Non-réponse, pondération et calage en enquête

Socioéconomie & démographie · Master 1

Mécanismes de non-réponse, pondération, calage sur marges et imputation dans les enquêtes sociales.

Introduction

Aucune enquête n'obtient une réponse de tous les individus tirés. La non-réponse totale (la personne ne répond pas du tout) et la non-réponse partielle (elle laisse certaines questions vides) introduisent un biais si les non-répondants diffèrent systématiquement des répondants sur les variables étudiées.

On distingue classiquement trois mécanismes : données manquantes complètement au hasard (MCAR), au hasard conditionnellement aux variables observées (MAR) et non au hasard (MNAR). Le traitement statistique dépend de ces hypothèses, jamais totalement vérifiables.

Les offices de statistique, comme l'Office fédéral de la statistique, corrigent généralement par des poids : pondération par l'inverse de la probabilité d'inclusion, ajustement pour la non-réponse puis calage sur des marges connues issues de registres. Ce deck présente ces notions et leurs limites.

Objectifs d'apprentissage

Distinguer non-réponse totale et partielle
Définir MCAR, MAR et MNAR
Expliquer la pondération par l'inverse de la probabilité d'inclusion
Décrire le calage sur marges
Comprendre l'imputation et ses limites

Concepts clés

Non-réponse totale et partielle: Absence complète de réponse d'une unité tirée, ou absence de réponse à certaines questions.
MCAR, MAR, MNAR: Données manquantes au hasard complet, au hasard sachant les variables observées, ou dépendantes de la valeur manquante elle-même.
Pondération: Chaque répondant reçoit un poids exprimant le nombre d'unités de la population qu'il représente.
Calage sur marges: Ajustement des poids pour que les totaux de l'échantillon coïncident avec des totaux connus de la population.
Imputation: Remplacement des valeurs manquantes par des valeurs estimées, donneur ou modèle.

Conclusion

La non-réponse est inévitable. La qualité d'une enquête se juge à la manière dont elle est analysée, corrigée et communiquée.

La pondération et le calage corrigent ce qui est observable, mais pas les mécanismes MNAR.

Cartes

Quelle différence entre non-réponse totale et partielle ?: La totale concerne l'unité entière ; la partielle concerne des questions précises.
Que signifie MCAR ?: Missing completely at random : l'absence de réponse ne dépend d'aucune variable.
Que signifie MAR ?: Missing at random : l'absence dépend uniquement de variables observées.
Que signifie MNAR ?: Missing not at random : l'absence dépend de la valeur non observée elle-même.
Quel est le poids de sondage de base ?: L'inverse de la probabilité d'inclusion de l'unité dans l'échantillon.
À quoi sert le calage sur marges ?: À aligner l'échantillon sur des totaux connus (âge, sexe, canton, nationalité) issus de registres.
Quelle limite a l'imputation ?: Elle peut réduire la variance apparente à tort si l'on ne tient pas compte de l'incertitude de l'imputation.
Pourquoi un taux de réponse élevé ne garantit-il pas l'absence de biais ?: Parce que le biais dépend de l'écart entre répondants et non-répondants, pas seulement du taux.
Pourquoi les enquêtes publiques disposent-elles d'atouts en Suisse ?: Parce que des registres permettent de connaître les marges de la population et d'évaluer les non-réponses.

Glossaire

Non-réponse: Absence d'information sur une unité ou une question.
MAR: Données manquantes dépendant seulement des variables observées.
Poids de sondage: Facteur de pondération des observations.
Calage: Ajustement des poids aux marges connues.
Imputation: Remplissage de valeurs manquantes.
Taux de réponse: Proportion d'unités éligibles ayant répondu.