Transfer de variables entre différentes bases de données, ou prendre au sérieux “des recherches précédentes" : Tenant compte de deux enquêtes méthodologiquement similaires, une question non posée dans une enquête pourrait être considérée comme un cas particulier du problème des données manquantes. Ainsi, le transfert des données entre des bases de données (« appariement statistique » ou « fusion de données ») pourrait être obtenu en appliquant les procédures bayésiennes d’imputation multiple des valeurs manquantes. Afin de s’attaquer au problème de l’indépendance conditionnelle créé par cette approche, un ensemble de données simulées pourrait servir comme « troisième ensemble de données » qui transmet l’information sur la relation entre les variables qui ne sont pas ordinairement observés. Ce document présente un modèle de transfert de données entre des bases de données différentes, basé sur l’approche de l’imputation multiple (IM). Les résultats montrent que l’appariement statistique fondé sur les principes MI peut être un outil de recherche utile. Ce travail est fondé sur une prise en compte sérieuse « des recherches précédentes ».
Given two methodologically similar surveys, a question not asked in one survey could be seen as a special case of the missing data problem. Hence, the transfer of data across data sets (“statistical matching” or “data fusion”) could be achieved applying the procedures for Bayesian multiple imputation of missing values. To tackle the problem of conditional independence, which this approach creates, a simulated data set could serve as the “third data set” that conveys information about the relationship between variables not commonly observed. This paper presents a model for transferring data between different data sets based on multiple imputation (MI) approach. The results show that statistical matching based on MI principles can be a useful research tool. The entire enterprise is interpreted in the sense of taking the “previous research” into account seriously.
