analyse-R/donnees-ponderees

[giscus[bot]]

analyse-R/donnees-ponderees

https://larmarange.github.io/analyse-R/donnees-ponderees.html

[MagaliSAV]

Bonjour,

tout d'abord un grand merci pour votre site qui m'est très utile.

Je ne parviens pas à trouver réponse à ma question sur internet...alors je me permets de vous solliciter.

Je travaille actuellement sur deux bases de données d'enquête publique que j'ai fusionnées. Dans chacune des deux bases, une variable "poids" a été calculée par l'INSEE. Lorsque je fusionne ces deux bases, je perds bien entendu une partie des individus. Ma question est : comment pondérer les données de la base ainsi fusionnée ? Pensez-vous que je puisse utiliser la pondération d'une des deux bases d'origine ?
Si toutefois vous n'avez pas le temps de répondre mais avez des pistes de lecture pour moi, je suis preneuse.

Merci

[MagaliSAV]

Bonjour,

Merci beaucoup pour votre retour !

Je n'ai pas été suffisamment précise dans mon premier message, je vous prie de bien vouloir m'en excuser.

Mon travail consiste à réaliser un modèle pour expliquer :

• une variable renseignée dans l'enquête "A"
• par plusieurs variables renseignées dans l'enquête "B"
  J'ai donc "mergé" les bases A et B (sur la base du numéro de SIRET, commun aux deux bases). Dans ma nouvelle base, il me reste donc uniquement les observations communes aux deux bases d'origine (1300 observations environ).
  Chacune des deux bases d'origine dispose d'une variable "poids" calculée par le service producteur (Insee en l'occurrence).
  Il me semble que ces variables « poids » sont construites en fonction de l'ensemble des individus qui appartiennent à la base totale initiale (A ou B), par rapport à la population étudiée. Du coup, étant donné que je n’ai plus l’ensemble des individus ni de la base A ni de la base B, je crains que les pondérations de ces bases ne soient pas forcément pertinentes pour ma nouvelle base fusionnée... Mais si je peux "bricoler" avec la variable "poids" d'une des deux bases, je dois dire que ça m'arrangerait bien :)

J’espère que je suis claire…
Bonne journée à vous

[larmarange]

Une approche possible est de considérer que l'enquête A est votre enquête principale.

Dans ce cas, vous utiliser un left_join pour ajouter des variables de B au fichier A. Le nombre d'observations de A a ce stage est inchangé.

Avec survey, vous définissez vous poids et le plan d'échantillonnage de A, avec donc le fichier complet de A.

Vous utilisez subset ou filter pour sélectionner un sous ensemble de l'objet survey correspondant à A pour sélectionner les individus qui vous intéressent.

Le package survey saura garder les informations nécessaires a l'analyse.

Cdlt

[MagaliSAV]

Un grand merci pour vos conseils, je vais tester cette solution !

Bonne journée, et merci encore !

[MagaliSAV]

Bonjour,

je me permets de revenir vers vous car j'ai des difficultés à définir le plan d'échantillonnage issu de mon enquête principale.

J'ai choisi comme enquête principale ENDD, que j'ai fusionnée avec ANTIPOL grâce à un left_join, qui a fusionné les deux bases par le numéro de SIREN.
govienv16 <- left_join (endd2016,antipol2016)

Pour l'enquête ENDD, il est dit dans la méthodologie de l'enquête :
Les entreprises de plus de 500 salariés sont interrogées exhaustivement (2 158 sur un échantillon total de 11 000 unités).
Pour les autres, le plan de sondage est stratifié. Les strates sont établies suivant l'activité principale de l'entreprise (APEL), sa taille renseignée par sa tranche d'effectif (TEFF), son appartenance à un groupe (APPARGROU) et sa région (REGION).

J'ai donc rentré le design suivant :
govienv_design <- svydesign (ids ~1,
data = govienv16,
weights = ~ govienv16$poids_endd,
strata = ~ APEL + TEFF + APPARGROU + REGION)
J'ai une première question : dois-je renseigner l'exhaustivité pour les entreprises de plus de 500 salariés (qui correspondent à TEFF == 6)...et si oui, comment svp ? :)

Aussi, il est écrit ensuite :
"L'allocation dans les strates non exhaustives est la moyenne d'une allocation proportionnelle au nombre d'unités légales dans la strate et d'une allocation proportionnelle au nombre d'unités légales effectuant des actes de RSE mesuré par l'enquête de 2011" -> ces entreprises sont celles pour lesquelles la réponse à la variable "AUTRE_INFO" est "Faisait de la RSE en 2011".
Vient donc ma deuxième question... comment renseigner cette information dans le plan de sondage ? Est-ce qu'il faut que je change id ?...

Je suis navrée de vous solliciter encore une fois, mais je ne parviens pas à trouver de réponse sur internet ...

Merci d'avance pour votre aide.
Bonne journée.

[larmarange]

Le mieux serait de contacter directement le service de l'Insee qui a été en charge de l'enquête. La documentation ne donne pas le contact du service concerné ?

[MagaliSAV]

Ok merci, je vais faire ça :) J’ai le contact du service producteur. Bonne soirée à vous

…

Le 20 juin 2023 à 18:37, Joseph Larmarange ***@***.***> a écrit : Le mieux serait de contacter directement le service de l'Insee qui a été en charge de l'enquête. La documentation ne donne pas le contact du service concerné ? — Reply to this email directly, view it on GitHub <#175 (reply in thread)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/BAOJ4JYQHLSUYFT5H46CB4LXMHGWDANCNFSM6AAAAAAZAVSGBM>. You are receiving this because you commented.

[MagaliSAV]

Bonjour,

je me permets de vous donner le retour du service producteur : selon eux, toute l'info nécessaire est déjà contenu dans la variable "poids", et de toutes façons il m'est impossible de retrouver les éléments nécessaires au paramétrage du plan d'échantillonnage...
J'imagine donc que je vais me rabattre sur un design simple sans préciser les strates, en faisant juste appel à la variable poids.

Merci encore pour vos conseils
Bonne journée