Enquête mensuelle sur les usines de fusion et d'affinage de métaux (MUFM)

Information détaillée pour mars 2021

Statut :

Active

Fréquence :

Mensuelle

Numéro d'enregistrement :

5238

L'objectif de cette enquête mensuelle est d'obtenir de l'information sur les quantités de métaux produites par les usines canadiennes de fusion et d'affinage de métaux, y compris la production canadienne ayant pour origine une source externe.

Date de la parution - 20 mai 2021

Aperçu

Les renseignements tirés de cette enquête sont utilisés à des fins d'études de marché, de soutien au développement industriel et régional, et dans la gestion des ressources naturelles.

Période de référence : mois

Période de collecte : Au cours du mois qui suit le mois de référence

Sujets

  • Environnement
  • Fabrication
  • Minéraux non métalliques et métaux
  • Ressources naturelles

Sources de données et méthodologie

Population cible

La population cible est représentée par toutes les usines de fusion et d'affinage de métaux situées au Canada.

Élaboration de l'instrument

Le questionnaire électronique utilisé pour cette enquête a été conçu pour réduire le plus possible les interprétations différentes.

L'enquête a aussi fait l'objet d'un essai sur le terrain auprès de répondants afin de s'assurer que les questions, les concepts et la terminologie sont appropriés. Le Centre de ressources en conception de questionnaires (CRCQ) de Statistique Canada a procédé à des essais qualitatifs du questionnaire en menant des interviews cognitives auprès de plusieurs compagnies en Ontario et au Québec.

Échantillonnage

Il s'agit d'un recensement avec plan transversal.

Les données sont recueillies pour toutes les usines de fusion et d'affinage de métaux opérant au Canada.

C'est donc une enquête de type recensement à une phase et à un seul degré, l'unité d'échantillonnage étant le niveau établissement sur le Registre des entreprises de Statistique Canada.

Le recensement comporte actuellement moins de vingt unités d'échantillonnage identifiées dans le Registre des entreprises.

Sources des données

Il s'agit d'une enquête à participation obligatoire.

Les données sont obtenues directement auprès des répondants.

Les données sont recueillies à l'aide d'un questionnaire électronique, tout en offrant la possibilité de répondre par entrevue téléphonique. Un suivi pour les cas de non-réponses et pour la validation des données peut être effectué par téléphone et par courriel.

Voir le(s) Questionnaire(s) et guide(s) de déclaration .

Détection des erreurs

La détection des erreurs fait partie intégrante des activités de collecte et de traitement des données. Des règles de validation automatisées sont appliquées aux enregistrements de données durant la collecte afin de repérer les erreurs de déclaration et de saisie. Ces règles permettent de repérer les erreurs potentielles d'après les variations d'une année à l'autre des variables clés, des totaux et des ratios qui dépassent les seuils de tolérance, ainsi que les problèmes de cohérence des données recueillies (p. ex., le total d'une variable n'est pas égal à la somme de ses parties). D'autres règles de validation sont utilisées durant le traitement des données afin de détecter automatiquement les erreurs ou les incohérences qui demeurent après la collecte. Ces règles comprennent les contrôles de valeurs (p. ex. Valeur > 0, Valeur > -500, Valeur = 0), les contrôles d'égalité linéaire (p. ex. Valeur1 + Valeur2 = Valeur Totale), les contrôles d'inégalité linéaire (p. ex. Valeur1 >= Valeur2) et les contrôles d'équivalence (p. ex. Valeur1 = Valeur2). Les erreurs repérées peuvent être corrigées en suivant le processus de suivi des questionnaires rejetés au contrôle durant la collecte ou par imputation. Les valeurs extrêmes sont aussi signalées comme étant des valeurs aberrantes, à l'aide de méthodes automatisées fondées sur la distribution des renseignements recueillis. Les valeurs détectées font ensuite l'objet d'un examen visant à en évaluer la fiabilité. L'examen manuel d'autres unités peut entraîner la détection d'autres valeurs aberrantes. Ces valeurs sont exclues du calcul des ratios et des tendances utilisés pour l'imputation et durant l'imputation par donneur. En général, tous les efforts ont été déployés pour réduire les erreurs non dues à l'échantillonnage, à savoir les erreurs d'omission, de dédoublement, de classification erronée, de déclaration et de traitement.

Imputation

En cas de non-réponse ou de réponses incomplètes au questionnaire ou lorsque les données déclarées sont considérées comme incorrectes aux étapes de la détection des erreurs, on utilise l'imputation pour compléter ou corriger les renseignements. De nombreuses méthodes d'imputation peuvent être utilisées pour compléter un questionnaire, y compris les modifications manuelles apportées par un analyste. Les techniques statistiques automatisées employées pour imputer les données manquantes comprennent : l'imputation déterministe, le remplacement par des données historiques (avec calcul de tendance, s'il y a lieu), le remplacement par des renseignements auxiliaires obtenus auprès d'autres sources, le remplacement fondé sur les relations connues entre les données pour l'unité échantillonnée et le remplacement par des données tirées d'une unité semblable de l'échantillon (appelé imputation par donneur). En général, on commence par imputer les variables clés, qu'on utilise ensuite aux étapes subséquentes pour imputer d'autres variables connexes.

Estimation

Toutes les unités observées dans la population classifiée selon le Registre des entreprises sont soumises à l'enquête. L'estimation des totaux se fait à l'aide d'une simple agrégation des valeurs de toutes les unités d'estimation qui se trouvent dans le domaine d'estimation. Les estimations sont calculées pour plusieurs domaines d'estimation, tels que les groupes industriels et les provinces ou territoires, en se fondant sur les données de classification les plus récentes disponibles pour l'unité d'estimation et la période de référence de l'enquête. Il est à noter que ces données de classification peuvent différer de la classification initiale utilisée à l'échantillonnage parce que la taille, l'industrie ou l'emplacement pourraient avoir changé dans les enregistrements. Les changements de classification sont immédiatement pris en compte dans les estimations.

Évaluation de la qualité

Les résultats de l'enquête sont analysés de manière à assurer la comparabilité avec les séries de données historiques et la concordance avec la situation .économique de l'industrie. Les informations disponibles auprès d'autres sources telles que les médias et autres organisations gouvernementales sont aussi utilisées dans le processus de validation.

Contrôle de la divulgation

La loi interdit à Statistique Canada de divulguer toute information recueillie qui pourrait dévoiler l'identité d'une personne, d'une entreprise ou d'un organisme sans leur permission ou sans en être autorisé par la loi. Diverses règles de confidentialité s'appliquent à toutes les données diffusées ou publiées afin d'empêcher la publication ou la divulgation de toute information jugée confidentielle. Au besoin, des données sont supprimées pour empêcher la divulgation directe ou par recoupement de données reconnaissables.

Révisions et désaisonnalisation

La diffusion des données mensuelles du mois de référence en cours présente des estimations provisoires qui peuvent faire l'objet d'une révision. Lors de la diffusion des données du mois de référence courant, des estimations révisées fondées sur les réponses tardives sont fournies pour les deux mois précédents.

Les estimations pour chaque mois de l'année précédente sont révisées au cours du deuxième trimestre de l'année courante pour prendre en compte les réponses tardives.

Les données ne sont pas désaisonnalisées; les comparaisons ne doivent donc être effectuées que d'une année à l'autre

Exactitude des données

Cette enquête est un recensement avec un taux de réponse moyen de 86 % en 2020 . De ce fait, la sous-couverture est minimale et le biais introduit par les cas de non-réponse est négligeable. L'utilisation des données historiques dans le processus d'imputation contribue à maintenir les données alignées avec les tendances afin de réduire la surestimation et de maintenir l'exactitude.

Ce questionnaire a été stratégiquement conçu afin de contrôler les erreurs non dues à l'échantillonnage grâce à la normalisation des termes ainsi que l'utilisation de la vérification automatisée.

Signaler un problème sur cette page

Quelque chose ne fonctionne pas? L'information n'est plus à jour? Vous ne trouvez pas ce que vous cherchez?

S'il vous plaît contactez-nous et nous informer comment nous pouvons vous aider.

Avis de confidentialité

Date de modification :