Võti:
[ , ] Peatükis, olin väga positiivselt meelestatud järelkihistamisega. Kuid see ei ole alati parandada hinnanguid. Ehitatakse olukorras, kus saab järelkihistamisega võib vähendada hinnangute kvaliteeti. (Vihje vaata Thomsen (1973) ).
[ , , ] Disain ja läbi empiirilist uuringut Amazon MTurk küsida omamisega ( "Kas teil, või kas keegi teie perekonnast, oma relv, püss või püstol? Kas see on teie või keegi teine oma majapidamises?") Ja suhtumist relvakontroll ( "Mis sa arvad, on tähtsam-, et kaitsta õigust ameeriklasi enda relvad või kontrolli omamisega?").
[ , , ] Goel ja tema kolleegid (2016) manustati mitte-tõenäosus põhinev uuring, mis koosneb 49 valikvastustega hoiakuküsimustest tõmmatud General Social Survey (GSS) ja valige uuringud Pew Research Center Amazon MTurk. Seejärel reguleerige mitte-esinduslikkust andmeid kasutades mudeli põhjal järelkihistamisega (Hr P), ja võrrelda kohandatud hinnanguid nende hinnangulised tõenäosus põhinev GSS / Pew uuringud. Käitumise sama uuringu MTurk ja püüda imiteerida 2a ja joonis 2b võrreldes oma kohandatud prognoosid koos hinnangute viimaste voorude GSS / Pew (vt lisa tabel A2 nimekirja 49 küsimust).
[ , , ] Mitmed uuringud kasutada self-report meetmed mobiiltelefoni aktiivsuse andmeid. See on huvitav seade, kus teadlased saavad võrrelda ise aru käitumise logitav käitumine (vt nt Boase and Ling (2013) ). Kaks ühist käitumist küsida on helistaja ja texting ja kaks ühist aega raamid on "eile" ja "viimase nädala jooksul."
[ , ] Schuman ja Presseri (1996) väidavad, et küsimus tellimusi oleks asi kahte liiki suhteid küsimused: osalise osa küsimusi, kus kaks küsimust on samal tasemel eripära (nt hinnangust kaks presidendikandidaati); ja osalise kogu küsimusi, kus üldine küsimus järgmine täpsem küsimus (nt küsib: "Kuidas olete rahul oma tööga?", millele järgneb "Kuidas olete rahul oma elu?").
Nad täiendavaks iseloomustamiseks kahte tüüpi küsimus, et efekt: järjepidevus avaldub, kui vastuseid hiljem küsimus lähendatakse (kui nad muidu oleks), mis on antud varasemale küsimusele; vastandada avaldub, kui seal on rohkem erinevused vastuseid kahele küsimusele.
[ , ] Toetudes töö Schuman ja Presseri, Moore (2002) kirjeldab eraldi mõõtme küsimus, et efekt: lisaaine ja lahutava. Kuigi erinevalt ja järjepidevuse toime avaldub tagajärjel vastajate hinnanguid kahe punkte üksteise suhtes, lisaaine ja lahutava toime avaldub siis, kui vastajad on valmistatud tundlikumad suurem raamistik, mille küsimuste esitamist. Loe Moore (2002) , seejärel projekteerida ja käivitada uuring eksperiment MTurk näidata lisaaine või lahutava mõju.
[ , ] Christopher Antoun ja tema kolleegid (2015) viisid läbi uuringu, milles võrreldakse mugavuse proovid saadud neli erinevat online värbamisel allikad: MTurk, Craigslistissa, Google AdWords ja Facebook. Disain on lihtne uuring ja värvata osalejatele vähemalt kaks erinevat online värbamisel allikatest (neid saab erinevatest allikatest pärit neli kasutatud allikate Antoun et al. (2015) ).
[ ] YouGov, Interneti-põhine turu-uuringute firma, läbi e-küsitlustel paneeli umbes 800.000 vastajatest Suurbritannias ja kasutatud hr P. ennustada tulemust euroreferendumi (st Brexit), kus UK valijad hääletada kas jääda või jätta Euroopa Liitu.
Üksikasjalik kirjeldus YouGov statistilise mudeli on siin (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Üldjoontes YouGov partitsioonid valijad tüüpideks põhineb 2015 üldvalimistel hääletada valik, vanus, kvalifikatsioon, sugu, intervjuu, samuti valimisringkonnas nad elavad. Esiteks, nad kasutasid kogutud YouGov vaekogu hinnata, nende seas kes hääletavad, osa inimesi iga valija tüüp, kes kavatsevad hääletada Leave. Nad hindavad valimisaktiivsus iga valija tüüp on 2015. aasta Briti valimine Study (BES) valimistejärgne näost-näkku uuring, mis kinnitatakse valimisaktiivsus on valijate. Lõpuks nad hinnata, kui palju on inimesi, iga valija tüüpi valijate põhinevad uusimaid loenduse ja Aastane rahvastiku uuring (mõnede lisaks teavet BES, YouGov uuringu andmed üle üldvalimised ja informatsiooni selle kohta, kuidas paljud inimesed hääletasid kumbki pool igas valimisringkonnas).
Kolm päeva enne hääletust, YouGov näitas kaks punkti viia puhkust. Vahetult enne hääletamist, küsitlus näitas liiga lähedal helistada (49-51 Jää). Viimane on-the-päevase uuringu ennustas 48/52 kasuks Jää (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). Tegelikult on see hinnang jäi lõpptulemus (52-48 Leave) nelja protsendipunkti võrra.
[ , ] Kirjutage simulatsioon illustreerib iga esitus vigu joonisel 3.1.
[ , ] Uurib Blumenstock ja tema kolleegid (2015) osalenud luues masina õppimise mudel, mis võiks kasutada digitaalset jälgi andmed ennustada uuringu vastuseid. Nüüd sa lähed, et proovida sama asja eri andmebaasil. Kosinski, Stillwell, and Graepel (2013) leidis, et Facebook meeldib saa ennustada üksikute tunnuste ja atribuute. Üllataval kombel need ennustused võivad olla veelgi täpsem kui need, sõprade ja kolleegide (Youyou, Kosinski, and Stillwell 2015) .
[ ] Toole et al. (2015) kasutada kõne üksikasjade kirjeid (CDR) mobiiltelefonid ennustada kokku olukorra muutumist.