Guide pratique pour la conception d'enquêtes sur les ménages

172 Guide pratique pour la conception d’enquêtes sur les ménages
de probabilités inégales, non-réponse et autres ajustements des pondérations (voir le chapitre 6 pour
plus amples détails sur le calcul et l’ajustement des pondérations). Les logiciels statistiques standard
ne tiennent pas compte de ces complexités car, actuellement, ils tiennent pour acquis que les éléments
qui font partie de l’échantillon ont été sélectionnés parmi la population par échantillonnage
aléatoire simple. Comme on l’a démontré au chapitre 6, des estimations ponctuelles des paramètres
de la population dépendent de la pondération associée à chaque observation. Ces pondérations
dépendent des probabilités de sélection des autres caractéristiques de la conception de l’enquête,
comme la stratification et la mise en grappes. Lorsqu’ils ne tiennent pas compte des pondérations
d’échantillonnage, les logiciels standard produisent des estimations ponctuelles qui sont faussées.
Réaliser une analyse pondérée au moyen de ces logiciels réduit quelque peu la distorsion qui affecte
les estimations ponctuelles, mais, même alors, les erreurs d’échantillonnage des estimations ponctuelles
sont souvent très sous-estimées car, généralement, les procédures d’estimation de la variance
ne prennent pas en considération d’autres caractéristiques de la conception, comme la stratification
et la mise en grappes, de sorte que les déductions tirées de telles analyses seraient trompeuses. Par
exemple, les différences entre groupes pourraient être considérées à tort comme significatives, ou bien
des hypothèses pourraient être rejetées de façon injustifiée. Des déductions erronées des analyses des
données pourraient, par exemple, avoir d’importantes incidences sur l’allocation des ressources et la
formulation des politiques aux échelons national et régional.
91. Nous utiliserons maintenant un exemple tiré de Brogan (2004) pour illustrer le fait que l’utilisation
de logiciels statistiques standard peut produire des estimations ponctuelles faussées, des
erreurs types et des intervalles de confiance inappropriés et des tests de signification trompeurs. Cet
exemple est fondé sur une série de données provenant d’une enquête par sondage sur la couverture
des programmes de vaccination contre le tétanos toxoïde réalisée au Burundi en 1989. L’un des objectifs
de l’enquête était de comparer la séropositivité [c’est-à-dire la présence de l’antitoxine du tétanos
avec un titre d’au moins 0,01 unité internationale/millilitre (UI/ml)] et les programmes passés de
vaccination. Pour plus amples informations sur la méthodologie et les résultats de cette enquête, voir
Brogan (2004) et les ouvrages qui y sont cités. Le tableau 7.16 ci-après présente des estimations du
pourcentage de femmes ayant testé positif et l’erreur type et l’intervalle de confiance connexes.
92. Il y a lieu de noter que les estimations ponctuelles sont identiques pour tous les programmes
qui utilisent des pondérations, mais qu’il y a clairement des différences entre les estimations pondérées
et non pondérées. De plus, les erreurs types produites par le logiciel approprié sont près de deux
fois plus élevées que celles qui sont produites par le logiciel standard reposant sur l’hypothèse d’un
échantillonnage aléatoire simple. Autrement dit, les logiciels standard sous-estiment gravement les
variances des estimations, ce qui risque d’avoir des incidences importantes sur la formulation des
politiques. Par exemple, s’il était envisagé de mettre sur pied une intervention si l’incidence de la
séropositivité était égale ou inférieure à 65 %, une telle intervention serait entreprise à la suite d’une
analyse faite au moyen de logiciels spéciaux mais pas sur la base d’une analyse utilisant des logiciels
standard. Le tableau 7.16 fait apparaître que les logiciels qui estiment comme il convient les variances
des estimations produisent approximativement les mêmes résultats. Dans la section suivante, nous
donnerons un bref aperçu de certains logiciels statistiques disponibles dans le commerce qui peuvent
être utilisés pour l’analyse des données provenant d’enquêtes sur les ménages.