Options
Qualité, Lionel
Nom
Qualité, Lionel
Affiliation principale
Fonction
maître assistant
Email
lionel.qualite@unine.ch
Identifiants
Résultat de la recherche
Voici les éléments 1 - 10 sur 44
- PublicationMétadonnées seulementMesure de la charge d’enquête à l’Office Fédéral de la Statistique (Suisse)(2016-10-13)L'Office Fédéral de la Statistique veut et doit mettre en place une procédure systématique de mesure du fardeau qui découle de son activité. La définition de ce fardeau et la manière de le mesurer ne sont pas encore totalement figées. Un rapide examen des pratiques des autres instituts nationaux de statistique montre qu'il n'y a pas d'unanimité sur le sujet. On tente ici de donner un aperçu des difficultés et choix qui se présentent à nous. On montre aussi comment l'utilisation d'un seul outil par lequel les échantillons de la plupart des enquêtes sont sélectionnés permet de faciliter la mesure de la charge sans toutefois apporter toutes les solutions.
- PublicationMétadonnées seulementSondage systématique et sondages à support minimal(Paris: Dunod, 2008)
; ; ; - PublicationMétadonnées seulement
- PublicationMétadonnées seulement
- PublicationMétadonnées seulementRévision du plan de sondage pour l'enquête suisse sur la structure des salaires(2018-10-26)L'enquête suisse sur la structure des salaires permet d'obtenir des informations sur les salaires versés par les entreprises, sur les emplois concernés et sur les caractéristiques des employés qui perçoivent ces salaires. Pour l'enquête de 2018, l'Office fédéral de la statistique (OFS) a entrepris de réviser le plan d'échantillonnage. Le nouveau plan doit être défini en fonction d'objectifs de précision donnés, et permettre d'utiliser les données auxiliaires sur les revenus qui proviennent de la Centrale de Compensation (CdC, partie du système de sécurité sociale suisse). C'est également l'occasion d'adapter la procédure au tirage de Poisson avec probabilités de sélection uniformes dans des domaines qui remplace depuis 2012 le tirage stratifié. L'utilisation d'un plan de Poisson a permis de simplifier le calcul d'une allocation optimale. En effet, contrairement au plan stratifié, ce calcul ne nécessite pas de traiter des problèmes d'arrondis ou d'imposer des tailles minimales d'échantillons dans les domaines. Certains des objectifs de précision concernaient l'estimation de médianes. Pour les traiter, des calculs de variables linéarisées ont été effectués puis comparés à l'aide de simulations. Enfin, la précision attendue avec la nouvelle allocation peut être évaluée en utilisant les données de l'enquête 2016.
- PublicationMétadonnées seulement
- PublicationMétadonnées seulementQuasi-Systematic Sampling From a Continuous Population(2017)
; ; A specific family of point processes are introduced that allow to select samples for the purpose of estimating the mean or the integral of a function of a real variable. These processes, called quasi-systematic processes, depend on a tuning parameter $r>0$ that permits to control the likeliness of jointly selecting neighbor units in a same sample. When $r$ is large, units that are close tend to not be selected together and samples are well spread. When $r$ tends to infinity, the sampling design is close to systematic sampling. For all $r > 0$, the first and second-order unit inclusion densities are positive, allowing for unbiased estimators of variance. Algorithms to generate these sampling processes for any positive real value of $r$ are presented. When $r$ is large, the estimator of variance is unstable. It follows that $r$ must be chosen by the practitioner as a trade-off between an accurate estimation of the target parameter and an accurate estimation of the variance of the parameter estimator. The method's advantages are illustrated with a set of simulations. - PublicationMétadonnées seulementSampling Designs From Finite Populations With Spreading Control Parameters(2018-1-10)
; ; We present a new family of sampling designs in finite population based on the use of chain processes and of multivariate discrete distributions. In Bernoulli sampling, the number of non-selected units between two selected units has a geometric distribution, while, in simple random sampling, it has a negative hypergeometric distribution. We propose to replace these distributions by more general ones, which enables us to include a tuning parameter for the joint inclusion probabilities that have a relatively simple form. An effect of repulsion or attraction can then be added in the selection of the units in such a way that a large set of new designs are defined that include Bernoulli sampling, simple random sampling and systematic sampling. A set of simulations show the interest of the method. - PublicationAccès libreA new sampling design for the Swiss Earnings Structure Survey(2021-6-15)The Swiss Federal Statistical Office undertook to revise the sampling design of its biennial Earnings Structure Survey (ESS) for 2018. The new design uses administrative data on incomes, collected by the Swiss Compensation Office (SCO) for social insurance purposes, as proxy variables. The ESS provides information on wages and salaries paid by businesses in relation to the jobs and individual characteristics of employees. Its main products are median standardized wages for a range of population or business domains and total rewards within activity sections. The sampling design revision aimed at improving efficiency by using the SCO incomes and adapting the allocation procedure to the survey objectives: multiple medians and totals. The sampling design used for previous surveys targeted best precision on the overall average earnings under a cost constraint. A linearization technique allows replacing the estimation variance of a median with that of an estimator of total in the allocation problem. We compared results of different linearization procedures using simulations on the SCO incomes matched with the business register. The multi-objective nature of the problem required to scale up the allocation procedure for the case of several hundred interest variables. This is done in two steps: limit values for the coefficient of variation of each interest estimator in the ESS are computed taking into account the maximum achievable precision under full census and a non-response scenario. These limits are set to the publication thresholds of 3% or 5% when possible. Then, a new allocation procedure of ‘sample sizes within strata’, adapted to the ESS sampling design, aims for the minimum overall sample size under constraint that no estimator coefficient of variation exceeds its assigned limit value. The result is a sample size reduced by 10% (approx. 5’000 businesses) for the ESS2018 over the ESS2016 sample and a better control on precisions of the most relevant estimates.
- PublicationMétadonnées seulement