Smith, Herbert L.

Email Address
ORCID
Disciplines
Research Projects
Organizational Units
Position
Introduction
Research Interests

Filters

3
2009 - 200912010 - 20202
3
3
Reset filters

Settings

Search Results

Now showing 1 - 3 of 3
  • Publication
    Double Sample to Minimize Bias Due to Non-response in a Mail Survey
    (2009-12-01) Smith, Herbert L.
    A large study of nurses conducted in the U.S. states of California (CA) and Pennsylvania (PA) is based on two large samples: n^CA≈100,000 and n^PA≈65,000. The study was conducted by mail and had response rates of: p^CA=.27 and p^PA=.39 ;; the number of respondents is thus, respectively, : n_1^CA≈28,000 and n_1^PA≈25,000. Although there are many respondents, we must concern ourselves with the possibility of substantial bias due to non-response. In order to estimate and correct for this bias, a second random sample (n_01=1,300 in the two states combined) was drawn from among the non-respondents to the first survey. Thanks to financial incentives and, above all, a shorter questionnaire, we obtained a response rate above 90%. In each state, the two samples were combined to create a virtually unbiased double sample.
  • Publication
    La causalité en sociologie et démographie. Retour sur le principe de l’action humaine
    (2012-08-27) Smith, Herbert L.
    Dans la littérature anglo-saxonne, le critère de « manipulation » dans l'étude des liens de causalité est actuellement en débat. De quoi s’agit-il ? La différence dans les résultats qui correspondent à un élément observé dans deux états ne peut pas être considérée à proprement parler comme l’« effet d’une cause », sauf quand les différents états sont sujets à la manipulation au sens où, dans le cadre d’une expérience contrôlée, l’expérimentateur peut assigner aléatoirement les sujets à ces états (à différents traitements, en pratique). Conceptuellement, l’expérience est fortement présente dans la définition statistique de « l’effet d’une cause » mais les scientifiques en sciences sociales ont tendance à identifier comme causes des caractéristiques plus ou moins immuables, comme le sexe ou l’âge. Dans ce contexte, le critère de manipulation est un invité imprévu, voire malvenu. On peut toujours étendre la définition d’une cause afin qu’elle convienne à nos habitudes, mais si l’on se pose la question de savoir pourquoi ce langage de causalité nous intéresse autant, on arrive à la conclusion que, au fond, nous nous efforçons de découvrir ce qui va se passer si nous faisons quelque chose, quand nous agissons. C’est par la capacité d’action plus que par celle de manipulation expérimentale que « les vraies causes » apparaissent ; en tout cas, les caractéristiques immuables ne devraient probablement pas être considérées comme des « causes ». Dans le monde social, la plupart des actions se déroulent à un niveau plus élevé que celui de l’individu. Par conséquent, nous nous trompons dans la plupart de nos « analyses causales ».
  • Publication
    Age-Period-Cohort Analysis: What Is It Good For?
    (2020-05-30) Smith, Herbert L.
    If you know when someone was born, and you know what time it is, you know how old they are. If you know how old someone is and when they were born, you know the date on which they are being observed. If you know someone’s age as of a given time, you know when they were born. These are ineluctable features of algebra (age ≡ period – cohort) and geometry, as reflected in the Lexis diagram (Chauvel 2014, 384-389). There are many ways that one can turn the problem (e.g., cohort ≡ period – age) and thus many alternative forms of observation, classification, and depiction. However, there is a strong statistical sense in which there are only two pieces of information, not three.