Matei, Alina

2023-08-17, Alina Matei, Paul Smith

La coordination d'échantillons fait référence aux méthodes qui permettent de créer une dépendance probabiliste entre les sélections d'échantillons aléatoires afin d'optimiser la taille de leur chevauchement. Si l'objectif d'une enquête est d'estimer les changements dans le temps, ou de réduire les coûts associés au recrutement d'une nouvelle unité d'échantillonnage, la taille du chevauchement des échantillons doit être maximisé. Parfois, on souhaite contrôler le risque que la même unité d'échantillonnage soit sélectionnée dans différentes enquêtes, et donc limiter la charge de réponse pour cette unité particulière dans une période donnée. Dans ce cas, l'objectif est de minimiser la taille du chevauchement des échantillons. Plusieurs méthodes sont utilisées pour la coordination d'échantillons. Des systèmes de coordination d'échantillons sont également utilisés dans les offices statistiques nationaux, et ils sont basés sur des méthodes de coordination d'échantillons. La littérature existante ne fait pas de distinction entre `méthodes' et `systèmes'. Mais, à notre avis, les deux représentent des concepts différents. Pour distinguer les deux concepts, nous fournissons une définition d'un système de coordination d'échantillons, et classifions les mesures qui sont actuellement utilisées dans de tels systèmes dans la statistique officielle.

2023-08-17, Alina Matei

The presentation is motivated by the growing interest in estimating gender wage differences in official statistics. The wage of an employee is hypothetically a reflection of their characteristics, such as the education level or the work experience. It is possible that men and women, with the same characteristics obtain different wages. The gender wage differences are usually estimated at the mean level (see Blinder, 1973: J Hum Resour, 8, 436–455; Oaxaca, 1973: Int Econ Rev, 14, 693–709). Our goal is to estimate the differences between wages at different quantiles, using sample survey data into a super-population framework. To do this we use a parametric approach based on conditional distributions of the wages in function of some auxiliary information, as well as a counterfactual distribution (see Biewen and Jenkins, 2005: Empir Econ, 30, 331-358). The counterfactual distribution can be interpreted as an imputed distribution. It is constructed here by using a reweighting approach (see Fortin et al., 2011: Handbook of Labor Economics, 4, 1-102) based on calibration (see Anastasiade and Tillé, 2017: Surv Methodol, 43, 211-235). We use methods inspired from multiple imputation to estimate the quantiles of the wage distributions, as well as those of the counterfactual distribution. We show in our simulation studies that the use of auxiliary information well correlated with the wages reduces the variance of the counterfactual quantile estimates compared to those of the competitors. Since, in general, wage distributions are heavy-tailed, the interest is to model wages by using heavy-tailed distributions like the GB2 distribution. We illustrate the approach using this distribution and the wages for men and women using simulated and real data from the Swiss Federal Statistical Office.