STATPLUS 1

The PMRS Ottawa Chapter would like to acknowledge the support of the following

organizations.

Without their kind donations we could not continue to offer quality programs such as the one

you are about to see.

La non-réponse :

Démonter la boîte noire

STATPLUS 3

Composants principaux de la non-réponse

• Refus de participer

• Non-disponibilité

STATPLUS 4

Taux de réponse :

Nombre de répondants

Nombre de cas éligibles

STATPLUS 5

Questions abordées :

• Y a-t-il un lien entre le taux de réponse et le risque de biais?

• La pondération peut-elle atténuer les biais de non-réponse?

• Faut-il se soucier des biais qui sont “à l’intérieur de la marge d’erreur”?

STATPLUS 6

Impact possible de la non-réponse :

• Engendrer des sur (sous) représentations de divers segments de l’échantillon (âge, sexe, langue d’usage…)

et/ouet/ou

• Engendrer des biais dans les estimations (degré de satisfaction…)

STATPLUS 7

Distinction entre...

• Variables de profil (structure) :

(âge, sexe, langue d’usage…)

etet

• Variables de contenu :

(degré de satisfaction, cote d’écoute…)

STATPLUS 8

Décomposition du biais de mesure

Non-réponse

Biais destructure

Biais demesure(structurel)

Non-réponse

Biais demesure

Biaisstructurel + Biais

interne

STATPLUS 9

Biais si...

Il existe un lien entre :

• la probabilité de répondre au sondage

et

• le phénomène mesuré

STATPLUS 10

Surreprésentation d’un segment si...

Il existe un lien entre :

• la probabilité de répondre au sondage

et

• le fait d’appartenir ou non au segment

STATPLUS 11

L’ampleur du biais de surreprésentation d’un segment dépend...

• du taux de réponse

et

• de la corrélation entre la probabilité de réponse et le fait d’appartenir au segment

STATPLUS 12

Biais de non-réponse en fonction du taux de réponse (tr)et de la corrélation () entre la variable mesurée et le fait de répondre ou non

0%

2%

4%

6%

8%

10%

12%

14%

10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % 100 %

Biais (%)

Taux de réponse (tr : %)

Biais ~ (100 - tr) x

STATPLUS 13

L’ampleur du biais de surreprésentation dépend...

• du taux de réponse (= tr )

et

• de la corrélation entre la probabilité de réponse et l’appartenance au segment (= )

Biais ~ (100 - tr) x

STATPLUS 14

Interprétation intuitive de

Différence entre :

• la probabilité de répondre si on appartient au segment

et

• la probabilité de répondre si on n’appartient pas au segment

STATPLUS 15

Surreprésentation biais?

• Oui, si le segment surreprésenté se distingue par rapport à la ‘moyenne’ en ce qui concerne la caractéristique d’intérêt

16STATPLUS

L’ampleur du biais engendré par la surreprésentation d’un segment dépend...

• de l’ampleur de surreprésentation

et

• de l’écart qui sépare le segment par rapport à la moyenne

STATPLUS 17

L’ampleur du biais engendré par la surreprésentation d’un segment dépend...

• de l’ampleur de la surreprésentation (x %)

et

• de l’écart qui sépare le segment et son complément sur le phénomène mesuré (D)

STATPLUS 18

L’ampleur du biais engendré par la surreprésentation d’un segment dépend...

• de l’ampleur de surreprésentation (x %)

et

• de l’écart qui sépare le segment et son complément sur le phénomène mesuré (D)

Biais = x % x D

STATPLUS 19

Impact de la pondération

Non-réponse

Biais destructure

Pondération Correction dubiais destructure

STATPLUS 20

Impact de la pondération

Non-réponse

Biais demesure

Biaisstructurel + Biais

interne

STATPLUS 21

• Faut-il se soucier des biais qui sont “à l’intérieur de la marge d’erreur”?

STATPLUS 22

STATPLUS 23

STATPLUS 24

STATPLUS 25

STATPLUS 26

STATPLUS 27

Évolution de la théorie de l’échantillonnage

• Théorie classique : échantillons probabilistes

• Extension de la théorie : le concept de probabilité de réponse

• Modélisation des échantillons

STATPLUS 28

Modèle probabiliste

Probabilité de

sélection

Population

Échantillon

Poids = inverse de la probabilité de sélection

STATPLUS 29

Extension : concept de probabilité de réponse

Probabilité de

sélection

Probabilité de réponse

Population

Échantillon sélectionné

Poids = inverse de la probabilité de sélection

Échantillon effectif

Poids = inverse du taux de réponse

STATPLUS 30

Extrapolation par modélisation

Profil

Profil

ModélisationPoids par

modélisation

Échantillon effectif

Population

STATPLUS 31

Conclusions: on toujours avantage...

• à miser sur les stratégies qui augmentent les taux de réponse;

• à ancrer les échantillons sur le plus grand nombre de variables de contrôle possible.

STATPLUS 32

Impact sur la précision des estimations

• Analogie avec les estimateurs de régression:

yr = y + β(X – x)

• Les 3 méthodes de pondération donnent des estimateurs qui appartiennent à la famille des estimateurs de régression

STATPLUS 33

Impact sur la variance des estimations

• Diminution (impact de la régression) :

Var (yr ) = (1-R²) x Var (y)

• Augmentation (impact de la variation des poids) :

(1 + VM)/(1 + VB).

STATPLUS 34

Impact sur le biais des estimations

• La correction du biais (x - X) apporte une correction proportionnelle sur y :

(yr - y) = ρ σy (X – x)/ σx

STATPLUS 35

Évolution des taux de réponse

• Études omnibus

• Sondages périodiques (‘Tracking’)

STATPLUS 36

Impact des efforts pour augmenter les taux de réponse

• Taux de réponse obtenu après x rappels (x=0, 1, 2,…)

• Taux de réponse obtenu avec ou sans récupération de refus

STATPLUS 37

Caractéristiques des non-répondants

• Enquêtes en deux phases

• Caractéristiques de répondants en fonction des efforts requis pour obtenir une réponse

• Enquête de type panel

STATPLUS 38

Calcul du taux de réponse

A = Tous les numéros ne correspondant pas à des ménages

B = Tous les ménages rejoints dont aucun membre ne satisfait le critère d’éligibilité

C = Tous les cas pour lesquels on n’a pu établir l’éligibilité

D = Tous les ménages “ éligibles ” dans lesquels on n’a pu réaliser une interview

E = Tous les répondants au questionnaire d’enquête principale

STATPLUS 39

Taux de réponse

E / [D + E + (T.É.) x C]

(T.É.) = D + E     B + D + E