Show item record

dc.contributor.advisorHaziza, David
dc.contributor.authorPicard, Frédéric
dc.date.accessioned2010-09-13T15:38:09Z
dc.date.availableNO_RESTRICTIONen
dc.date.available2010-09-13T15:38:09Z
dc.date.issued2010-04-01
dc.date.submitted2010-02
dc.identifier.urihttp://hdl.handle.net/1866/4077
dc.subjectDouble robustesseen
dc.subjectApproche par modèle d’imputationen
dc.subjectNon-réponse partielleen
dc.subjectEstimateur de variance Jackknifeen
dc.subjectEstimateur de variance linéariséen
dc.subjectApproche par modèle de non-réponseen
dc.subjectApproche renverséeen
dc.subjectImputation par la régressionen
dc.subjectApproche deux phasesen
dc.subjectDouble robustnessen
dc.subjectImputation model approachen
dc.subjectItem nonresponseen
dc.subjectJackknife variance estimatoren
dc.subjectLinearization variance estimatoren
dc.subjectNonresponse model approachen
dc.subjectReverse frameworken
dc.subjectRegression imputationen
dc.subjectTwo-phase frameworken
dc.subject.otherMathematics / Mathématiques (UMI : 0405)en
dc.titleInférence doublement robuste en présence de données imputées dans les enquêtesen
dc.typeThèse ou mémoire / Thesis or Dissertation
etd.degree.disciplineStatistiqueen
etd.degree.grantorUniversité de Montréalfr
etd.degree.levelMaîtrise / Master'sen
etd.degree.nameM. Sc.en
dcterms.abstractL'imputation est souvent utilisée dans les enquêtes pour traiter la non-réponse partielle. Il est bien connu que traiter les valeurs imputées comme des valeurs observées entraîne une sous-estimation importante de la variance des estimateurs ponctuels. Pour remédier à ce problème, plusieurs méthodes d'estimation de la variance ont été proposées dans la littérature, dont des méthodes adaptées de rééchantillonnage telles que le Bootstrap et le Jackknife. Nous définissons le concept de double-robustesse pour l'estimation ponctuelle et de variance sous l'approche par modèle de non-réponse et l'approche par modèle d'imputation. Nous mettons l'emphase sur l'estimation de la variance à l'aide du Jackknife qui est souvent utilisé dans la pratique. Nous étudions les propriétés de différents estimateurs de la variance à l'aide du Jackknife pour l'imputation par la régression déterministe ainsi qu'aléatoire. Nous nous penchons d'abord sur le cas de l'échantillon aléatoire simple. Les cas de l'échantillonnage stratifié et à probabilités inégales seront aussi étudiés. Une étude de simulation compare plusieurs méthodes d'estimation de variance à l'aide du Jackknife en terme de biais et de stabilité relative quand la fraction de sondage n'est pas négligeable. Finalement, nous établissons la normalité asymptotique des estimateurs imputés pour l'imputation par régression déterministe et aléatoire.en
dcterms.abstractImputation is often used in surveys to treat item nonresponse. It is well known that treating the imputed values as observed values may lead to substantial underestimation of the variance of the point estimators. To overcome the problem, a number of variance estimation methods have been proposed in the literature, including appropriate versions of resampling methods such as the jackknife and the bootstrap. We define the concept of doubly robust point and variance estimation under the so-called nonresponse and imputation model approaches. We focus on jackknife variance estimation, which is widely used in practice. We study the properties of several jackknife variance estimators under both deterministic and random regression imputation. We first consider the case of simple random sampling without replacement. The case of stratified simple random sampling and unequal probability sampling is also considered. A limited simulation study compares various jackknife variance estimators in terms of bias and relative stability when the sampling fraction is not negligible. Finally, the asymptotic normality of imputed estimator is established under both deterministic and random regression imputation.en
dcterms.languagefraen


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show item record