Guide pratique pour la conception d'enquêtes sur les ménages

Le traitement des données dans les enquêtes sur les ménages 221
• Sh
= nombre de ménages faisant partie de la strate d’échantillonnage en 1982
• ah
= taille de la ZE sélectionnée faisant partie de la strate d’échantillonnage
• Rh
= nombre de subdivisions représentées dans l’échantillon tiré de la strate d’échantillonnage
• bhr
= nombre de ZE sélectionnées dans la subdivision
• Shi
= nombre de ménages faisant partie de la ZE en 1982
• Mhi
= nombre de ménages faisant partie de la ZE en 1987
• mhi
= taille du ménage faisant partie de l’échantillon de la ZE.
Valeurs variables observées: dénotent les variables des ménages.
Variables de pondération: dénote la variable de pondération pour le ménage.
117. Les fichiers d’individus sont organisés comme les fichiers de ménages présentés ci-dessus, sous
réserve d’une différence mineure, à savoir que l’identification concernera la personne (PID) et que
l’index (k) se rapportera à la personne visée, tandis que les « variables » se référeront aux variables
des individus.
118 Au stade de leur diffusion, il suffit d’organiser les données en fichiers plats distincts (un pour
chaque type d’entrées) car le format de longueur fixe de la structure originelle vaut aussi pour le
transfert des données à des systèmes standard de gestion des données (DBMS) pour d’autres opérations
de traitement ou à des logiciels standard à des fins de tabulation et d’analyse. Il est très facile
de transférer les données à des systèmes de gestion de base de données car la structure originelle peut
être traduite presque directement sous le format standard DBF que tous les systèmes acceptent pour
l’entrée de tableaux (dans ce cas particulier, les codes d’identification des entrées constituent les liens
naturels entre les tableaux) (Munoz, 2003).
9.4.3.5.
Procédures des estimations et calcul des pondérations
119. Le chapitre 6 a donné une description détaillée de la raison d’être et de la méthode de calcul
des pondérations des données d’enquêtes sur les ménages (voir également les ouvrages de Rosen cités
à la fin du présent chapitre). Un algorithme de calcul qui, à partir des valeurs observées, permet
d’obtenir des estimations des caractéristiques statistiques, est l’une des procédures d’estimation ponctuelle
qui peuvent être suivies. Pour commencer, il est calculé une pondération pour chaque objet
déclarant. Il est ensuite calculé des estimations des « totaux » en ajoutant les valeurs d’observation
pondérées (valeurs observées multipliées par la pondération correspondante).
120. Munoz (2003) donne une bonne description de l’utilisation qui peut être faite du système
Microsoft Excel pour appliquer la procédure d’échantillonnage tout au long de ses principales phases:
organisation du cadre à utiliser pendant la première phase; sélection des unités primaires d’échantillonnage
sur la base d’une probabilité proportionnelle à la taille; et calcul des probabilités de sélection
et des pondérations d’échantillonnage correspondantes.
121. La construction proprement dite des estimations pondérées est simple. L’on commence par la
série de données originelle et l’on créé ensuite une nouvelle série de données en multipliant chaque
observation par le nombre de fois spécifié par sa pondération avant d’utiliser les formules standard
pour calculer le paramètre considéré sur la base de la série de données pondérées.
122. Il y a lieu de noter toutefois que, pour être exactes, les pondérations doivent comporter trois
éléments (Yansaneh, 2003), y compris les divers ajustements requis (voir aussi le chapitre 6). Les pondérations
de base tiennent compte de la variation des probabilités de sélection des différents groupes