10.34989/TR-118
Felt, Marie-Helene
Marie-Helene
Felt
https://orcid.org/0000-0002-8241-0788
Bank of Canada
Laferrière, David
David
Laferrière
Sample Calibration of the Online CFM Survey
Bank of Canada
2020
Technical Report
The Bank of Canada’s Currency Department has used the Canadian Financial Monitor (CFM) survey since 2009 to track Canadians’ cash usage, payment card ownership and usage, and the adoption of payment innovations. A new online CFM survey was launched in 2018. Because it uses non-probability sampling for data collection, selection bias is very likely. We outline various methods for obtaining survey weights and discuss the associated conditions necessary for these weights to eliminate selection bias. In the end, we obtain calibration weights for the 2018 and 2019 online CFM samples. Our final weights improve upon the default weights provided by the survey company in several ways: (i) we choose the calibration variables based on a fully documented selection procedure that employs machine learning techniques; (ii) we use very up-to-date calibration totals; (iii) for each survey year we obtain two sets of weights, one for the full yearly sample of CFM respondents, the other for the sub-sample of CFM respondents who also filled in the methods-of-payment module of the survey.
Depuis 2009, le département de la Monnaie de la Banque du Canada se sert de l’enquête Canadian Financial Monitor (CFM) pour évaluer l’utilisation de l’argent comptant, la détention et l’utilisation de cartes de paiement ainsi que l’adoption d’innovations en matière de paiement par les Canadiens. Une nouvelle enquête CFM en ligne a été lancée en 2018. Le mode de collecte des données de cette enquête repose sur l’échantillonnage non probabiliste, qui induit très probablement un biais de sélection. Nous présentons plusieurs méthodes de pondération et analysons les conditions requises pour que ces pondérations puissent éliminer le biais de sélection. Nous obtenons ainsi des poids de calage pour les échantillons des enquêtes en ligne de 2018 et 2019. Nos pondérations définitives constituent une amélioration par-rapport à celles fournies par la société de sondage, et ce, de plusieurs façons : 1) nous choisissons les variables de calage selon une méthode de sélection entièrement étayée qui fait appel à des techniques d’apprentissage automatique; 2) nous utilisons des totaux de calage tout à fait à jour; 3) pour chaque année de l’enquête CFM, nous obtenons deux séries de pondérations – l’une pour l’échantillon annuel complet de répondants, et l’autre pour le sous-échantillon des répondants qui ont également rempli le module sur les modes de paiement.