キー:
[ 、 ]章では、私はポスト成層について非常に肯定的でした。しかし、それは常に推定値の品質は向上しません。 -投稿成層ができ推定値の品質を低下させることができる状況を構築します。 (ヒントについては、 Thomsen (1973)
[ 、 、 ]設計と銃の所有権について尋ねるためにアマゾンMTurk上の非確率調査を実施(「あなたが実行したり、あなたの家庭で誰を行い、銃、ライフルやピストルを所有する?あなたやあなたの世帯の誰かことはありますか?」)と銃規制に対する態度( "あなたはより重要-する銃を所有するアメリカ人の権利を保護する、または銃の所有権を制御することは何だと思いますか?」)。
[ 、 、 ] Goelさんと同僚ら(2016)アマゾンMTurkに関するピュー・リサーチ・センターによって一般社会調査(GSS)とセレクト調査から引き出された49複数の選択肢の態度の質問からなる非確率ベースの調査を投与。そして、彼らはモデルベースのポスト成層(ミスターP)を使用して、データの非代表のために調整し、確率ベースのGSS /ピュー調査を用いて推定したものと調整推定値を比較します。 MTurk上の同じ調査を実施し、GSS /ピューの最新のラウンドからの見積もりを使用して調整された推定値を比較することによって、図2aおよび図2bを複製しようとする(49の質問のリストについては、付録表A2を参照してください)。
[ 、 、 ]多くの研究は、携帯電話の活動データの自己報告尺度を使用しています。これは、研究者がログに記録された行動と自己申告の挙動を比較することができ、興味深い設定です(例えば参照、 Boase and Ling (2013)呼び出し、テキストメッセージ、および2つの一般的な時間枠されている尋ねるために2つの一般的な行動は「過去の週に。」「昨日」としています
[ 、 ]シューマンと押え(1996)その質問の注文が質問間の関係の2つのタイプには関係でしょう主張:二つの質問は、特異性の同じレベルにある一部の部分の質問(例えば、2つの大統領候補の評価)。そして、一般的な質問は、より具体的な質問(例えば尋ねる "あなたはあなたの仕事にしているどのように満足して?」「あなたはあなたの人生にしているどの程度満足?"が続く)に続く部分 - 全体の質問。
彼らはさらに、問題の順序効果の2つのタイプを特徴付ける:整合性効果が後で質問への応答は(彼らが本来よりも)近い以前の質問に与えられたものになっているときに発生します。二つの質問への応答の間の大きな差があるときに発生する効果を対比。
[ 、 ]シューマンと押えの仕事、上に構築Moore (2002) 、添加剤及び減法:質問順序効果の別々の次元を説明します。コントラストと一貫性の効果が互いに関連した2項目の回答者の評価の結果として生産されているが、回答者は質問が提起されている範囲内で、より大きな枠組みに敏感に行われた場合、添加剤および減法効果が生成されます。読むMoore (2002)添加剤又はサブトラクティブ効果を実証するためにMTurkに関する調査実験を設計し、実行し、。
[ 、 ]クリストファーAntounや同僚(2015) MTurk、Craigslistのは、Googleアドワーズ広告とFacebook:四つの異なるオンライン募集源から入手した利便性のサンプルを比較した研究を行いました。簡単な調査を設計し、少なくとも二つの異なるオンライン募集源を通じて参加者を募集(それらが使用される4つのソースからの異なるソースすることができますAntoun et al. (2015)
[ ] YouGov、インターネットベースの市場調査会社は、英国で約800,000回答者のパネルのオンライン世論調査を実施し、英国の有権者は投票のいずれかのままにEUの国民投票(すなわち、Brexit)の結果を予測するために氏P.を使用しましたまたは欧州連合(EU)のままにしておきます。
YouGovの統計モデルの詳細な説明はここにある(https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/)。大雑把に言えば、YouGovは、2015年の総選挙の投票の選択、年齢、資格、性別、面接の日だけでなく、彼らが住んで選挙に基づくタイプに有権者を仕切る。まず、彼らはそれらの間で、推定するYouGovのパネリストから収集したデータを使用しました投票者、休暇を投票する各有権者のタイプの人々の割合。彼らは、2015年イギリスの選挙調査(BES)選挙人名簿から投票率を検証し、選挙後の対面調査を、使用して、各投票者タイプの投票率を推定します。最後に、彼らは、最新の国勢調査とBESからいくつかの追加情報との年次人口調査(、総選挙の周りからYouGovの調査データ、そして人々が投票どのように多くの情報に基づいて有権者に各有権者のタイプであるどのように多くの人々見積もり各選挙区における各当事者)。
三日投票の前に、YouGovは休暇のための2つのポイントのリードを示しました。投票の前夜に、世論調査では(49-51が残る)予断を許さない示しました。最終的なオン・日研究が残る(https://yougov.co.uk/news/2016/06/23/yougov-day-poll/)の賛成で48/52を予測しました。実際には、この推定値は4%ポイント最終結果(52から48まで休暇を)逃しました。
[ 、 図3.1に表現エラーのそれぞれを説明するためのシミュレーションを書きます。
[ 、 ] Blumenstockや同僚の研究(2015)アンケートの回答を予測するために、デジタルトレースデータを使用することができる機械学習モデルを構築関与しました。さて、あなたは別のデータセットと同じことをしようとしている。 Kosinski, Stillwell, and Graepel (2013) Facebookは、個々の特性および属性を予測することができる好きなことがわかりました。驚くべきことに、これらの予測がより正確な友人や同僚のものよりもすることができます(Youyou, Kosinski, and Stillwell 2015)
[ ] Toole et al. (2015)集計失業の動向を予測するために、携帯電話からの通話詳細記録(CDR)を使用します。