Vallée, Audrey-Anne

2019-6-12, Tillé, Yves, Vallée, Audrey-Anne

2018-6-21, Vallée, Audrey-Anne, Tillé, Yves

2018, Chauvet, Guillaume, Vallée, Audrey-Anne

Two-stage sampling designs are commonly used for household and health surveys. To produce reliable estimators with assorted confidence intervals, some basic statistical properties like consistency and asymptotic normality of the Horvitz-Thompson estimator are desirable, along with the consistency of assorted variance estimators. These properties have been mainly studied for single-stage sampling designs. In this work, we prove the consistency of the Horvitz-Thompson estimator and of associated variance estimators for a general class of two-stage sampling designs, under mild assumptions. We also study two-stage sampling with a large entropy sampling design at the first stage, and prove that the Horvitz-Thompson estimator is asymptotically normally distributed through a coupling argument. When the first-stage sampling fraction is negligible, simplified variance estimators which do not require estimating the variance within the Primary Sampling Units are proposed, and shown to be consistent.

2017-6-1, Vallée, Audrey-Anne

Un but des inventaires forestiers est l'étude de l'évolution temporelle de la forêt et des écosystèmes instables. Dans la province du Québec, la forêt est examinée par l'entremise d'inventaires réguliers. La région d'intérêt couvre un grand territoire qui n'est pas accessible facilement et qui est composé de plusieurs types d'arbres. Les exigences opérationnelles par rapport aux coûts de la collecte, à la répartition et au type des placettes sélectionnées sont difficiles à gérer. Dans plusieurs inventaires, les placettes sont sélectionnées à l'aide d'un plan de sondage systématique à deux dimensions. L'information auxiliaire rendue disponible par les différentes techniques d'imagerie n'est utilisée qu'à l'étape de l'estimation. Le but de cette présentation est de montrer que les techniques d'échantillonnage modernes peuvent être utilisées pour sélectionner un échantillon et pour améliorer la planification des inventaires forestiers, et ce, malgré les nombreuses exigences. En effet, notre plan de sondage inclut l'échantillonnage équilibré, l'échantillonnage équilibré hautement stratifié et l'étalage de l'échantillon à travers un plan à deux degrés. L'impact de ces techniques sur la satisfaction des exigences opérationnelles et sur la précision des estimations est étudié à l'aide des données d'un inventaire forestier québécois.

2018-10-26, Vallée, Audrey-Anne, Chauvet, Guillaume

Les plans de sondage à deux degrés sont communément utilisés pour des enquêtes sur les ménages et sur la santé. Un estimateur de base pour des totaux dans les populations est l'estimateur Horvitz-Thompson, accompagné de ses estimateurs de variance usuels. La convergence et la distribution asymptotique des estimateurs sont complexes à étudier dans les plans à deux degrés. Dans cette présentation, les propriétés asymptotiques de l'estimateur du total Horvitz-Thompson et de ses estimateurs de variance sont étudiées. Sous des hypothèses raisonnables, la convergence des estimateurs est prouvée. Dans le cas du plan de sondage réjectif au premier degré, la convergence d'un estimateur de variance simplifié du type Hàjek est vérifiée et il est montré que l'estimateur du total a une distribution asymptotiquement normale. Les résultats d'une étude par simulations évaluant les propriétés asymptotiques seront présentés.

2018-6-14, Vallée, Audrey-Anne, Tillé, Yves

2017-6-14, Vallée, Audrey-Anne

When a sample is obtained by intersecting two independent samples, the variance and the estimator of variance of the expanded estimator can be decomposed in two different ways according to the sample used in the conditional expectations. Even if both methods give the same result, we show that with one decomposition, it is generally more practical to compute the variance and with the other one, it is more convenient to estimate the variance. These differences in the decompositions are due to simplifications in joint inclusion probabilities and this sheds light on two particular cases: the reverse approach used in the nonresponse case and the estimation of variance in two-stage sampling designs.

2018-9-20, Vallée, Audrey-Anne, Tillé, Yves

Swiss cheese nonresponse or non-monotone nonresponse occurs when all the variables of a survey can contain missing values without a particular pattern. Imputation of missing values allows to reduce the bias and the variability due to nonresponse. It is difficult to preserve the distributions and the relations between the variables when imputing in the swiss cheese nonresponse case. In this presentation, balanced K-nearest neighbor imputation Hasler and Tillé (2016) is extended to treat swiss cheese nonresponse. It is a donor imputation method that is random and constructed to meet some requirements. First, a nonrespondent can be imputed by donors which are close to him. The distances are calculated with the observed values. Next, all the missing values of a nonrespondent are imputed by the same donor. Last, the donors are chosen so that if the observed values of the nonrespondents were imputed, the estimated totals would be the same as the one calculated with the observed values only. To meet all the requirements, a matrix of imputation probabilities is constructed with calibration techniques. The donors are selected with these imputation probabilities and balanced sampling methods. The advantages and the properties of the method are investigated in a simulation study.

2018-6-4, Vallée, Audrey-Anne, Chauvet, Guillaume

2017-6-10, Tillé, Yves, Vallée, Audrey-Anne

Swiss cheese nonresponse refers to the case where all the variables can contain missing values in a general pattern even if this wording is abuse since most of the Swiss cheeses do not have holes. However, in the case of Swiss cheese nonresponse, it is not possible to consider that some variables are known for every units and can thus be used as auxiliary variables. We propose a new technique of random donor imputation. The method is based on the establishment of consistency principles. A nonrespondent and its donor should be close to each other. The same donor must be used for all missing variables of a unit. Moreover we impose that, if we were imputing the known variables of a nonrespondent by the values of the donor, the totals of these variables must remain the same. The procedure is based on the calculation of imputation probabilities. Next, the donors are selected randomly in such a way that the constraints are satisfied.