أنشطة

مفتاح:

  • درجة الصعوبة: سهلة سهل ، متوسط متوسط ، الصعب الصعب ، صعب جدا صعب جدا
  • يتطلب الرياضيات ( يتطلب الرياضيات )
  • يتطلب ترميز ( يتطلب ترميز )
  • جمع البيانات ( جمع البيانات )
  • مفضلتي ( أُفضله )
  1. [ الصعب ، يتطلب الرياضيات ] في الفصل، وكان إيجابيا للغاية حول ما بعد التقسيم الطبقي. ومع ذلك، فإنه ليس دائما تحسين نوعية التقديرات. بناء الحالة التي يمكن أن مرحلة ما بعد التقسيم الطبقي يمكن أن تقلل من نوعية التقديرات. (للإشارة، انظر Thomsen (1973) ).

  2. [ الصعب ، جمع البيانات ، يتطلب ترميز ] تصميم وإجراء مسح غير الاحتمالية على الأمازون MTurk أن أسأل عن ملكية السلاح ( "هل لك، أو يفعل أي شخص في منزلك، تملك بندقية، بندقية أو مسدس؟ هل هذا أنت أو أي شخص آخر في منزلك؟") و المواقف تجاه السيطرة على السلاح ( "ما رأيك هو أكثر أهمية لحماية حق الأميركيين لامتلاك السلاح، أو للسيطرة على امتلاك السلاح؟").

    1. كم من الوقت يستغرق الاستطلاع؟ كم يكلف؟ كيف التركيبة السكانية للعينة الخاص بك مقارنة إلى التركيبة السكانية للسكان الولايات المتحدة؟
    2. ما هي التقديرات الأولية لامتلاك السلاح باستخدام نموذج الخاص بك؟
    3. صحيح لعدم الصفة التمثيلية لعينة باستخدام ما بعد التقسيم الطبقي أو بعض تقنية أخرى. الآن ما هو تقدير من امتلاك السلاح؟
    4. كيف تقديراتك مقارنة لاحدث تقدير من مركز بيو للأبحاث؟ ما رأيك تفسير التناقضات، إذا كان هناك أي؟
    5. كرر التمرين 2-5 المواقف تجاه السيطرة على السلاح. كيف النتائج الخاصة بك تختلف؟
  3. [ صعب جدا ، جمع البيانات ، يتطلب ترميز ] غويل وزملاؤه (2016) تدار مسح أساس غير الاحتمالية التي تتكون من 49 أسئلة في المواقف متعددة الخيارات المستقاة من المسح الاجتماعي العام (الشاباك) والمسوحات مختارة من قبل مركز بيو للأبحاث في منطقة الأمازون MTurk. وبعد ذلك ضبط لعدم تمثيل للبيانات باستخدام القائمة على نموذج ما بعد التدرج (السيد P)، والمقارنة بين التقديرات المعدلة مع تلك المقدرة باستخدام المسوحات جهاز الأمن العام / بيو القائم على الاحتمال. إجراء نفس الدراسة على MTurk ومحاولة لتكرار الشكل 2A و 2B الشكل بمقارنة التقديرات المعدلة الخاصة بك مع تقديرات من الجولات الأخيرة من جهاز الأمن العام / بيو (انظر الجدول الملحق A2 للحصول على قائمة من 49 الأسئلة).

    1. مقارنة ونتائج بحثك الى نتائج من بيو وجهاز الأمن العام.
    2. مقارنة ونتائج بحثك على نتائج المسح MTurk في Goel, Obeng, and Rothschild (2016) .
  4. [ متوسط ، جمع البيانات ، يتطلب ترميز ] العديد من الدراسات تستعمل تدابير تقرير المصير للبيانات النشاط الهاتف المحمول. هذا هو وضع مثير للاهتمام حيث يمكن للباحثين المقارنة بين السلوك الذاتي ذكرت مع السلوك تسجيل (انظر على سبيل المثال، Boase and Ling (2013) ). اثنين من السلوكيات المشتركة ليسأل عن والدعوة والرسائل النصية، وإطارين زمنيين الشائعة هي "أمس" و "في الأسبوع الماضي."

    1. قبل جمع أي بيانات، والتي من تقرير المصير التدابير رأيك هو أكثر دقة؟ لماذا؟
    2. تجنيد 5 من أصدقائك أن يكون في الاستطلاع. يرجى بإيجاز كيف وأخذت عينات من هؤلاء الأصدقاء 5. قد هذا الإجراء أخذ العينات لحث على التحيزات محددة في تقديراتك؟
    3. من فضلك اطلب منهم ما يلي المسح الجزئي:
    • "كم مرة هل استخدام الهاتف المحمول للاتصال آخرون أمس؟"
    • "كم عدد الرسائل النصية لم ترسل أمس؟"
    • "كم مرة هل استخدام الهاتف المحمول للاتصال الآخرين في الأيام السبعة الماضية؟"
    • "كيف فعلت عدة مرات استخدام الهاتف المحمول لإرسال أو استقبال الرسائل النصية / SMS في الأيام السبعة الماضية؟" بمجرد اكتمال استطلاع الرأي، يطلب فحص بيانات الاستخدام على النحو بتسجيل الدخول عن طريق الهاتف أو مزود الخدمة الخاصة بهم.
    1. كيف يمكن مقارنة استخدام تقرير المصير لتسجيل البيانات؟ وهو الأكثر دقة، التي هي أقل من دقيقة؟
    2. الآن الجمع بين البيانات التي تم تجميعها مع بيانات من أشخاص آخرين في صفك (إذا كنت تفعل هذا النشاط لفئة). مع هذه البينات أكبر، وتكرار جزء (د).
  5. [ متوسط ، جمع البيانات ] شومان وكوى (1996) يقول أن أن أوامر السؤال يهم لنوعين من العلاقات بين الأسئلة: أسئلة بدوام جزئي حيث اثنين من الأسئلة على نفس المستوى من الدقة (على سبيل المثال تصنيفات اثنين من مرشحي الرئاسة)؛ والأسئلة بدوام ككل حيث يتبع سؤال عام سؤال أكثر تحديدا (على سبيل المثال يسأل "كيف رضاك ​​عن عملك؟"، يليه "كيف رضاك ​​عن حياتك؟").

    انها تزيد من تميز نوعين من التأثير أجل السؤال: تحدث تأثيرات الاتساق عندما يتم جلب ردود على سؤال لاحق أقرب (من أنها ستكون غير ذلك) لتلك التي تعطى لسؤال سابق. على النقيض من آثار تحدث عند وجود اختلافات أكبر بين الردود على سؤالين.

    1. إنشاء زوج من الأسئلة جزء من الجزء الذي كنت تعتقد سيكون لها تأثير كبير أجل قضية، وزوج من الأسئلة جزء كامل سوف تظن أن يكون لها تأثير أمر كبير، وزوج آخر من الأسئلة التي أمر تظن أن لا يهم. تشغيل تجربة الدراسة على MTurk لاختبار أسئلتك.
    2. كيف كبيرة كان تأثير بدوام جزئي كنتم قادرين على خلق؟ كان الاتساق أو التباين تأثير؟
    3. كيف كبيرة كان تأثير جزء كامل كنتم قادرين على خلق؟ كان الاتساق أو التباين تأثير؟
    4. كان هناك تأثير أجل مسألة في الزوج الخاص بك حيث كنت لا أعتقد أن الأمر يهم؟
  6. [ متوسط ، جمع البيانات ] وبناء على عمل شومان والمكوى، Moore (2002) يصف البعد منفصل من تأثير أجل السؤال: مضافة ومطروح. في حين يتم إنتاجها وعلى النقيض من الاتساق الآثار نتيجة لتقييم المستجيبين لهذين البندين في علاقتها ببعضها البعض، والمضافات ويتم إنتاج آثار مطروح عند إجراء العينة أكثر حساسية إلى الإطار الأوسع الذي يتم فيه طرح الأسئلة. اقرأ Moore (2002) ، ثم تصميم وتشغيل تجربة الدراسة على MTurk لإثبات المضافة أو مطروح الآثار.

  7. [ الصعب ، جمع البيانات ] كريستوفر أنطون وزملاؤه (2015) أجريت دراسة مقارنة عينات الراحة التي تم الحصول عليها من أربعة أنواع مختلفة من مصادر التجنيد على الانترنت: MTurk، كريغزلست، Google AdWords و الفيسبوك. تصميم مسح بسيط وتجنيد مشاركين من خلال اثنين على الأقل من مصادر مختلفة التوظيف الإلكترونية (أنها يمكن أن تكون مصادر مختلفة من المصادر الأربعة المستخدمة في Antoun et al. (2015) ).

    1. مقارنة التكلفة لكل مجند، من حيث المال والوقت، وبين مصادر مختلفة.
    2. قارن تكوين العينات التي تم الحصول عليها من مصادر مختلفة.
    3. المقارنة بين نوعية البيانات بين العينات. للحصول على أفكار حول كيفية قياس جودة البيانات من المشاركين، انظر Schober et al. (2015) .
    4. ما هو المصدر المفضل لديك؟ لماذا؟
  8. [ متوسط أجرى] يوجوف وهي شركة أبحاث السوق على شبكة الإنترنت، واستطلاعات الرأي على الانترنت من لجنة مكونة من حوالي 800،000 المستطلعين في المملكة المتحدة واستخدامها السيد ب. للتنبؤ نتيجة لاستفتاء الاتحاد الأوروبي (أي Brexit) حيث يصوت الناخبون في المملكة المتحدة إما أن يبقى أو ترك الاتحاد الأوروبي.

    وصف تفصيلي للنموذج إحصائي يوجوف هو هنا (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). تقريبا يتحدث، يوجوف جدران من الناخبين إلى أنواع على أساس 2015 الانتخابات العامة خيار التصويت والعمر والمؤهلات والجنس وتاريخ المقابلة، وكذلك الدائرة التي يعيشون فيها. فهي، أولا، استخدام البيانات التي تم جمعها من أعضاء الهيئة يوجوف لتقدير، من بين هؤلاء الذين يحق لهم التصويت، ونسبة السكان من كل نوع الناخبين الذين يعتزمون التصويت الإجازة. ويقدر الخبراء نسبة الاقبال من كل نوع الناخبين باستخدام دراسة 2015 البريطاني الانتخابات (BES) بعد الانتخابات وجها لوجه الاستطلاع الذي التحقق من صحة نسبة الاقبال من القوائم الانتخابية. وأخيرا، فإنها تقدير كم من الناس هناك من كل نوع الناخبين في الناخبين على أساس أحدث التعداد والمسح السكاني السنوي (مع بعض المعلومات إضافة من BES، بيانات مسح يوجوف من جميع أنحاء الانتخابات العامة، ومعلومات عن كيفية التصويت كثير من الناس ل كل طرف في كل دائرة انتخابية).

    قبل ثلاثة أيام من التصويت، أظهرت يوجوف بفارق نقطتين عن الإجازة. عشية التصويت، أظهر الاستطلاع متقاربة للغاية (49-51 تبقى). وتوقعت الدراسة النهائية على اليوم-48/52 لصالح البقاء (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). في الواقع، هذا التقدير غاب عن النتيجة النهائية (52-48 الإجازة) بفارق أربع نقاط مئوية.

    1. استخدام إطار الخطأ المسح الكلي مناقشتها في هذا الفصل لتقييم ما يمكن أن تقع فيه أخطاء.
    2. استجابة يوجوف بعد الانتخابات (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) وأوضحت: "يبدو هذا في جزء كبير منه بسبب الاقبال - شيء قلنا طوال الوقت سيكون حاسما في نتائج هذا السباق متوازنة توازنا دقيقا. واستند النموذج الاقبال لدينا، في جزء منه، على ما إذا كانت العينة قد صوت في الانتخابات العامة الأخيرة ونسبة المشاركة فوق أن الانتخابات العامة زعزعة النموذج، لا سيما في الشمال. "هل هذا تغيير إجابتك على الجزء (أ)؟
  9. [ متوسط ، يتطلب ترميز ] أكتب محاكاة لتوضيح كل الأخطاء التمثيل في الشكل 3.1.

    1. خلق الحالة التي تكون فيها هذه الأخطاء إلغاء فعلا.
    2. خلق وضع حيث تعقد من أخطاء بعضهم البعض.
  10. [ صعب جدا ، يتطلب ترميز ] البحث من Blumenstock وزملاؤه (2015) تضمن بناء نموذج تعلم الآلة التي يمكن أن تستخدم بيانات التتبع الرقمية للتنبؤ الردود على الاستقصاء. الآن، وأنت تسير في محاولة الشيء نفسه مع مجموعة بيانات مختلفة. Kosinski, Stillwell, and Graepel (2013) وجدت أن الفيسبوك يحب يمكن التنبؤ الصفات الفردية والصفات. والمثير للدهشة، أن هذه التوقعات تكون أكثر دقة من تلك التي من الأصدقاء والزملاء (Youyou, Kosinski, and Stillwell 2015) .

    1. قراءة Kosinski, Stillwell, and Graepel (2013) ، وتكرار الشكل 2. هي البيانات متوفرة هنا: http://mypersonality.org/
    2. الآن، وتكرار الشكل (3).
    3. وأخيرا، في محاولة نموذجهم على الفيسبوك الخاص بك البيانات: http://applymagicsauce.com/. جيدا كيف يعمل بالنسبة لك؟
  11. [ متوسط ] Toole et al. (2015) سجلات استخدام تفاصيل المكالمة (تقارير الإنجاز الموحدة) من الهواتف النقالة للتنبؤ بالاتجاهات البطالة الإجمالية.

    1. مقارنة وتصميم Toole et al. (2015) مع Blumenstock, Cadamuro, and On (2015) .
    2. هل تعتقد أن تقارير الإنجاز الموحدة محل استطلاعات التقليدية، يكمل لهم أو لا يمكن استخدامها في كل لصانعي السياسات الحكومية لتتبع البطالة؟ لماذا؟
    3. ما هو الدليل من شأنه اقناع لكم ان تقارير الإنجاز الموحدة يمكن أن تحل تماما المعايير التقليدية للمعدل البطالة؟