Vignette d'image

Graf, Eric

Nom
Graf, Eric
Affiliation principale
Identifiants
https://libra.unine.ch/handle/123456789/552

Résultat de la recherche

Filtres

4
4
Réinitialiser les filtres

Paramètres

Voici les éléments 1 - 4 sur 4
  • Publication
    Métadonnées seulement
    Sondage dans des registres de population et de ménages en Suisse : coordination d’échantillons, pondération et imputation
    (2014-11-24)
    Graf, Eric 
    ;
    Qualité, Lionel 
    L’Office Fédéral de la Statistique harmonise ses enquêtes par échantillonnage auprès des personnes et des ménages en Suisse. Dans cet article, nous présentons un aperçu des méthodes actuellement utilisées. Les échantillons sont sélectionnés de manière coordonnée afin de répartir au mieux la charge d’enquête sur les ménages et les personnes. Le calcul des pondérations, dont on présente les principales étapes, est adapté aux différents besoins et aux différentes situations rencontrées. L’Office se base sur les recommandations internationales, dont il participe à l’élaboration, pour le traitement des données d’enquête et les imputations. La précision des estimateurs est systématiquement évaluée en tenant compte des traitements réalisés.
  • Publication
    Métadonnées seulement
    Variance Estimation Using Linearization for Poverty and Social Exclusion Indicators
    (2014-6-27)
    Graf, Eric 
    ;
    Tillé, Yves 
    We have used the generalized linearization technique based on the concept of influence function, as Osier has done (Osier 2009), to estimate the variance of complex statistics such as Laeken indicators. Simulations conducted using the R language show that the use of Gaussian kernel estimation to estimate an income density function results in a strongly biased variance estimate. We are proposing two other density estimation methods that significantly reduce the observed bias. One of the methods has already been outlined by Deville (2000). The results published in this article will help to significantly improve the quality of information on the precision of certain Laeken indicators that are disseminated and compared internationally.
  • Publication
    Métadonnées seulement
    Estimation de variance par linéarisation pour des indices de pauvreté et d’exclusion sociale
    (2014-6-19)
    Graf, Eric 
    ;
    Tillé, Yves 
    Nous avons implémenté la technique de linéarisation généralisée reposant sur le concept de fonction d’influence tout comme l’a fait Osier pour estimer la variance de statistiques complexes telles que les indices de Laeken. Des simulations réalisées avec le langage R montrent que, pour les cas où l’on a recours à une estimation par noyau gaussien de la fonction de densité des revenus considérés, on obtient un fort biais pour la valeur estimée de la variance. On propose deux autres méthodes pour estimer la densité qui diminuent fortement le biais constaté. L’une de ces méthodes a déjà été esquissée par Deville. Les résultats publiés ici permettront une amélioration substantielle de la qualité des informations sur la précision de certains indices de Laeken diffusées et comparées internationalement.