Guide pratique pour la conception d'enquêtes sur les ménages

More documents

Recommendations

Info

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.
Estimation des erreurs d’échantillonnage dans les données d’enquête 173 7.9. Utilisation de logiciels pour l’estimation des erreurs d’échantillonnage 93. Les méthodes d’estimation des erreurs d’échantillonnage indiquées ci-dessus sont utilisées depuis longtemps dans les pays développés et sont employées principalement au moyen d’algorithmes informatiques individualisés mis au point par les offices nationaux de statistique, les instituts de recherche et des organismes d’enquête privés. Les progrès récents de l’informatique ont débouché sur la mise au point de plusieurs logiciels qui permettent d’appliquer ces techniques. Beaucoup d’entre eux peuvent aujourd’hui être utilisés sur des ordinateurs personnels. Ils n’utilisent que l’une des approches générales de l’estimation de la variance dont il est question à la section 7.7. La plupart de ces logiciels donnent les estimations les plus largement utilisées, comme les moyennes, les proportions, les ratios et les coefficients de régression linéaire. Certains logiciels donnent également des approximations pour une large gamme d’estimateurs, comme les coefficients de régression logistique. 94. Nous présenterons dans cette section un bref aperçu de certains des logiciels disponibles dans le commerce qui permettent d’estimer les erreurs d’échantillonnage qui caractérisent les données d’enquêtes sur les ménages. Loin de nous l’idée de vouloir donner une liste exhaustive de tous les programmes et logiciels disponibles, et nous avons simplement mentionné quelques-uns des logiciels statistiques qui peuvent actuellement être utilisés sur ordinateurs personnels par des analystes non spécialisés. Chaque logiciel est brièvement passé en revue, avec une indication des conceptions auxquelles il peut être appliqué et des méthodes d’estimation de la variance. Les avantages et les inconvénients de chaque logiciel sont également mentionnés. Nous n’avons pas essayé d’exposer en détail les procédures techniques ni les méthodes de calcul qui sont à la base de ces logiciels. Ces informations peuvent être obtenues en consultant les sites web des concepteurs et certaines des références citées à la fin du présent chapitre. Tableau 7.16 Utilisation de plusieurs logiciels pour l’évaluation des variances des estimations provenant de l’enquête, avec la proportion de femmes ayant accouché récemment qui ont testé positif, Burundi, 1988-1989 Logiciel Pourcentage de séropositivité Erreur type Intervalle de confiance de 95 % SAS 8.2 MEANS sans pondérations 74,9 2,1 (70,8, 79,0) SAS 8.2 MEANS avec pondérations 67,2 2,3 (62,7, 71,7) SAS 8.2 SURVEYMEANS 67,2 4,3 (58,8, 75,6) SUDAAN 8.0 67,2 4,3 (58,8, 75,6) STATA 7.0 67,2 4,3 (58,8, 75,6) EPI INFO 6.04d 67,2 4,3 (58,8, 75,6) WESVAR 4.1 67,2 4,3 (58,8, 75,6) 95. Les six logiciels examinés sont les suivants : CENVAR, EPI INFO, PC CARP, STATA, SUDAAN et WESVAR. Les logiciels SUDAAN (Shah, Barnwell et Bieler, 1996), STATA (Stata- Corp, 1996), PC CARP (Fuller et al., 1989) et CENVAR utilisent tous la méthode de linéarisation pour estimer les erreurs d’échantillonnage de statistiques non linéaires. Le programme WESVAR n’utilise que des méthodes de réplication. Les versions récentes du logiciel SUDAAN utilisent également les techniques BRR et « jackknife ». En outre, les logiciels SAS et SPSS (qui ne sont pas examinés ici) comportent de nouveaux modules pour l’analyse des données d’enquête. Les programmes
Page 1 and 2:
Département des affaires économiq
Page 3 and 4:
Préface L’objectif principal du
Page 5 and 6:
Table des matières Préface ......
Page 7 and 8:
Table des matières Chapitre 4 Cadr
Page 9 and 10:
Table des matières 7.9. Utilisatio
Page 11:
Table des matières 7.10. Valeurs d
Page 14 and 15:
2 Guide pratique pour la conception
Page 16 and 17:
Page 18 and 19:
Page 20 and 21:
Page 23 and 24:
Chapitre 2 Planification et exécut
Page 25 and 26:
Planification et exécution des enq
Page 27 and 28:
Page 29 and 30:
Page 31 and 32:
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
Page 39:
Page 42 and 43:
30 Guide pratique pour la conceptio
Page 44 and 45:
Page 46 and 47:
Page 48 and 49:
Page 50 and 51:
Page 52 and 53:
Page 54 and 55:
Page 56 and 57:
Page 58 and 59:
Page 60 and 61:
Page 62 and 63:
Page 64 and 65:
Page 66 and 67:
Page 68 and 69:
Page 70 and 71:
Page 72 and 73:
Page 74 and 75:
Page 76 and 77:
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
100 Guide pratique pour la concepti
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 128 and 129:
Page 130 and 131:
Page 132 and 133:
Page 134 and 135: 122 Guide pratique pour la concepti
Page 155 and 156: Chapitre 7 Estimation des erreurs d
Page 157 and 158: Estimation des erreurs d’échanti
Page 183: Estimation des erreurs d’échanti
Page 191: Estimation des erreurs d’échanti
Page 234 and 235:
Page 236 and 237:
Page 238 and 239:
Page 240 and 241:
Page 242 and 243:
Page 244 and 245:
Page 246 and 247:
Page 248 and 249:
Page 250 and 251:
Page 252 and 253:
Page 254 and 255:
Page 256 and 257:
Page 258 and 259:
Page 260 and 261:
Page 263:
Annexe II Liste des participants à
show all

Guide pratique pour la conception d'enquêtes sur les ménages

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?