Schlëssel:
[ , Am Kapitel], war ech ganz positiv iwwert Post-stratification. Mä, ass et net ëmmer d'Qualitéit vun Schätzunge verbesseren. Bauen enger Situatioun wou Post-stratification kann erofgoen kann d'Qualitéit vun Schätzung. (Fir eng Uspillung, gesinn Thomsen (1973) ).
[ , , engem Net-Probabilitéit Ëmfro op Amazon MTurk] Design an Exercice iwwer Pistoul Proprietairen ze froen ( "Mengt Dir, oder geet een an Ärem Stot, selwer eng Pistoul, Gewier oder dout maachen? Ass datt Dir oder een aneren aus Ärem Stot?") an Astellungen géigeniwer Pistoul Kontroll ( "Wat Dir do ass méi wichteg, fir d'Recht vun den Amerikaner schützen Waffen ze eegenen, oder eng Pistoul Proprietairen ze kontrolléieren?").
[ , , ] Goel a Kollegen (2016) aus dem Generol Social Survey (GSS) a wielt Ëmfroen vun der Pew Research Center op Amazon MTurk Wolleken engem Net-Probabilitéit-baséiert Emfro aus 49 Multiple-presentéiert attitudinal Froen verwalt. Si klicks dann fir d'Net-Representatioun vun Daten benotzt Modell-baséiert Post-stratification (Mr. P), a vergläicht de ugepasst Schätzunge mat deenen ugeholl mat Probabilitéit-baséiert GSS / Pew Ëmfroen. Violéiert der selwechter Ëmfro iwwert MTurk a probéieren Dorënner 2a an Dorënner 2b ze behaapten duerch Är seng Schätzung mat der Schätzunge vun der jéngster Ronne vun GSS / Pew vergläichen (Zréck Betriebspläng Table A2 fir d'Lëscht vun 49 Froen).
[ , , ] Vill Studien Self-Rapport Mesuren vun Handy Aktivitéit Donnéeë benotzen. Dat ass en interessante Kader wou Fuerscher Self-Rapport Verhalen mat ageloggt gelooss (cf. zB, vergläichen kann Boase and Ling (2013) ). Zwou gemeinsam Verhaalen iwwert derfir plädéieren an zwar wuertwiertlech, an zwou gemeinsam Zäit Rummen sinn "gëschter" a "an déi lescht Woch." Ze froen
[ , ] Schuman an Presser (1996) plädéieren, datt Fro Uerder fir zwou Zorte vun Relatiounen tëscht Froen egal wier: Deel-Deel Froen wou zwou Froen um selwechten Niveau vun Spezifizitéit sinn (zB Bewäertunge vun zwee Presidentschaftswalen Kandidaten); a Deel-ganzt Froen wou eng allgemeng Fro villméi eng méi spezifesch Froen (zB froen "Wéi zefridde sidd Dir mat Ärer Aarbecht?" duerno "Wéi zefridde sidd Dir mat Ärem Liewen?").
Si Markenzeeche weider zwou Zorte vu Fro fir Effekt: Konstanz Folge geschéien wann Äntwerte fir eng spéider Fro méi bruecht fir déi eng méi fréi Fro kritt (wéi se soss wier); Géigesaz Folge geschéien, wann et grouss Ënnerscheeder tëscht Äntwerte zwou Froen.
[ , ] Building op der Aarbecht vun Schuman an Presser, Moore (2002) beschreift enger separater Dimensioun vun Effet Fro Bestellung: additive an subtractive. Iwwerdeems Kontrast an Konsequenz Effekter sinn als eng Konsequenz vun de Befroten 'Evaluatioune vun den zwou Saache rapport zu all aner, additive an subtractive Effekter produzéiert ginn, wou Interviewten méi sensibel op d'grouss Kader gemaach ginn innerhalb vun deem d'Froen ginn zougemaach. Weiderliesen Moore (2002) , dann Design an enger Ëmfro Experimenter op MTurk Laf additive oder subtractive Effekter ze beweisen.
[ , ] Christopher Antoun a Kollegen (2015) gehaal enger Etude d'Kamoudheet Echantillon kritt aus véier verschidden online zousätzlech Quellen vergläichen: MTurk, Craigslist, Google AdWords an Facebook. Design engem einfache Ëmfro an do- Participanten duerch op d'mannst zwou verschiddenen online zousätzlech Quellen (se kann ënnerschiddlech Quellen aus der véier Quelle ginn an Antoun et al. (2015) ).
[ ] YouGov, en Internet-baséiert Maartfuerschung Firma, gehaal online Emfroen vun engem Rot vu ronn 800.000 Interviewten zu Lëtzebuerg an déi den Här P. d'Resultat vun EU Referendum (dh, Brexit) wou d'lëtzebuerger Wieler Vote entweder ze bleiwen fir ze soe an oder d'europäesch Unioun verloossen.
Eng detailléiert Beschreiwung vun statisteschen Modell d'YouGov ass hei (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Ongeféier allgemengen, Cloisonnementer YouGov Wieler an Zorte op 2015 declenchéieren Vote presentéiert baséiert, Alter, Qualifikatiounen, Geschlecht, Datum vum Interview, souwéi dem Walbezierk se am liewen. Éischt, benotzt si Daten aus der YouGov panelists gesammelt Devis, ënnert deenen deen d'Unzuel vun Leit vun all Wahlbedeelegung Typ Vote, deen Hannerlooss wëlles ze wielen. Si aschätzen bei de Keesen all Wahlbedeelegung Typ mat den 2015 britesch Waalsonndeg Sécuritéit (responsabel) Post-Wahlen Gesiicht-ze-Gesiicht Ëmfro, déi bei de Keesen aus der Wahlkommissioun Bréitchen validéiert. Endlech, schätzen se wéivill Leit do vun all Wahlbedeelegung Typ sinn an der Wielerschaft baséiert op läscht Vollekszielung a TAEG Bevëlkerung Survey (mat e puer zousätzlech Informatiounen aus der responsabel, Emfro YouGov Daten aus ronderëm de Chamberwahlen, an Informatiounen op wéivill Leit gewielt fir all Partei an all Walbezierk).
Dräi Deeg ier de Vote, zougedréckt YouGov eng zwee Punkte Virsprong fir drŽnken. Op der Virowend vun Wahl, huet de EMFRO ze no ze ruffen (49-51 geklomm). Der Finale op-den-Dag Etude erginn 48/52 zu Gonschten vun geklomm (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). An Tatsaach, nëmmen dat schätzen d'final Resultat (52-48 Hannerlooss) déi véier Prozentsaz Punkten.
[ , Schreiwen] eng Simulatioun all vun der Representatioun Feeler vun Dorënner 3,1 Ganzt.
[ , ] D'Fuerschung vun Blumenstock a Kollegen (2015) Équipe enger Maschinn Léieren Modell Gebai datt digital Spuer Donnéeë benotzen kéint Ëmfro Äntwerte virauszesoen. Elo, Dir sidd elo déi selwecht Saach mat enger anerer Donnéeën ze probéieren. Kosinski, Stillwell, and Graepel (2013) fonnt dass Facebook gär kënnen individuell Spure an Attributer virauszesoen. Verwonnerlech, kann dës Prognosen och méi genee wéi déi vun de Frënn a Kollegen (Youyou, Kosinski, and Stillwell 2015) .
[ ] Toole et al. (2015) benotzt Opruff Detail records (CDRs) vun Handyen ugesammelt Chômage Trends virauszesoen.