Survey Non-Response in COVID-19 Times: the Case of the Labour Force Survey

Abstract:Pendant la pandémie de COVID-19, le taux de non-réponse aux enquêtes auprès de la population active a explosé dans beaucoup de pays. Nous montrons que dans le cas de l’Enquête canadienne sur la population active (EPA), le gros de cette hausse s’explique par la suspension des entrevues en personne qui a suivi l’adoption du télétravail dans les agences fédérales, y compris à Statistique Canada. Les personnes vulnérables au choc économique de la COVID-19 ont été plus difficiles à joindre et ont été de moins en moins représentées dans l’EPA au cours de la pandémie. Nous montrons, preuves à l’appui, que la diminution de l’emploi et de la participation à la main-d’œuvre est sous-estimée pour la période de mars à juillet 2020. Nous soutenons que la gravité de ces problèmes de non-réponses est modérée quand il s’agit d’analyser des résultats agrégés mais que la prudence s’impose dans l’évaluation de la robustesse des estimations pour les sous-groupes. Nous présentons les conséquences pratiques de cette situation pour les travaux qui reposent sur l’EPA, telles que les effets sur les panels et le choix entre données à grande diffusion et fichiers principaux de l’EPA.Abstract:During the COVID-19 pandemic, labour-force survey non-response rates have surged in many countries. We show that in the case of the Canadian Labour Force Survey (LFS), the bulk of this increase is due to the suspension of in-person interviews following the adoption of telework within Federal agencies, including Statistics Canada. Individuals with vulnerabilities to the COVID-19 economic shock have been harder to reach and have been gradually less and less represented in the LFS during the pandemic. We present evidence suggesting that the decline in employment and labour-force participation have been underestimated over the March–July 2020 period. We argue that these non-response issues are moderate when analyzing aggregate outcomes, but that researchers should exert caution when gauging the robustness of estimates for subgroups. We discuss practical implications for research based on the LFS, such as the consequences for panels and the choice of public-use versus master files of the LFS.