Optimal allocation in balanced sampling

Tillé, Yves; Favre, Anne‐Catherine

doi:10.1016/j.spl.2005.04.027

Cited by 15 publications

(13 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…If these quantities are unknown at the design stage, we propose to use estimates arising from another survey instead. Our simulation results suggest that the proposed method performs well, as compared to the approximation originally proposed by Tillé and Favre (2005).…”

Section: Introductionmentioning

confidence: 69%

“…For example, the Cube method was used for the selection of the PSUs in the 1999 French Master Sample (Bourdalle et al, 2000) with balanced sampling on variables such as taxable net income and age groups. In this paper, we propose to compute optimal inclusion probabilities for balanced sampling designs by means of a fixed-point algorithm, previously suggested by Tillé and Favre (2005). Under some conditions on the set of balancing variables, we show that the resulting inclusion probabilities always lead to a reduction in variance of the Horvitz-Thompson estimator.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Optimal inclusion probabilities for balanced sampling

Chauvet

Bonnéry

Deville

2011

Journal of Statistical Planning and Inference

View full text Add to dashboard Cite

International audienceWhen auxiliary information is available at the design stage, samples may be selected by means of balanced sampling. The variance of the Horvitz-Thompson estimator is then reduced, since it is approximately given by that of the residuals of the variable of interest on the balancing variables. In this paper, a method for computing optimal inclusion probabilities for balanced sampling on given auxiliary variables is studied. We show that the method formerly suggested by Tillé and Favre (2005) enables the computation of inclusion probabilities that lead to a decrease in variance under some conditions on the set of balancing variables. A disadvantage is that the target optimal inclusion probabilities depend on the variable of interest. If the needed quantities are unknown at the design stage, we propose to use estimates instead (e.g.,arising from a previous wave of the survey). A limited simulation study suggests that, under some conditions, our method performs better than the method of Tillé and Favre (2005

show abstract

Section: Introductionmentioning

confidence: 69%

Section: Introductionmentioning

confidence: 99%

Optimal inclusion probabilities for balanced sampling

Chauvet

Bonnéry

Deville

2011

Journal of Statistical Planning and Inference

View full text Add to dashboard Cite

show abstract

“…Estimates of uncertainty from the parameters, such as the standard errors, in the preliminary models can be used to derive inclusion probabilities for randomized selection of study areas. Specifically, calculating inclusion probabilities that are inversely proportional to uncertainty will place more sampling effort in areas with greater variability and thereby increase precision and sampling efficiency (Tillé and Favre 2005). Such model-based designs, however, are most appropriate for targeted single-species sampling designs because levels of uncertainty in distribution models will vary spatially among species.…”

Section: Enhancing Survey Effortsmentioning

confidence: 99%

Monitoring boreal avian populations: how can we estimate trends and trajectories from noisy data?

Roy¹,

Michel²,

Handel³

et al. 2019

ACE

View full text Add to dashboard Cite

Avian Conservation and Ecology 14(2): 8 http://www.ace-eco.org/vol14/iss2/art8/ à différents stades de leur cycle de vie annuel. Ces facteurs sont souvent structurés de manière hiérarchique et peuvent influencer les populations aux niveaux local, régional ou continental. Certains des défis associés à la délimitation des populations et l'identification des facteurs qui influencent les populations peuvent être traités à l'aide de la multitude de méthodes d'échantillonnage et d'analyse disponibles pour examiner l'évolution de la population au fil du temps. Le choix de méthodes d'analyse appropriées dépend des objectifs de l'étude et de la nature des données, par exemple des populations uniques ou multiples, les enquêtes répétées ou basées sur des comptes ou les taux démographiques. Les progrès récents des modèles de populations hiérarchiques et intégrés ont fait de certaines de ces approches analytiques les orientations les plus prometteuses pour le développement des méthodes futures. Toutefois, ces outils requièrent d'importants jeux de données ; or, l'acquisition de données suffisantes sur les populations aviaires et de variables d'explication potentielles est complexe dans la forêt boréale. Si l'on veut surmonter les défis actuels à la surveillance des oiseaux dans la forêt boréale, il convient de consacrer des efforts importants à l'intégration et à la mise à disposition des données existantes. Le renforcement des efforts d'enquête portant sur des espèces multiples jouera également un rôle important. La mise en oeuvre de programmes d'échantillonnage équilibrés avec un modèle à panel rotatif pourrait équilibrer les compromis entre réplication spatiale ou temporelle moyennant un coût raisonnable. L'amélioration de l'accès aux co-variables environnementales explicites sur le plan spatial et temporel permettrait en outre d'élaborer des modèles de population mécaniques qui amélioreront notre compréhension de la dynamique des populations d'oiseaux migrateurs. Enfin, compte tenu du fait qu'il faut parfois de nombreuses décennies pour que les programmes de surveillance à long terme produisent des tendances fiables en matière de populations et que les priorités des organisations évoluent au fil du temps, nous pensons que des efforts collaboratifs contribueront à assurer la pérennité des nouveaux programmes de surveillance.

show abstract

“…Amongst others, balanced sampling has been investigated in terms of variance estimation (Deville and Tillé 2005), extending the constraints to sub-populations (Chauvet 2009), allocating the sample size (Tillé and Favre 2005), and optimal selection probabilities when dealing with multivariate auxiliaries (Chauvet et al 2011). Particularly the fast version, which can easily be applied to real life surveys because it can deal with frames that have a very high number of records.…”

Section: Quality Of Balancing Totals Horvitzthompson_estimatorsmentioning

confidence: 99%