Ўмоўныя абазначэнні:
[ , ] У гэтым раздзеле, я быў вельмі пазітыўна пасля стратыфікацыі. Тым не менш, гэта не заўсёды паляпшае якасць ацэнак. Пабудаваць такую сітуацыю, калі можа постстратификация можа знізіць якасць ацэнак. (Для атрымання падказкі см Thomsen (1973) ).
[ , , ] Праектаванне і правесці абследаванне без верагоднасці на Amazon MTurk спытаць пра валодання зброяй ( "Ці ёсць у вас, ці хто-небудзь у вашай сям'і, уласны пісталет, вінтоўку або пісталет? Хіба што вы ці хто-то ў вашай сям'і?") І стаўленне да кантролю над агнястрэльнай зброяй ( "Што вы лічыце больш важным, каб абараніць права амерыканцаў валодаць зброяй, ці кантраляваць валоданне зброяй?").
[ , , ] Гоел і яго калегі (2016) ўводзяць без верагоднасці на аснове апытання , якая складаецца з 49 множнага выбару отношенческими пытанняў , узятых з агульнага сацыяльнага абследавання (GSS) і абярыце абследаванняў Навукова - даследчым цэнтрам Pew Research Center на Amazon MTurk. Затым яны рэгуляваўся ня-рэпрэзентатыўнасці дадзеных з выкарыстаннем мадэлі на аснове постстратификация (г-Р), і параўнаць скарэкціраваныя ацэнкі з тымі, ацэньваюцца з выкарыстаннем верагоднасці на аснове ГСС / П'ю абследаванняў. Правесці адзін і той жа апытанне на MTurk і паспрабаваць паўтарыць малюнак 2a і 2b Малюнак, параўноўваючы свае удакладненыя ацэнкі з ацэнкамі з самых апошніх раўндаў GSS / Pew (гл Дадатак Табліца А2 для спісу з 49 пытанняў).
[ , , ] Шматлікія даследаванні выкарыстоўваюць меры самасправаздачы дадзеных мабільных тэлефонаў дзейнасці. Гэта цікавы параметр , дзе даследчыкі могуць параўнаць самастойна паведамлялі паводзіны з рэгіструемага паводзін (глядзі , напрыклад, Boase and Ling (2013) ). Два найбольш часта сустракаемыя мадэлі паводзін, каб спытаць пра выклікаеце і тэкставых паведамленняў, а таксама два агульных часовых рамак з'яўляюцца "учора" і "на мінулым тыдні."
[ , ] Шуман і прыціскной (1996) сцвярджаюць , што гэты пытанне загады будуць мець значэнне для двух тыпаў адносін паміж пытаннямі: няпоўны частка пытанняў , дзе два пытанні знаходзяцца на тым жа ўзроўні спецыфічнасці (напрыклад , рэйтынгі двух кандыдатаў у прэзідэнты); і часткова цэлыя пытанні, дзе агульны пытанне варта больш канкрэтнае пытанне (напрыклад, пытанне: "Наколькі вы задаволеныя сваёй працай?", а затым "Наколькі вы задаволеныя сваім жыццём?").
Акрамя таго, яны характарызуюць два тыпу эфекту парадку пытанне: кансістэнцыя эфекты ўзнікаюць, калі адказы на больш позні пытанне набліжаны (чым яны маглі б быць), прыведзеных на раней зададзенае пытанне; кантрасныя эфекты ўзнікаюць, калі існуюць вялікія адрозненні паміж адказамі на два пытанні.
[ , ] Грунтуючыся на працы Шуманам і прыціскной, Moore (2002) апісвае асобны аспект эфекту парадку пытанне: адытыўная і адымае. У той час як кантраст і паслядоўнасць эфектаў вырабляюцца як следства адзнак рэспандэнтаў двух прадметаў па адносінах адзін да аднаго, дабаўкі і адымаецца эфекты атрымліваюцца, калі рэспандэнты становяцца больш адчувальнымі да больш буйной структуры, у рамках якой ставяцца пытанні. Чытайце Moore (2002) , а затым распрацаваць і запусціць аглядную эксперымент па MTurk , каб прадэманстраваць адытыўная або вычитательные эфекты.
[ , ] Крыстафер Antoun і яго калегі (2015) правялі даследаванне , параўноўваючы ўзоры выгоды , атрыманыя з чатырох розных крыніц у Інтэрнэце рэкрутынгу: MTurk, Craigslist, Google AdWords і Facebook. Дызайн просты апытанне і прыцягненне ўдзельнікаў па меншай меры двух розных крыніц у Інтэрнэце рэкрутынгу (яны могуць быць розныя крыніцы з чатырох крыніц , якія выкарыстоўваюцца ў Antoun et al. (2015) і Antoun et al. (2015) ).
[ ] YouGov, інтэрнэт на аснове даследаванні рынку фірма, правяла онлайн-апытанне аб панэлі каля 800 000 рэспандэнтаў у Вялікабрытаніі і выкарыстаў г-н П., каб прадказаць вынік рэферэндуму ЕС (г.зн. Brexit), дзе выбаршчыкі Вялікабрытаніі галасаваць альбо застацца ці пакінуць Еўрапейскі Саюз.
Падрабязнае апісанне статыстычнай мадэлі YouGov знаходзіцца тут (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Груба кажучы, YouGov падзяляе выбаршчыкаў на тыпы, заснаваныя на 2015 усеагульных выбараў выбару галасоў, ўзросту, кваліфікацыі, пол, дата інтэрв'ю, а таксама выбарчай акрузе яны жывуць. Па-першае, яны выкарысталі дадзеныя, сабраныя з членаў камісіі YouGov для ацэнкі, у тым ліку тых, хто галасуе, доля людзей кожнага тыпу выбаршчыкаў, якія маюць намер галасаваць сысці. Яны ацэньваюць яўку выбаршчыкаў кожнага тыпу з дапамогай 2015 брытанскай выбарчай даследаванні (BES) пасля выбараў твар у твар абследавання, якое пацверджана яўку з спісаў выбаршчыкаў. І, нарэшце, яны ацэньваюць, колькі людзей ёсць кожнага тыпу выбаршчыкаў у выбаршчыкаў на падставе апошняга перапісу насельніцтва і штогадовага абследавання насельніцтва (з некаторымі кропельным інфармацыі з BES, дадзеныя апытання YouGov з усяго усеагульных выбараў, а таксама інфармацыю пра тое, як галасавалі многія людзі для кожны з бакоў у кожнай выбарчай акрузе).
За тры дні да галасавання, YouGov паказаў два ачкі для адпачынку. Напярэдадні галасавання, апытанне паказала, занадта блізка да тэлефона (49-51 Застаюцца). Канчатковае даследаванне-дзень прадказваў 48/52 на карысць Застаюцца (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). На самай справе, гэтая адзнака прапусціла канчатковы вынік (52-48 Leave) на чатыры працэнтных пункта.
[ , ] Напішыце мадэляванне, каб праілюстраваць кожную з памылак прадстаўлення на малюнку 3.1.
[ , ] Даследаванне Blumenstock і яго калегі (2015) удзельнічае пабудова мадэлі машыннага навучання , якія маглі б выкарыстоўваць лічбавыя дадзеныя трасіроўкі для прагназавання адказы на апытанне. Зараз, вы збіраецеся паспрабаваць тое ж самае з іншым наборам дадзеных. Kosinski, Stillwell, and Graepel (2013) выявілі , што Facebook любіць можа прадказаць індывідуальныя рысы і атрыбуты. Дзіўна, але гэтыя прагнозы могуць быць яшчэ больш дакладным , чым у сяброў і калегаў (Youyou, Kosinski, and Stillwell 2015) .
[ ] Toole et al. (2015) і Toole et al. (2015) падрабязна выкарыстанне запісаў выклікаў (CDR) з мабільных тэлефонаў для прагназавання агульных тэндэнцый беспрацоўя.