შემდგომი კომენტარი

ეს განყოფილება განკუთვნილია გამოყენებული იქნას, როგორც მინიშნება, ვიდრე უნდა ჩამოყალიბდეს ნარატივი.

• შესავალი (განყოფილება 3.1)

ბევრი თემები ამ თავში ასევე გაიმეორა ბოლო საპრეზიდენტო მისამართები ამერიკული ასოციაცია საზოგადოებრივი აზრის კვლევის (AAPOR), როგორიცაა Dillman (2002) , Newport (2011) , Santos (2014) , და Link (2015) .

დამატებითი ისტორიული ფონის განვითარების შესახებ კვლევის, ვხედავ Smith (1976) და Converse (1987) . დამატებითი იდეა სამი ეპოქა კვლევა, ვხედავ Groves (2011) და Dillman, Smyth, and Christian (2008) (რომელიც არღვევს up სამი eras ოდნავ განსხვავებულად).

პიკი შიგნით გადასვლას პირველი და მეორე ერა კვლევა არის Groves and Kahn (1979) , რომელიც აკეთებს დეტალური head-to-head შედარებით შორის face-to-face და სატელეფონო კვლევა. Brick and Tucker (2007) გამოიყურება უკან ისტორიული განვითარების შემთხვევითი ციფრი დარეკვა შერჩევის მეთოდები.

დამატებითი როგორ კვლევის შეიცვალა წარსულში საპასუხოდ ცვლილებები საზოგადოებაში, ვხედავ Tourangeau (2004) , Mitofsky (1989) , და Couper (2011) .

• კითხვის წინააღმდეგ აკვირდებიან (თავი 3.2)

სწავლის შესახებ შიდა ქვეყნების მიერ სვამს კითხვებს შეიძლება იყოს პრობლემატური, რადგან ზოგჯერ თავად რესპონდენტები არ იცის მათი შიდა შტატები. მაგალითად, Nisbett and Wilson (1977) აქვს შესანიშნავი ქაღალდი evocative სათაური: "საიდუმლოა მეტი, ვიდრე ჩვენ ვიცით: ზეპირი მოხსენებები ფსიქიკური პროცესები." In ქაღალდის ავტორები დავასკვნათ: "სუბიექტები ზოგჯერ (a) არ იცის, არსებობის სტიმული, რომ მთავარია გავლენა პასუხი, (ბ) არ იცის არსებობის საპასუხოდ, და (გ) არ იცოდა, რომ სტიმული შეეხო პასუხი. "

არგუმენტები, რომ მკვლევარებმა უნდა ურჩევნია დაფიქსირდა ქცევის ცნობით ქცევის ან დამოკიდებულება, ვხედავ Baumeister, Vohs, and Funder (2007) (ფსიქოლოგია) და Jerolmack and Khan (2014) და პასუხები (Maynard 2014; Cerulo 2014; Vaisey 2014; Jerolmack and Khan 2014) (სოციოლოგია). შორის სხვაობა ითხოვს და აკვირდებიან ასევე ჩნდება ეკონომიკაში, სადაც მკვლევარები საუბრობენ განაცხადა და გამოვლინდა შეღავათებით. მაგალითად, მკვლევარი ვერ ვთხოვთ გამოკითხულთა ურჩევნიათ თუ ჭამა ნაყინის ან აპირებს დარბაზი (განაცხადა პრეფერენციების) ან კვლევის დააკვირდებიან, თუ როგორ ხშირად ჭამა ნაყინის და წასვლა დარბაზი (გამოვლინდა პრეფერენციების) გამოყენებას. არსებობს ღრმა სკეპტიციზმი გარკვეული ტიპის განაცხადა შეღავათებით მონაცემების ეკონომიკა (Hausman 2012) .

მთავარი თემა ამ დებატებში, რომ გავრცელებული ქცევის ყოველთვის არ არის სწორი. მაგრამ, ავტომატურად იწერება ქცევა არ შეიძლება იყოს ზუსტი, არ შეიძლება იყოს შეგროვებული ნიმუში ინტერესი, და არ შეიძლება იყოს ხელმისაწვდომი მკვლევარები. ამგვარად, ზოგიერთ სიტუაციაში, მე ვფიქრობ, რომ გავრცელებული ქცევა შეიძლება იყოს სასარგებლო. გარდა ამისა, მეორე ძირითადი თემა ამ დებატებში, რომ ინფორმაცია იმის შესახებ, ემოციები, ცოდნა, მოლოდინი და მოსაზრებები ყოველთვის ზუსტი. მაგრამ, თუ ინფორმაცია ამ შიდა ქვეყნების საჭირო მკვლევარები-ან, რათა დაეხმაროს ახსნას ზოგიერთი ქცევის და როგორც რამ უნდა განმარტა მაშინ ითხოვს, შეიძლება იყოს შესაბამისი.

• სულ კვლევის შეცდომა (3.3)

წიგნის სიგრძე მკურნალობის საერთო კვლევის შეცდომა, ვხედავ Groves et al. (2009) და Weisberg (2005) . ისტორიაში განვითარების სულ კვლევის შეცდომა, ვხედავ Groves and Lyberg (2010) .

თვალსაზრისით წარმომადგენლობა, დიდი შესავალი საკითხებზე არასამთავრობო პასუხი და არასამთავრობო საპასუხოდ კომპენსაცია ნაციონალური სამეცნიერო საბჭოს ანგარიში Nonresponse სოციალურ მეცნიერებათა კვლევები: კვლევის Agenda (2013) . კიდევ ერთი სასარგებლო მიმოხილვა არ არის გათვალისწინებული (Groves 2006) . გარდა ამისა, მთელი სპეციალური საკითხები ჟურნალი ოფიციალური სტატისტიკის საზოგადოებრივი აზრის კვარტალური და ანალები ამერიკული აკადემიის პოლიტიკურ და სოციალურ მეცნიერებათა უკვე გამოქვეყნდა თემაზე არასამთავრობო საპასუხოდ. და ბოლოს, არსებობს ბევრი სხვადასხვა გზა გამოთვლის პასუხი; ამ მიდგომების დეტალურადაა აღწერილი ანგარიში ამერიკული ასოციაცია საზოგადოებრივი აზრის მკვლევარები (AAPOR) (Public Opinion Researchers} 2015) .

1936 წლის ლიტერატურული დაიჯესტი გამოკითხვა უკვე დეტალურად (Bryson 1976; Squire 1988; Cahalan 1989; Lusinchi 2012) . იგი ასევე გამოიყენება, როგორც იგავი ვაფრთხილებთ haphazard მონაცემების შეგროვება (Gayo-Avello 2011) . 1936 წელს, გიორგი Gallup გამოიყენება უფრო დახვეწილი ფორმით შერჩევის, და შეძლო აწარმოოს უფრო ზუსტი შეფასებით გაცილებით მცირე ნიმუში. Gallup- ის წარმატება ლიტერატურული დაიჯესტი მიღწევა იყო განვითარების კვლევის (Converse 1987, Ch 3; Ohmer 2006, Ch 4; Igo 2008, Ch 3) .

თვალსაზრისით გაზომვა, პირველი დიდი რესურსი შექმნასა კითხვარი არის Bradburn, Sudman, and Wansink (2004) . მოწინავე მკურნალობა ორიენტირებულია კონკრეტულად დამოკიდებულება, იხილეთ Schuman and Presser (1996) . გაძლიერებული წინასწარი ტესტირება კითხვები ხელმისაწვდომია Presser and Blair (1994) , Presser et al. (2004) , და მე -8 Groves et al. (2009) .

კლასიკური, წიგნის სიგრძე მკურნალობის შორის ვაჭრობის კვლევა ხარჯები და კვლევის შეცდომები Groves (2004) .

• ვინ ვთხოვო (სექცია 3.4)

კლასიკური წიგნის სიგრძე მკურნალობის სტანდარტული ალბათობა შერჩევის და შეფასებით Lohr (2009) (გაცნობითი ხასიათის) და Särndal, Swensson, and Wretman (2003) (უფრო მოწინავე). კლასიკური წიგნის სიგრძე მკურნალობის შემდგომი გამოფიტვისა და მასთან დაკავშირებული მეთოდების Särndal and Lundström (2005) . ზოგიერთ ციფრული ასაკი პარამეტრები, მკვლევარებმა იციან, საკმაოდ მწირი არასამთავრობო რესპონდენტი, რომელიც არ იყო ხშირად ასეა წარსულში. სხვა და სხვა სახის არასამთავრობო საპასუხოდ რეგულირება შესაძლებელია, როდესაც მკვლევარები აქვთ ინფორმაცია არასამთავრობო გამოკითხულთა (Kalton and Flores-Cervantes 2003; Smith 2011) .

, Xbox შესწავლა Wang et al. (2015) იყენებს ტექნიკა მოუწოდა მრავალსართულიანი რეგრესია და პოსტ-სტრატიფიკაციის (MRP, უწოდებენ "Mister P"), რომელიც საშუალებას მკვლევარებს შეაფასებს საკანში ნიშნავს, მაშინაც კი, როდესაც არსებობს ბევრი, ბევრი საკნები. მიუხედავად იმისა, რომ არსებობს გარკვეული დებატების შესახებ ხარისხის შეფასებით ამ ტექნიკით, როგორც ჩანს, პერსპექტიული ფართობი შეისწავლონ. ტექნიკა პირველად გამოყენებული Park, Gelman, and Bafumi (2004) , და იქ უკვე შემდგომი გამოყენება და დებატები (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) . დამატებითი on კავშირი ინდივიდუალური წონით და საკანში დაფუძნებული წონით ვხედავ Gelman (2007) .

სხვა მიდგომები წონის ვებ კვლევები, ვხედავ Schonlau et al. (2009) , Valliant and Dever (2011) , და Bethlehem (2010) .

Sample შესაბამისი მიერ შემოთავაზებული Rivers (2007) . Bethlehem (2015) ამტკიცებს, რომ შესრულება ნიმუში შესაბამისი რეალურად იყოს, მსგავსად სხვა შერჩევის მეთოდების (მაგალითად, სტრატიფიცირებული შერჩევის) და სხვა რეგულირების მეთოდების (მაგალითად, პოსტ-სტრატიფიკაციის). დამატებითი ონლაინ პანელები, ვხედავ Callegaro et al. (2014) .

ზოგჯერ მკვლევარებმა დაადგინეს, რომ ალბათობა ნიმუშები და არასამთავრობო ალბათობა ნიმუშები გამოიღო შეფასებით მსგავსი ხარისხის (Ansolabehere and Schaffner 2014) , მაგრამ სხვა შედარება არ აღმოაჩინა, რომ არასამთავრობო ალბათობა ნიმუშები უარესი (Malhotra and Krosnick 2007; Yeager et al. 2011) . ერთ-ერთი შესაძლო მიზეზი ეს განსხვავებები არის, რომ არასამთავრობო ალბათობა ნიმუშები გაუმჯობესდა დროთა განმავლობაში. უფრო პესიმისტური ხედვა არასამთავრობო ალბათობა შერჩევის მეთოდები, რომ ის AAPOR ჯგუფის არასამთავრობო ალბათობა შერჩევის (Baker et al. 2013) , და მე ასევე რეკომენდაციას კითხულობს კომენტარში, რომელიც შემდეგნაირად შემაჯამებელი ანგარიში.

იყიდება მეტა-ანალიზი ეფექტი წონის შეამციროს კომპენსაცია არასამთავრობო ალბათობა ნიმუშები, ცხრილი 2.4 in Tourangeau, Conrad, and Couper (2013) , რაც იწვევს ავტორები დავასკვნათ, "კორექტირებას როგორც ჩანს, სასარგებლო, მაგრამ fallible შესწორებები. . . "

• როგორ ვთხოვო (თავი 3.5)

Conrad and Schober (2008) უზრუნველყოფს რედაქტირებული მოცულობა სახელწოდებით ითვალისწინებდა კვლევის ინტერვიუ მომავალი და იგი მიმართავს ბევრი თემები ამ სექციაში. Couper (2011) მსგავს თემებს, და Schober et al. (2015) გთავაზობთ ლამაზი მაგალითია, თუ როგორ მონაცემთა შეგროვების მეთოდები, რომლებიც მორგებული ახალ გარემოში შეიძლება გამოიწვიოს უმაღლესი ხარისხის მონაცემები.

კიდევ ერთი საინტერესო მაგალითია გამოყენებით Facebook apps for სოციალურ მეცნიერებათა კვლევები, ვხედავ Bail (2015) .

დამატებითი რჩევა მიღების კვლევები სასიამოვნო და მნიშვნელოვანი გამოცდილება მონაწილეებს, ვხედავ მუშაობა მორგებული დიზაინი მეთოდი (Dillman, Smyth, and Christian 2014) .

Stone et al. (2007) სთავაზობს წიგნის სიგრძე მკურნალობის ეკოლოგიური მომენტალური შეფასების და მასთან დაკავშირებული მეთოდები.

• კვლევები დაკავშირებული სხვა მონაცემები (სექცია 3.6)

Judson (2007) აღწერილი პროცესი აერთიანებს კვლევები და ადმინისტრაციული მონაცემები, როგორც "ინფორმაცია ინტეგრაცია," განიხილავს გარკვეული უპირატესობა ამ მიდგომის და გვთავაზობს მაგალითები.

კიდევ ერთი გზა რომ მკვლევარები შეგიძლიათ ციფრული კვალი და ადმინისტრაციული მონაცემები შერჩევის ჩარჩო ადამიანებს კონკრეტული მახასიათებლები. თუმცა, ხელმისაწვდომობის ამ ჩანაწერების უნდა იქნეს გამოყენებული შერჩევის ჩარჩო ასევე შეგიძლიათ შექმნათ დაკავშირებული შეკითხვები კონფიდენციალურობის (Beskow, Sandler, and Weinberger 2006) .

დაკავშირებით გაძლიერდეს ეკითხება, ეს მიდგომა არ არის როგორც ახალი, როგორც ეს შეიძლება, როგორც ჩანს, როგორ მე უწოდებს. ეს მიდგომა აქვს ღრმა კავშირები სამი დიდი ტერიტორიები სტატისტიკის მოდელი დაფუძნებული პოსტ-სტრატიფიკაციის (Little 1993) , imputation (Rubin 2004) და მცირე ტერიტორიაზე შეფასებით (Rao and Molina 2015) . იგი ასევე დაკავშირებული გამოყენება დე ფაქტო ცვლადები სამედიცინო კვლევების (Pepe 1992) .

გარდა ამისა, ეთიკური საკითხები, წვდომის ციფრული კვალი მონაცემების, გაძლიერდეს ეკითხება ასევე შეიძლება გამოყენებული იქნას, რათა დავასკვნათ, მგრძნობიარე თვისებების, რომ ხალხი არ შეიძლება აირჩიოს გამოსავლენად კვლევა (Kosinski, Stillwell, and Graepel 2013) .

ღირებულება და დრო შეფასებით Blumenstock, Cadamuro, and On (2015) ეხება უფრო ცვლადი ხარჯების ღირებულება ერთი დამატებითი კვლევების და არ შეიცავს ფიქსირებული ხარჯები, როგორიცაა ღირებულება გაწმენდა და დამუშავება ზარი მონაცემები. ზოგადად, გაძლიერდეს ეკითხება ალბათ მაღალი ფიქსირებული ხარჯები და დაბალი ცვლადი ხარჯები მსგავსი ციფრული ექსპერიმენტი (თავი 4). სხვა დეტალები მონაცემები გამოიყენება Blumenstock, Cadamuro, and On (2015) ქაღალდის არიან Blumenstock and Eagle (2010) და Blumenstock and Eagle (2012) . მიდგომები მრავალჯერადი imputuation (Rubin 2004) შეიძლება დაეხმაროს ხელში გაურკვევლობის შეფასებით გაძლიერდეს ითხოვს. თუ მკვლევარები ამით გაძლიერდეს ითხოვს მხოლოდ აინტერესებს საერთო ითვლის, ვიდრე ინდივიდუალური დონის თვისებების, მაშინ მიდგომების King and Lu (2008) და Hopkins and King (2010) შეიძლება იყოს სასარგებლო. დამატებითი მანქანა სწავლის მიდგომების Blumenstock, Cadamuro, and On (2015) , ვხედავ James et al. (2013) (უფრო გაცნობითი) ან Hastie, Tibshirani, and Friedman (2009) (უფრო მოწინავე). კიდევ ერთი პოპულარული მანქანა სწავლის სახელმძღვანელო Murphy (2012) .

დაკავშირებით გამდიდრებული ეკითხება, შედეგების Ansolabehere და ჰირშ (2012) hinge ორ ძირითად ეტაპად: 1) უნარი Catalist გაერთიანდება ბევრი განსხვავებული მონაცემების წყაროების აწარმოოს ზუსტი საძიებო datafile და 2) უნარი Catalist უკავშირებენ კვლევის მონაცემები სამაგისტრო datafile. აქედან გამომდინარე, Ansolabehere და ჰირშ შეამოწმოს თითოეული ამ ნაბიჯებს ყურადღებით.

შექმნათ საძიებო datafile, Catalist აერთიანებს და შეესაბამება ინფორმაციის სხვადასხვა წყაროების, მათ შორის: მრავალჯერადი ხმის მიცემის ჩანაწერები snapshots თითოეული სახელმწიფო, მონაცემების Post Office ეროვნული შეცვლა მისამართი რეესტრის და მონაცემების სხვა დაუზუსტებელი კომერციული პროვაიდერები. გორის დეტალები, თუ როგორ ყველა ამ დასუფთავების და გაერთიანების ხდება სცილდება ამ წიგნის, მაგრამ ეს პროცესი, არ აქვს მნიშვნელობა როგორ ფრთხილად, პროპაგანდაა შეცდომების ორიგინალური მონაცემები და გააცნობს შეცდომები. მიუხედავად იმისა, რომ Catalist მზად იყო, რათა განიხილონ მისი მონაცემების დამუშავება და ზოგიერთი მისი მონაცემები, რომ ეს იყო უბრალოდ შეუძლებელია მკვლევართა გადახედვა Catalist მონაცემების მილსადენი. პირიქით, მკვლევარები იმ სიტუაციაში, სადაც Catalist მონაცემთა ფაილი გვქონდა უცნობი, და ალბათ unknowable, თანხის შეცდომა. ეს არის სერიოზული შეშფოთება იმის გამო, კრიტიკოსი შეიძლება ფიქრობს, რომ დიდი განსხვავებები ანგარიშები წლის ცენტრების და ქცევის Catalist master მონაცემთა ფაილი გამოწვეული იყო შეცდომების master მონაცემთა ფაილი, არა დამახინჯება რესპონდენტების მიერ.

Ansolabehere და ჰირშ აიღო ორი სხვადასხვა მიდგომების მისამართით მონაცემთა ხარისხის შეშფოთება. პირველ რიგში, გარდა იმისა, რომ შედარებით თვითმმართველობის ცნობით კენჭისყრის ხმის მიცემის Catalist სამაგისტრო ფაილი, მკვლევარები ასევე შედარებით თვითმმართველობის ცნობით party, რასის, ამომრჩეველთა რეგისტრაციის სტატუსი (მაგალითად, რეგისტრირებული თუ არა რეგისტრირებული) და კენჭისყრის მეთოდით (მაგალითად, პირი, absentee საარჩევნო და ა.შ.) იმ ღირებულებებს, ნაპოვნი Catalist ბაზაში. ამ ოთხი დემოგრაფიული, მკვლევარებმა აღმოაჩინეს, ბევრად უფრო მაღალ დონეებზე შორის შეთანხმების კვლევის ანგარიში და მონაცემების Catalist სამაგისტრო ფაილი, ვიდრე კენჭისყრით. ამდენად, Catalist master მონაცემთა ფაილი, როგორც ჩანს, აქვს მაღალი ხარისხის ინფორმაცია თვისებების გარდა კენჭისყრის მიუთითებს, რომ ეს არ არის ცუდი საერთო ხარისხი. მეორე, ნაწილი გამოყენებით მონაცემების Catalist, Ansolabehere და ჰირშ შემუშავებული სამი სხვადასხვა ღონისძიებები ხარისხის ქვეყანა კენჭისყრების, და მათ აღმოაჩინეს, რომ დადგენილი განაკვეთი საანგარიშო კენჭისყრის იყო არსებითად უკავშირდება რომელიმე ამ მონაცემების ხარისხის ზომები, დასკვნა, რომ ვარაუდობენ, რომ მაღალი განაკვეთების ზედმეტად საანგარიშო არ ამოძრავებს ქვეყნის უჩვეულოდ დაბალი მონაცემების ხარისხის.

იმის გათვალისწინებით, რომ შექმნა ეს საძიებო კენჭისყრის ფაილი, მეორე წყარო პოტენციური შეცდომები აკავშირებს კვლევის ჩანაწერები მას. მაგალითად, თუ ეს კავშირი კეთდება არასწორად შეიძლება გამოიწვიოს ზედმეტად შეფასებით განსხვავება ცნობით და დამტკიცდა საარჩევნო ქცევის (Neter, Maynes, and Ramanathan 1965) . თუ ყველა ადამიანს სტაბილური, უნიკალური იდენტიფიკატორი, რომელიც იყო ორივე მონაცემები, მაშინ კავშირი იქნება ტრივიალური. აშშ-სა და სხვა ქვეყნებში, თუმცა, არ არსებობს უნივერსალური იდენტიფიკატორი. უფრო მეტიც, მაშინაც კი, თუ იყო ასეთი იდენტიფიკატორი ადამიანი, ალბათ, თავს იკავებენ, რათა უზრუნველყოს, რომ კვლევის მკვლევარები, ამდენად, Catalist უნდა გააკეთოს კავშირის გამოყენებით არასრულყოფილი იდენტიფიკატორები, ამ შემთხვევაში ოთხი ცალი ინფორმაციას თითოეული რესპონდენტი: სახელი, სქესი, დაბადების წელი, და მთავარი მისამართზე. მაგალითად, Catalist უნდა გადაწყვიტოს, თუ Homie J Simpson იმ ცენტრების იყო ერთი და იგივე პირი ჰომერ ჯეი Simpson მათი master მონაცემთა ფაილი. პრაქტიკაში, შესაბამისი რთული და რთული პროცესი, და, რათა უარესი მკვლევარები, Catalist განიხილება მისი შესაბამისი ტექნიკით უნდა იყოს საკუთრების.

იმისათვის, რომ შეამოწმოს შესაბამისი ალგორითმები, მათ ეყრდნობოდა ორ გამოწვევებს. პირველი, Catalist მონაწილეობდა შესაბამისი კონკურსის, რომელიც აწარმოებს დამოუკიდებელი, მესამე პარტია: Mitre Corporation. Mitre გათვალისწინებული ყველა მონაწილეს ორი ხმაურიანი მონაცემთა ფაილი უნდა იყოს შესაბამისი, და სხვადასხვა ასპარეზზე დაბრუნებას Mitre საუკეთესო შესატყვისი. იმის გამო, რომ Mitre თავად იცოდა სწორი შესატყვისი მათ შეძლეს ანგარიშის გათანაბრება გუნდები. 40 კომპანიების, რომ იასპარეზა, Catalist მეორე ადგილზე. ამ სახის დამოუკიდებელი მესამე მხარის შეფასების საკუთრების ტექნოლოგია საკმაოდ იშვიათი და წარმოუდგენლად ძვირფასი; ეს უნდა მოგვცეს რწმენა, რომ Catalist ის შესაბამისი პროცედურები არსებითად სახელმწიფო-of-the-art. მაგრამ არის სახელმწიფო- of-the-art საკმარისი? გარდა ამისა შესაბამისი კონკურსის, Ansolabehere და ჰირშ შექმნა საკუთარი შესაბამისი გამოწვევა Catalist. მდებარეობა ადრე პროექტი, Ansolabehere და ჰირშ ჰქონდათ შეგროვებული ამომრჩეველთა ჩანაწერების Florida. ისინი გათვალისწინებული ზოგიერთი ამ ჩანაწერების ზოგიერთი მათი სფეროებში რედაქტირებულ უნდა Catalist და შემდეგ შედარებით Catalist ანგარიშები ამ სფეროებში მათი ფაქტობრივი ღირებულებებს. საბედნიეროდ, Catalist ანგარიშები იყო ახლოს დაკავებული ღირებულებები, რაც მიუთითებს, რომ Catalist შეიძლება ემთხვევა ნაწილობრივ ამომრჩევლის ჩანაწერები onto მათი სამაგისტრო მონაცემთა ფაილი. ეს ორი გამოწვევები, ერთი მესამე მხარის და ერთი Ansolabehere და ჰირშ, მოგვცეს მეტი ნდობა Catalist შესაბამისი ალგორითმები, მიუხედავად იმისა, რომ ჩვენ არ შეგვიძლია განიხილოს მათი ზუსტი განხორციელება საკუთარ თავს.

არსებობს ბევრი წინა მცდელობა, რათა შეამოწმოს კენჭისყრით. მიმოხილვა, რომ ლიტერატურა, ვხედავ Belli et al. (1999) , Berent, Krosnick, and Lupia (2011) , Ansolabehere and Hersh (2012) , და Hanmer, Banks, and White (2014) .

მნიშვნელოვანია, აღინიშნოს, რომ მიუხედავად იმისა, რომ ამ შემთხვევაში მკვლევარები წაახალისა ხარისხის მონაცემების Catalist, სხვა შეფასებები კომერციული მოვაჭრეებს უკვე ნაკლებად ენთუზიაზმით. მკვლევარებმა აღმოაჩინეს, უხარისხო, როდესაც მონაცემების კვლევა სამომხმარებლო ფაილი მარკეტინგი Systems Group (რაც თავისთავად გაერთიანდა მონაცემების სამი პროვაიდერები: Acxiom, Experian, და infoUSA) (Pasek et al. 2014) . რომ არის, მონაცემთა ფაილი არ დაემთხვა კვლევის პასუხების რომ მკვლევარები, სავარაუდოდ, სწორი, datafile ჰქონდა დაკარგული მონაცემების დიდი რაოდენობის კითხვები და დაკარგული მონაცემების ნიმუში კორელაციაშია ცნობით კვლევის ღირებულება (ანუ დაკარგული მონაცემების სისტემატური , არ არის შემთხვევითი).

დამატებითი ჩანაწერი კავშირი კვლევები და ადმინისტრაციული მონაცემები, ვხედავ Sakshaug and Kreuter (2012) და Schnell (2013) . დამატებითი ჩანაწერი კავშირი ზოგადად, ვხედავ Dunn (1946) და Fellegi and Sunter (1969) (ისტორიული) და Larsen and Winkler (2014) (თანამედროვე). მსგავსი მიდგომები ასევე შემუშავდა კომპიუტერულ მეცნიერებათა ქვეშ სახელები, როგორიცაა მონაცემთა deduplication, მაგალითად საიდენტიფიკაციო, სახელი შესატყვისი, დუბლიკატი გამოვლენის და დუბლიკატი ჩანაწერი გამოვლენის (Elmagarmid, Ipeirotis, and Verykios 2007) . ასევე არსებობს კონფიდენციალურობის შენარჩუნების მიდგომები ჩაწერას კავშირი, რომელიც არ საჭიროებს გადაცემა პირადად საიდენტიფიკაციო ინფორმაციას (Schnell 2013) . მკვლევარებმა ზე Facebook განვითარებული პროცედურა probabilisticsly უკავშირებენ მათი ჩანაწერების საარჩევნო ქცევის (Jones et al. 2013) ; ეს კავშირი გაკეთდა შეაფასოს ექსპერიმენტი, რომელიც გეტყვით შესახებ თავი 4 (Bond et al. 2012) .

კიდევ ერთი მაგალითი აკავშირებს მასშტაბური სოციალური კვლევის ადმინისტრაციული ჩანაწერები მომდინარეობს ჯანმრთელობისა და საპენსიო კვლევა და სოციალური დაცვის ადმინისტრაცია. დამატებითი კვლევაში, მათ შორის ინფორმაციას თანხმობის პროცედურის, ვხედავ Olson (1996) და Olson (1999) .

პროცესი აერთიანებს მრავალი წყაროები ადმინისტრაციული ჩანაწერების სამაგისტრო datafile-ის პროცესი, რომელიც Catalist თანამშრომელთა საერთო სტატისტიკური ბიუროს ზოგიერთ ეროვნულ მთავრობებს. ორი მკვლევარები შვედეთის სტატისტიკის დაწერილი დეტალური წიგნის თემაზე (Wallgren and Wallgren 2007) . მაგალითად ამ მიდგომის ერთ ქვეყნის, ამერიკის შეერთებული შტატები (Olmstead County, Minnesota; სახლში Mayo Clinic), ვხედავ Sauver et al. (2011) . დამატებითი შეცდომები, რომელიც, როგორც ჩანს, ადმინისტრაციული ჩანაწერები, ვხედავ Groen (2012) .