Guide pratique pour la conception d'enquêtes sur les ménages

Estimation des erreurs d’échantillonnage dans les données d’enquête 177
une série de caractéristiques clés pour calculer les erreurs d’échantillonnage dans chaque domaine.
Les caractéristiques sélectionnées doivent être celles qui sont considérées comme les plus importantes
dans le contexte de l’enquête, mais elles doivent également comprendre une sélection représentative
de facteurs présentant certaines propriétés statistiques, à savoir les éléments dont on pense qu’ils sont
très regroupés (par exemple des variables indiquant l’origine ethnique ou l’accès aux services), ou
peu groupés (comme la situation conjugale). En outre, le choix devra être guidé par d’autres aspects
comme les caractéristiques propres à une proportion élevée ou peu élevée de la population ou des
domaines présentant un intérêt particulier.
112. Le présent chapitre a également préconisé l’utilisation de logiciels spécialisés pour estimer les
erreurs d’échantillonnage qui caractérisent les données d’enquête. Il a été donné des exemples de situations
dans lesquelles l’utilisation de logiciels statistiques standard introduit de graves erreurs dans
l’estimation des erreurs d’échantillonnage. En général, l’utilisation de tels logiciels pour analyser des
données d’enquêtes sur les ménages conduira à sous-estimer la variabilité réelle des estimations. Ces
estimations plus réduites de l’erreur type peuvent conduire à tirer des conclusions trompeuses des
résultats de l’enquête, par exemple en conduisant à conclure à d’importantes différences entre les
moyennes de deux groupes ou à rejeter à tort une hypothèse.
113. L’on a également donné une liste de certains des logiciels statistiques disponibles dans le commerce,
avec une indication de leur source et de leurs applications. Dans les pays en développement,
le manque de connaissances ou d’expérience en matière d’estimations des erreurs d’échantillonnage
est l’un des obstacles qui empêchent d’analyser en profondeur les données recueillies. Beaucoup
d’analystes ne savent pas qu’il faut utiliser des logiciels spécialisés et, s’ils le savent, préfèrent ne pas
apprendre à utiliser un nouveau système.
114. Il importe de souligner que ce chapitre n’est qu’une introduction et que l’estimation de la
variance de données d’enquêtes complexes est un domaine très vaste et qui ne cesse de s’étendre.
Le lecteur est encouragé à se référer à certains ouvrages cités à la fin du chapitre pour obtenir des
informations plus détaillées et plus systématiques. Pour une analyse plus approfondie de ces logiciels
et des autres systèmes disponibles, y compris des codes d’ordinateurs et des produits de certains des
logiciels disponibles, voir Brogan (2004) et les ouvrages qui y sont cités.
115. Enfin, force est de reconnaître que, par suite des progrès rapides de la technologie, beaucoup
de logiciels se trouvent rapidement dépassés ou comportent de nouvelles fonctions autres que celles
qui sont indiquées ci-dessus. En fait, il se peut que certaines des spécifications susmentionnées soient
déjà obsolètes lorsque ce guide sera publié. Il importe par conséquent de ne pas perdre de vue que
les informations les plus exactes concernant les logiciels à utiliser doivent être obtenues en se référant
aux manuels ou aux sites web pertinents.
Références et autres lectures
An, A. et D. Watts (2001). New SAS procedures for analysis of sample survey data. SUGI Paper, n° 23, Cary,
North Carolina, SAS Institute, Inc. Disponible à l’adresse http://support.sas.com/rnd/app/papers/survey.
pdf.
Binder D. A. (1983). On the variances of asymptotically normal estimators from complex surveys, International
Statistical Review, vol. 51, p. 279-92.
Brick J. M. et al. (1996). A User’s Guide to WesVarPC. Rockville, Maryland, Westat, Inc.