L’allocation de Neyman estime avec la plus grande précision possible la moyenne d’une variable d’intérêt sur l’ensemble de la population étudiée. Elle peut en revanche souffrir d’imprécision lorsqu’on s’intéresse à des sous-parties de cette population, comme les regroupements de publication des résultats. Cet article présente une méthode d’optimisation qui modifie l’allocation de Neyman afin de respecter un seuil minimal de précision, fixé à l’avance, dans toutes les strates de publication et ceci sans trop en détériorer la précision globale.
Le tableau ci-après illustre ce principe lors d’une estimation de la masse salariale versée en France en 2004 sur une base d’établissements issus des déclarations annuelles de données sociales (DADS). Les précisions des estimateurs sont mesurées au niveau de l’ensemble de la population et par secteur d’activité avec leur coefficient de variation (CV).L’allocation de Neyman donne un bon résultat au niveau de l’estimateur sur l’ensemble de la population (CV = 0,44 %), mais est plus imprécis au niveau de certains secteurs d’activité comme les services personnels et domestiques, le secteur de l’habillement et l’industrie textile. L’allocation sous contrainte de précision locale permet d’avoir un CV d’au plus 3 % dans tous les secteurs d’activité en détériorant très peu la précision de l’estimateur global (CV = 0,49 %). Par rapport à l’allocation de Neyman, un supplément d’unités à sélectionner a été attribué aux secteurs où la précision est trop faible, au détriment de ceux où la précision est bonne…