sleutel:
[ , ] In die hoofstuk, was ek baie positief oor post-stratifikasie. Dit beteken egter nie altyd die verbetering van die gehalte van skattings. Stel 'n situasie waar kan plaas-stratifikasie kan die gehalte van skattings te verminder. (Vir 'n wenk, sien Thomsen (1973) ).
[ , , ] Ontwerp en voer 'n nie-waarskynlikheid opname op Amazon MTurk te vra oor wapen besit ( "Het jy, of nie iemand in jou huishouding, eienaar van 'n geweer, geweer of pistool? Is dit jy of iemand anders in jou huishouding?") En houdings teenoor geweer beheer ( "Wat dink jy is belangriker-aan die regterkant van die Amerikaners te besit gewere, of om geweer eienaarskap beheer te beskerm?").
[ , , ] Goel en kollegas (2016) geadministreer 'n nie-waarskynlikheid-gebaseerde opname bestaan uit 49 meervoudigekeuse-houding vrae uit die algemene sosiale Survey (GSS) en kies opnames deur die Pew Research Center op Amazon MTurk. Hulle pas dan vir die nie-verteenwoordiging van data met behulp van modelgebaseerde post-stratifikasie (mnr P), en vergelyk die Aansuiweringsbegroting met dié beraam met behulp van waarskynlikheid gegrond GSS / Pew opnames. Doen dieselfde opname oor MTurk en probeer om uit te 2a en 2b figuur herhaal deur vergelyk Aansuiweringsbegroting met die skattings van die mees onlangse rondes van GSS / Pew (Sien Aanhangsel Tabel A2 vir die lys van 49 vrae).
[ , , ] Baie studies gebruik self-verslag maatreëls van die selfoon aktiwiteit data. Dit is 'n interessante omgewing waar navorsers self-gerapporteerde gedrag met Aangeteken gedrag kan vergelyk (sien bv Boase and Ling (2013) ). Twee algemene gedrag te vra oor 'n beroep en SMS, en twee algemene tydraamwerke is "gister" en "in die afgelope week."
[ , ] Schuman en naai (1996) argumenteer dat die vraag bestellings sal saak vir twee tipes verhoudings tussen vrae: deel-deel vrae waar twee vrae is op dieselfde vlak van spesifisiteit (bv gradering van twee presidensiële kandidate); en 'n deel-geheel vrae waar 'n algemene vraag volg op 'n meer spesifieke vraag (bv vra "Hoe tevrede is jy met jou werk?" gevolg deur "Hoe tevrede is jy met jou lewe?").
Hulle kenmerk verdere twee tipes vraag einde effek: konsekwentheid effekte voorkom wanneer antwoorde op 'n latere vraag nader (as wat hulle andersins sou wees) aan diegene gegee word aan 'n vroeëre vraag gebring; kontras-effekte voorkom wanneer daar groter verskille tussen antwoorde op twee vrae.
[ , ] Die bou op die werk van Schuman en pers, Moore (2002) beskryf 'n aparte dimensie van die vraag einde effek: toevoeging en subtraktiewe. Terwyl kontras en konsekwentheid effekte geproduseer as gevolg van evaluering van die twee items respondente se in verhouding tot mekaar, toevoeging en subtraktiewe effekte geproduseer wanneer respondente meer sensitief vir die groter raamwerk waarbinne die vrae gestel word. Lees Moore (2002) , dan ontwerp en uit te voer 'n opname eksperiment op MTurk om toevoeging of subtraktiewe effekte demonstreer.
[ , ] Christopher Antoun en kollegas (2015) het 'n studie vergelyk die gerief monsters verkry uit vier verskillende aanlyn werwing bronne: MTurk, Craigslist, Google AdWords en Facebook. Ontwerp 'n eenvoudige opname en werf deelnemers deur middel van ten minste twee verskillende aanlyn werwing bronne (wat hulle kan wees verskillende bronne van die vier bronne wat in Antoun et al. (2015) ).
[ ] YouGov, 'n internet-gebaseerde mark navorsing firma, wat aanlyn stembusse van 'n paneel van ongeveer 800,000 respondente in die Verenigde Koninkryk en gebruik mnr P. aan die uitslag van die EU-Referendum (dit wil sê, Brexit) waar die Britse kiesers stem óf te bly voorspel in of los die Europese Unie.
'N gedetailleerde beskrywing van statistiese model YouGov is hier (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Rofweg gesproke, YouGov mure kiesers in tipes gebaseer op 2015 algemene verkiesing stem keuse, ouderdom, kwalifikasies, geslag, datum van onderhoud, asook die kiesafdeling waarin hulle woon. In die eerste plek het hulle gebruik data wat versamel is van die YouGov paneel om te skat, onder diegene wat stem, die verhouding van mense van elke tipe kieser wat van voorneme is om te vertrek stem. Hulle skat opkoms van elke tipe kieser deur gebruik te maak van die Britse Verkiesing Studie (BES) post-verkiesing van aangesig tot aangesig opname, wat opkoms bekragtig van die verkiesings rolle 2015. Uiteindelik het hulle skat hoeveel mense daar van elke tipe kieser in die kiesers wat gebaseer is op die nuutste sensus en Jaarlikse bevolking Survey (met 'n paar bykomende inligting van die BES, YouGov opname data van regoor die algemene verkiesing, en inligting oor hoe baie mense het vir elke party in elke kiesafdeling).
Drie dae voor die stemming, YouGov het 'n twee punte voor om verlof. Op die vooraand van die stemming, die meningspeiling het getoon te naby om te bel (49-51 Bly). Die finale on-the-dag studie voorspel 48/52 ten gunste van Bly (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). Trouens, hierdie beraming gemis die finale uitslag (52-48 Laat) deur vier persentasiepunte.
[ , ] Skryf 'n simulasie aan elk van die verteenwoordiging foute te illustreer in Figuur 3.1.
[ , ] Die navorsing van Blumenstock en kollegas (2015) wat betrokke is die bou van 'n masjien leermodel wat digitale spoor data kan gebruik om opname antwoorde voorspel. Nou, gaan jy dieselfde ding probeer met 'n ander dataset. Kosinski, Stillwell, and Graepel (2013) het bevind dat Facebook hou kan individuele eienskappe en eienskappe te voorspel. Verbasend, kan hierdie voorspellings selfs meer akkuraat as dié van vriende en kollegas wees (Youyou, Kosinski, and Stillwell 2015) .
[ ] Toole et al. (2015) gebruik oproep detail rekords (CDRs) van selfone tot totale werkloosheid tendense te voorspel.