STATPLUS1 The PMRS Ottawa Chapter would like to acknowledge the support of the following organizations. Without their kind donations we could not continue.

Slides:



Advertisements
Présentations similaires
Base de sondage et Plan de sondage Pres. 5
Advertisements

QUALIFICATION COMPORTEMENTALE DES BASES DE DONNEES CLIENTS
La pondération de l’enquête Sans Domicile 2012
Le Modèle d’Equilibre des actifs financiers
STATISTIQUE INFERENTIELLE L ’ESTIMATION
ANALYSE CONJOINTE 29/06/07- Analyse conjointe.
Atelier régional des Nations Unies sur lévaluation des recensements et les enquêtes post censitaires, Tunis, décembre 2009 Evaluation des erreurs.
Collecte de données F. Kohler.
Echantillonnage Professeur Francis GUILLEMIN > Ecole de santé publique - Faculté de Médecine.
10 place de la Joliette, BP Marseille Cedex 02 Tél CENTRE DÉTUDES ET DE RECHERCHES SUR LES QUALIFICATIONS Pascale.
Régression -corrélation
Enquête Satisfaction Clients Année 2013
Prévisions des ventes :
Vers un indicateur de la qualité des cours d’ eau…
COURS 5 Les tableaux croisés, le chi-carré et la corrélation
Prévision de la Demande
5. Algorithme à estimation de distribution
Objectifs du chapitre 8: Mesures verbales en psychologie
La Cannibalisation Ce module aborde les concepts de cannibalisation et la redéfinition équitable des parts de Marché. Auteur : Paul Farris Traduction.
Fonction puissance Montage préparé par : André Ross
Thème 6 : l'échantillonnage et l'enquête
Cours Corporate finance Eléments de théorie du portefeuille Le Medaf
Régression linéaire simple
Échantillonnage (STT-2000)
Situation familiale des enfants et risques de séparation des parents Russie et France: quelles différences? Didier BRETON, Université Marc Bloch, Strasbourg.
Comprendre la variation dans les données: Notions de base
Le comportement des coûts Chapitre 3
Les prévisions et la gestion de la demande
Les Arbres de décision ou régression
Objectifs: Etudier l’hétérogénéité des caractères au sein de la composante environnementale de la variance résiduelle Pour cela on tente de minimiser les.
Objectifs Chapitre 8: Mesure en psychologie
Les analyses multivariées
Objectifs du chapitre 2 d’Howell sur les statistiques descriptives
Théorie de l’échantillonnage (STT-6005)
La régression multiple
Échantillonnage (STT-2000)
STATISTIQUES COURS 4 La régression. Nous avons vu divers tests statistiques afin de vérifier le degré d ’interdépendance entre 2 variables Test.
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
Régression linéaire multiple : hypothèses & interprétation
M1 2013/2014 Implémentation des procédures statistiques Introduction aux régressions linéaires.
Statistique Descriptive Analyse des données
Probabilités et Statistiques
Objectifs du chapitre 4: Mesures verbales en psychologie
29/11/06 Master ESI - Concept et Calcul Financiers Fondamentaux 1 LA FORMATION DES TAUX D’INTERET SELON Eugène von Böhm-Bawerk Par Patricia RAKOTONIAINA.
Master 1 – Sciences du Langage –
Programmes de maîtrise et de doctorat en démographie Modèles de risque et de durée Cours 3 Séance du 24 janvier 2014 Benoît Laplante, professeur.
Biostatistiques Quand on souhaite étudier une (ou des) caractéristique(s) sur un ensemble d’individus ou d’objets, il est difficile, voir impossible, d’observer.
CHAPITRE IV MÉTHODES DE COLLECTE ET DE TRAITEMENT DES DONNÉES
TNS et Analyse Spectrale
Gestion du portefeuille 07A – Modèle à facteurs
Changes in child exposure to environmental tobacco smoke (CHETS) study after implementation of smoke-free legislation in Scotland : national cross sectional.
Concepts fondamentaux: statistiques et distributions
Rappels Variables nominales :
Méthode des moindres carrés (1)
Annexe Concepts mathématiques utilisés dans le cours.
20/06/2015propagation de signatures lexicales dans le graphe du Web 1 Propagation de signatures lexicales dans le graphe du Web M. Bouklit M. Lafourcade.
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Études de Marché MBA Mars 2005 La recherche par sondage.
JEAN-MARC FONTAN SOC-1101 COURS 4
Études de Marché MBA Hivers 2006 La recherche par sondage.
Études de Marché Dess communication de masse
Échantillonnage (STT-2000)
Échantillonnage (STT-2000) Section 5 Types d’erreur de sondage. Version: 22 août 2003.
Analyse des données. Plan Lien entre les statistiques et l’analyse des données Propagation des erreurs Ajustement de fonctions.
Enquête nationale sur les conditions de vie des personnes atteintes d’un cancer (2004) Laëtitia Malavolti, UMR912 INSERM-IRD-Université de la Méditerranée.
Questionnaire. IDENTIFIER L’OBJECTIF REPONSES Définir des profils, classification Segmentation, formation, plan de carrière Communication, qualité, réseaux.
Validation d’une méthode d’analyse
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement.
Institut Technologique FCBA : Forêt, Cellulose, Bois - construction, Ameublement Regards croisés sur les valeurs de la forêt FCBA : Alain Thivolle-Cazat,
Enquête Nationale sur les Niveaux de Vie des Ménages Direction régionale de Rabat-Salé-Kénitra octobre
Transcription de la présentation:

STATPLUS1 The PMRS Ottawa Chapter would like to acknowledge the support of the following organizations. Without their kind donations we could not continue to offer quality programs such as the one you are about to see.

La non-réponse : Démonter la boîte noire

STATPLUS3 Composants principaux de la non-réponse Refus de participer Non-disponibilité

STATPLUS4 Taux de réponse : Nombre de répondants Nombre de cas éligibles

STATPLUS5 Questions abordées : Y a-t-il un lien entre le taux de réponse et le risque de biais? La pondération peut-elle atténuer les biais de non-réponse? Faut-il se soucier des biais qui sont “à l’intérieur de la marge d’erreur”?

STATPLUS6 Impact possible de la non-réponse : Engendrer des sur (sous) représentations de divers segments de l’échantillon (âge, sexe, langue d’usage…)et/ou Engendrer des biais dans les estimations (degré de satisfaction…)

STATPLUS7 Distinction entre... Variables de profil (structure) : (âge, sexe, langue d’usage…)et Variables de contenu : (degré de satisfaction, cote d’écoute…)

STATPLUS8 Décomposition du biais de mesure

STATPLUS9 Biais si... Il existe un lien entre : la probabilité de répondre au sondage et le phénomène mesuré

STATPLUS10 Surreprésentation d’un segment si... Il existe un lien entre : la probabilité de répondre au sondage et le fait d’appartenir ou non au segment

STATPLUS11 L’ampleur du biais de surreprésentation d’un segment dépend... du taux de réponse et de la corrélation entre la probabilité de réponse et le fait d’appartenir au segment

STATPLUS12

STATPLUS13 L’ampleur du biais de surreprésentation dépend... du taux de réponse (= tr ) et de la corrélation entre la probabilité de réponse et l’appartenance au segment (=  ) Biais ~ (100 - tr) x 

STATPLUS14 Interprétation intuitive de  Différence entre : la probabilité de répondre si on appartient au segment et la probabilité de répondre si on n’appartient pas au segment

STATPLUS15 Surreprésentation biais? Oui, si le segment surreprésenté se distingue par rapport à la ‘moyenne’ en ce qui concerne la caractéristique d’intérêt

STATPLUS16 L’ampleur du biais engendré par la surreprésentation d’un segment dépend... de l’ampleur de surreprésentation et de l’écart qui sépare le segment par rapport à la moyenne

STATPLUS17 L’ampleur du biais engendré par la surreprésentation d’un segment dépend... de l’ampleur de la surreprésentation (x %) et de l’écart qui sépare le segment et son complément sur le phénomène mesuré (D)

STATPLUS18 L’ampleur du biais engendré par la surreprésentation d’un segment dépend... de l’ampleur de surreprésentation (x %) et de l’écart qui sépare le segment et son complément sur le phénomène mesuré (D) Biais = x % x D

STATPLUS19 Impact de la pondération

STATPLUS20 Impact de la pondération

STATPLUS21 Faut-il se soucier des biais qui sont “à l’intérieur de la marge d’erreur”?

STATPLUS22

STATPLUS23

STATPLUS24

STATPLUS25

STATPLUS26

STATPLUS27 Évolution de la théorie de l’échantillonnage Théorie classique : échantillons probabilistes Extension de la théorie : le concept de probabilité de réponse Modélisation des échantillons

STATPLUS28 Modèle probabiliste

STATPLUS29 Extension : concept de probabilité de réponse

STATPLUS30 Extrapolation par modélisation

STATPLUS31 Conclusions: on toujours avantage... à miser sur les stratégies qui augmentent les taux de réponse; à ancrer les échantillons sur le plus grand nombre de variables de contrôle possible.

STATPLUS32 Impact sur la précision des estimations Analogie avec les estimateurs de régression: y r = y + β(X – x) Les 3 méthodes de pondération donnent des estimateurs qui appartiennent à la famille des estimateurs de régression

STATPLUS33 Impact sur la variance des estimations Diminution (impact de la régression) : Var (y r ) = (1-R²) x Var (y) Augmentation (impact de la variation des poids) : (1 + V M )/(1 + V B ).

STATPLUS34 Impact sur le biais des estimations La correction du biais (x - X) apporte une correction proportionnelle sur y : (y r - y) = ρ σ y (X – x)/ σ x

STATPLUS35 Évolution des taux de réponse Études omnibus Sondages périodiques (‘Tracking’)

STATPLUS36 Impact des efforts pour augmenter les taux de réponse Taux de réponse obtenu après x rappels (x=0, 1, 2,…) Taux de réponse obtenu avec ou sans récupération de refus

STATPLUS37 Caractéristiques des non-répondants Enquêtes en deux phases Caractéristiques de répondants en fonction des efforts requis pour obtenir une réponse Enquête de type panel

STATPLUS38 Calcul du taux de réponse A =Tous les numéros ne correspondant pas à des ménages B =Tous les ménages rejoints dont aucun membre ne satisfait le critère d’éligibilité C=Tous les cas pour lesquels on n’a pu établir l’éligibilité D=Tous les ménages “ éligibles ” dans lesquels on n’a pu réaliser une interview E=Tous les répondants au questionnaire d’enquête principale

STATPLUS39 Taux de réponse E / [D + E + (T.É.) x C] (T.É.)= D + E B + D + E