Guide pratique pour la conception d'enquêtes sur les ménages

56 Guide pratique pour la conception d’enquêtes sur les ménages
revenu, etc. La mesure dans laquelle les grappes sont homogènes pour une variable donnée détermine
par conséquent l’étendue de la « mise en grappes ». Plus l’échantillon est mis en grappes et moindre
est sa fiabilité.
3.5.2.
Effet de mise en grappes
84. L’effet de mise en grappes d’un échantillon est mesuré en partie par l’effet de conception ( deff ).
Cependant, le deff reflète également les effets de la stratification. L’équipe chargée de concevoir
l’échantillon doit par conséquent veiller à ce que celui-ci soit conçu de manière à concilier au mieux
la nécessité de minimiser les coûts et celle de maximiser la précision. À cette fin, il faut minimiser
ou maîtriser autant que possible l’effet de conception. Pour déterminer comment la composante
mise en grappes du deff peut être minimisée ou maîtrisée, il est bon de se référer à sa définition mathématique
:
deff = 1+ δ ( n
−1)
, (3.10)
où δ est la corrélation intraclasse (ou intra-grappe), c’est-à-dire la mesure dans laquelle deux unités
d’une grappe, en comparaison de deux unités sélectionnées au hasard parmi la population, risquent
d’avoir la même valeur, et ñ est le nombre d’unités de la population cible que comporte la grappe.
85. L’équation (3.10) n’est pas, à strictement parler, la formule du deff car elle méconnaît la stratification
ainsi qu’un autre facteur qui est introduit lorsque la taille des grappes n’est pas uniforme.
Néanmoins, comme la composante mise en grappes est le facteur déterminant dans le deff, il peut
être utilisé, de façon approximative, pour montrer comment la mise en grappes affecte la conception
de l’échantillon et ce qui peut être fait pour y remédier.
86. Il découle de l’équation ci-dessus que le deff est un multiplicateur de deux variables, la corrélation
intraclasse, δ , et la taille de l’échantillon, ñ. Ainsi, le deff augmente parallèlement à l’accroissement
aussi bien de δ que de ñ. Si l’enquêteur n’a aucun contrôle sur la corrélation intraclasse de
la variable à l’examen, il peut modifier la taille de la grappe, en l’augmentant ou en la diminuant, et
ainsi, pour une large part, maîtriser l’effet de conception.
Exemple
Supposons qu’une population ait une corrélation intraclasse de 0,03, c’est-à-dire une corrélation
relativement réduite, en ce qui concerne les maladies chroniques. Supposons en outre que
les concepteurs de l’échantillon cherchent à déterminer s’il y a lieu d’utiliser des grappes de
10 ou de 20 ménages, avec un échantillon global de 5 000 ménages. Supposons par ailleurs,
pour simplifier l’exemple, que tous les ménages aient la même taille et comptent 5 personnes.
La valeur de n est alors de 50 pour 10 ménages et de 100 pour 20 ménages. Une substitution
simple dans l’équation (3.10) donne pour le deff une valeur approximative de [1 + 0,03(49)],
ou 2,5 pour la grappe de 10 ménages mais de 4,0 pour la grappe de 20 ménages. Ainsi, l’effet
de conception augmente en gros de 60 % dans le cas de la grappe de plus grande taille. Les
concepteurs devront alors déterminer laquelle des deux options est préférable : il faut interroger
deux fois plus de grappes (500) en utilisant l’option de 10 ménages pour maintenir la fiabilité
dans des limites acceptables ou choisir l’option, moins onéreuse, de 250 ménages, au prix d’accroître
considérablement la variance de l’échantillonnage. Il va de soi que l’on peut également
envisager d’autres options comprises entre 10 et 20 ménages.