Nonresponse in sample surveys: new estimation and inference methods

Dans ce manuscrit, le sujet de la non-réponse dans les enquêtes est étudié à travers plusieurs projets de recherche. Nous abordons différents sujets tels que le traitement de la non-réponse dans des ensembles de données, l’estimation en présence de non-réponse et l’analyse de la variance d’estimateurs. Le premier chapitre de cette thèse est consacré à une introduction à la statistique d’enquête, et notamment aux différents concepts utilisés dans le reste de ce manuscrit. Dans le deuxième chapitre, une nouvelle méthode d’imputation des non-réponses par donneurs est proposée. Au chapitre 3, nous présentons un nouvel estimateur du total en présence de non-réponses, qui combine l’estimateur assisté par un modèle et l’estimateur ajusté par repondération pour la non-réponse. Dans un quatrième chapitre, nous soulevons un problème lié aux estimateurs de variance d’estimateurs de totaux lorsque le rapport entre le nombre de variables et le nombre d’observations est grand. Nous approximons le biais de l’estimateur de variance afin d’ajuster les estimateurs. Le chapitre 5 de ce manuscrit traite d’un tout autre sujet. Nous y proposons une nouvelle méthode d’échantillonnage spatio-temporel qui prend en compte les deux sources d’autocorrélation spatiale et temporelle. La méthode permet de sélectionner un échantillon bien étalé à la fois dans le temps et dans l’espace.

ABSTRACT
In this manuscript, the topic of nonresponse in surveys is studied through several research projects. We address different subjects as treatment of nonresponse in data sets, estimation in presence of nonresponse and analysis of variance estimators. The first chapter of this thesis is devoted to an introduction to survey sampling and to the concepts used in the rest of this manuscript. In the second chapter, a new method for donor imputation of nonresponse is proposed. In the chapter 3, we present a new estimator of population total in the presence of nonresponse, which combines model-assisted estimators and estimators weighted by nonresponse. In a fourth chapter, we raise a problem related to variance estimators of total estimator when the ratio between the number of variables and the number of observations is large. We approximate the bias of the variance estimators in order to adjust the estimators. The chapter 5 of this manuscript deals with a different subject. We propose a new spatiotemporal sampling method that takes into account both sources of spatial and temporal autocorrelations. The method enables us to select a sample that is well spread in time and in space.

Accepted by the dissertation committee
Dr. Caren Hasler Université de Neuchâtel, Switzerland Jury president
Prof. Yves Tillé Université de Neuchâtel, Switzerland Thesis director
Prof. Camélia Goga Université de Franche-Comté, France Rapporteur
Dr. Alessio Guandalini Istituto nazionale di statistica, Italy Rapporteur
Prof. Anne Ruiz-Gazen Université Toulouse 1 Capitole, France Rapporteur

Defended on November 30, 2023

No de thèse : 3078