Tous les cinq ans, le US Census Bureau effectue un recensement économique, fournissant des mesures de référence officielles des entreprises et de l'économie américaines. Bien que moins connue que le recensement de la population, le recensement économique, basé sur un échantillon représentatif d'environ 4 millions d'entreprises dans environ 400 industries, est essentiel pour comprendre les performances des secteurs non agricoles de l'économie américaine.
Les statistiques du recensement économique sont utilisées par les décideurs et les associations professionnelles, ainsi que les propriétaires d'entreprises individuelles. Ce sont des intrants pour les mesures clés de l'économie américaine telles que le produit intérieur brut (PIB), comptes de produits (NIPA) et l'indice des prix à la production (PPI). Et comme le recensement de la population, les données du recensement économique sont utilisées pour construire des bases de sondage à jour pour les enquêtes par sondage en cours.
L'équipe de direction du recensement économique de 2017 a approuvé un certain nombre de mises à jour innovantes, chacun introduisant un nouvel ensemble de défis statistiques et de production. Par exemple, en 2017, la collecte des données se fera principalement via le web, au lieu d'envoyer des questionnaires papier (comme c'était le cas lors de tous les recensements précédents). Les taux de réponse unitaires standard seront publiés pour la première fois avec le recensement économique de 2017, de même que les taux d'imputation pour les statistiques clés. Les estimations de la variabilité de certaines statistiques basées sur des échantillons seront publiées pour la première fois, également. Ces deux derniers ensembles de mesures offrent une transparence sans précédent sur la qualité des données pour ce programme vaste et largement utilisé.
Et à partir de 2017, le recensement économique utilisera le Système de classification des produits de l'Amérique du Nord (SCPAN) pour produire des totalisations de produits à l'échelle de l'économie. Le SCPAN est un en fonction du marché ou de la demande, système de classification hiérarchique des produits (biens et services) développé et utilisé par le Canada, Mexique, et les États-Unis (voir www.census.gov/eos/www/napcs/more.html ). L'utilisation de ce nouveau système de classification permet de normaliser les statistiques économiques vitales qui mesurent la croissance de la production, des prix, productivité, et commerce.
Comment le SCPAN affecte-t-il les utilisateurs de données ? Il n'y a pas de réponse courte. En 2017, le recensement économique collectera des données sur plus de 8, 000 produits. Dans certains cas, les produits sont vendus dans une ou deux industries. Chez les autres, le même produit est vendu dans une variété d'industries. Pense, par exemple, d'un vaccin contre la grippe, qui peut être administré en cabinet médical (secteur des services) ou en épicerie (secteur du commerce de détail), peuvent être stockés dans un entrepôt (secteur du commerce de gros) et seront expédiés vers différentes zones (secteur des transports). Dans le cadre du système de collecte de produits précédent, ce vaccin antigrippal aurait été classé à l'aide d'un code différent dans au moins quatre secteurs. Dans le cadre du SCPAN, il a un code.
Bien sûr, ce n'est pas parce que le US Census Bureau veut collecter ces informations que toutes les entreprises les signalent. Les répondants peuvent rapporter les données d'une longue, liste prédéfinie de produits potentiels dans un secteur donné (certaines listes contiennent plus de 50 produits potentiels) et peuvent contenir des descriptions d'autres produits non prédéfinis.
« Nous constatons que de nombreuses entreprises sont facilement en mesure de déclarer de gros chiffres tels que les ventes totales, masse salariale, chômage salarié, et ainsi de suite—des nombres dont ils ont besoin eux-mêmes, " dit Katherine Thompson, directeur de la méthodologie des méthodes d'enquête complexes et de l'analyse à la direction économique du US Census Bureau. "Mais quand vous arrivez aux pannes de produits, où nous remettons aux entreprises un énorme questionnaire, beaucoup de définitions et demandez-leur de s'assurer que la vente totale de tous leurs produits est la même que les ventes totales qu'ils ont déclarées plus tôt - la réponse diminue, " dit-elle. " Idéalement, nous aimerions obtenir des réponses des entreprises elles-mêmes. Cependant, nous avons toutes sortes de contraintes extérieures telles que le timing (délais) et le budget, et il est souvent beaucoup plus économique de ne pas charge une entreprise qui a fourni tous ces « grands chiffres, ' mais n'a pas réussi à fournir des produits." Donc, le recensement économique a mené des recherches approfondies sur la façon de tenir compte des données manquantes.
L'autre qualité qui rend les données économiques utiles est la précision. Dans quelle mesure êtes-vous sûr que quelque chose est mesuré avec précision ? Regardez une station-service, dit Thompson. La plupart de ses ventes, sans surprise, proviennent de l'essence et l'ampleur de ces ventes permet un haut degré de précision de mesure. "Mais ils vendent aussi divers articles comme des friandises. C'est un très petit pourcentage de leurs ventes, et donc la précision sera beaucoup plus faible pour cette raison. Nous voulons donner aux gens une idée de la précision de toutes nos mesures de données."
Comprendre tout cela n'a pas été facile. Des simulations devaient être exécutées, les problèmes ont été simplifiés puis augmentés en complexité pour correspondre à l'exhaustivité du recensement complet. Le résultat est une réalisation intellectuelle avec une énorme utilisation pratique. "Il y a deux histoires ici. La première est qu'il s'agit d'un développement passionnant dans la collecte de données économiques de grande envergure. Le recensement économique a normalisé la collecte d'entrées et de sorties à travers l'Amérique du Nord, " dit Thompson. " Et nous donnons aux personnes qui utilisent ces données des mesures de la précision de ces données. C'est une grande histoire. La seconde est de savoir comment nous sommes arrivés à ce point en combinant des analyses statistiques et des méthodes fondées sur des principes pour tenir compte de problèmes pratiques tels que les données manquantes et le temps de calcul ; en d'autres termes, comment nous l'avons fait."
