes qui ont mis en oeuvre la stratégie globale de gestion des réponses.Élaboration d'une approche méthodologique moins subjective pour segmenter la population des enquêtes-entreprises en vue de la gestion globale des réponses. Travaux de l'équipe de projet en vue de cerner les facteurs de complexité intrinsèquement utilisés par les employés expérimentés pour classer les répondants.Ce que les répondants « à problèmes » nous ont dit au sujet des problèmes sous-jacents à la non-réponse.
Date de diffusion : 2009-12-03 - Articles et rapports : 11-522-X200800010999Description :
Dans une enquête téléphonique, le choix du nombre de tentatives d'appel représente une décision importante. Un grand nombre de tentatives rend la collecte des données longue et dispendieuse, tandis qu'un petit nombre réduit l'ensemble de réponses sur lequel sont fondées les conclusions et accroît la variance. La décision peut aussi avoir une incidence sur le biais de non-réponse. Dans le présent article, nous examinons les effets du nombre de tentatives d'appel sur le taux de non-réponse et sur le biais dû à la non-réponse dans deux enquêtes réalisées par Statistics Sweden, à savoir la Labour Force Survey (LFS) et la Household Finances (HF).
Au moyen de paradonnées, nous calculons le taux de réponse en fonction du nombre de tentatives d'appel. Pour estimer le biais de non-réponse, nous utilisons les estimations de certaines variables de registre, pour lesquelles des observations sont disponibles pour les répondants ainsi que les non-répondants. Nous calculons aussi les estimations de certains paramètres d'enquête réels en fonction d'un nombre variable de tentatives d'appel. Les résultats indiquent qu'il est possible de réduire le nombre courant de tentatives d'appel sans accroître le biais de non-réponse.
Date de diffusion : 2009-12-03 - Articles et rapports : 12-001-X20060019257Description :
En présence de non réponse partielle, deux approches sont généralement utilisées à des fins d'inférence des paramètres d'intérêt. La première repose sur l'hypothèse que la réponse est uniforme dans les classes d'imputation, tandis que la seconde s'appuie sur l'hypothèse que la réponse est ignorable, mais utilise un modèle pour la variable d'intérêt comme fondement de l'inférence. Dans le présent article, nous proposons une troisième approche qui se fonde sur l'hypothèse d'un mécanisme de réponse précisé ignorable sans que doive être spécifié un modèle de la variable d'intérêt. Dans ce cas, nous montrons comment obtenir des valeurs imputées qui mènent à des estimateurs d'un total approximativement sans biais sous l'approche proposée, ainsi que sous la deuxième des approches susmentionnées. Nous obtenons aussi des estimateurs de la variance des estimateurs imputés qui sont approximativement sans biais en suivant une approche proposée par Fay (1991) dans laquelle sont inversés l'ordre de l'échantillonnage et de la réponse. Enfin, nous effectuons des études par simulation afin d'étudier les propriétés des méthodes dans le cas d'échantillons finis, en termes de biais et d'erreur quadratique moyenne.
Date de diffusion : 2006-07-20 - Articles et rapports : 11-522-X20040018735Description :
Ce document décrit des analyses de la non-réponse chez les minorités ethniques aux Pays-Bas. Ces analyses démontrent que l'effet de réponse s'explique par le degré d'urbanisation. Un impact négatif est observé chez les minorités ethniques.
Date de diffusion : 2005-10-27 - Articles et rapports : 12-001-X20020026428Description :
L'analyse des données d'enquête de différentes régions géographiques dont les données de chaque région sont polychotomiques se fait facilement au moyen de modèles bayesiens hiérarchiques, même s'il y a des cellules présentant des petits nombres pour certaines de ces régions. Cela pose toutefois un problème quand les données d'enquête sont incomplètes en raison de la non-réponse, en particulier quand les caractéristiques des répondants diffèrent de celles des non-répondants. En présence de non-réponse, on applique la méthode de sélection pour l'estimation parce qu'elle permet de procéder à des inférences à l'égard de tous les paramètres. En fait, on décrit un modèle bayesien hiérarchique pour l'analyse des données de la non-réponse multinomiale dont on ne peut faire abstraction dans diverses régions géographiques, puisque certaines données peuvent être de petite taille. Comme modèle, on utilise une densité à priori Dirichlet pour les probabilités multinomiales et une densité à priori bêta pour les probabilités de réponse. Ainsi, on peut faire un emprunt d'information auprès des grandes régions, dans le but d'améliorer la fiabilité des estimations des paramètres du modèle qui s'appliquent aux petites régions. Comme la densité conjointe à posteriori de tous les paramètres est complexe, l'inférence se fonde sur l'échantillonnage et on utilise la méthode de Monte Carlo à chaînes de Markov. On applique la méthode pour obtenir une analyse des données sur l'indice de masse corporelle (IMC) tirées de la troisième édition de la National Health and Nutrition Examination Survey (NHANES III). Pour faciliter la compréhension, l'IMC est classé selon 3 niveaux naturels pour chacun des 8 domaines regroupant âge-race-sexe et des 34 comtés. On évalue le rendement du modèle à partir des données de la NHANES III et d'exemples simulés qui montrent que le modèle fonctionne passablement bien.
Date de diffusion : 2003-01-29
Références (0)
Références (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :