Proceedings of the Survey Methods Section THE OUTLIER DETECTION AND TREATMENT STRATEGY FOR THE MONTHLY WHOLESALE AND RETAIL TRADE SURVEY OF STATISTICS CANADA
Notice bibliographique
Résumé
The Monthly Wholesale and Retail Trade Survey (MWRTS), conducted by Statistics Canada, produces estimates at various geographic and industry levels based on monthly data collected for sales and inventories. The sales trend is used as an important economic indicator, and the monthly sales estimates form a substantial portion of the estimates for the Gross Domestic Product (GDP). The MWRTS is currently being redesigned, in part to produce estimates according to the new North American Industry Classification System (NAICS) and to take full advantage of the availability of administrative data from the Goods and Services Tax (GST) program. Although many improvements will be implemented, such as a reduction of frame mis-classifications by the use of administrative data and an innovative sample update procedure, influential units will continue to occur as a result of mis-classifications and specific procedures must be put in place to treat them. This paper presents the overall strategy developed to reduce the effect of these influential units. The results from an empirical study that compares the efficiency of four proposed methods to identify and treat outliers are presented and the implementation of these methods in the context of a monthly survey production is discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,067 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,096 | 0,052 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».