Using Multiple Imputation to Integrate and Disseminate Confidential Microdata

In data integration contexts, two statistical agencies seek to merge their separate databases into one file. The agencies also may seek to disseminate data to the public based on the integrated file. These goals may be complicated by the agencies' need to protect the confidentiality of database subjects, which could be at risk during the integration or dissemination stage. This article proposes several approaches based on multiple imputation for disclosure limitation, usually called synthetic data, that could be used to facilitate data integration and dissemination while protecting data confidentiality. It reviews existing methods for obtaining inferences from synthetic data and points out where new methods are needed to implement the data integration proposals. Dans les contextes d'intégration de données, deux agences statistiques cherchent à fusionner leurs bases de données séparées en un fichier. Les agences peuvent aussi chercher à diffuser au public les données issues du fichier intégré. Ces objectifs peuvent être compliqués par le besoin de protéger la confidentialité des objets de la base de données, qui pourrait être menacé pendant la phase d'intégration et de diffusion. Cet article propose plusieurs approches basées sur l'imputation multiple pour limiter la divulgation, qu'on appelle habituellement données synthétiques, qui pourraient être utilisées pour faciliter l'intégration et la diffusion des données tout en protégeant leur confidentialité. Il passe en revue les méthodes existantes pour obtenir des inférences à partir de données synthétiques et montre les cas où l'on a besoin de nouvelles méthodes pour mettre en œuvre les propositions d'intégration de données.