ຄໍາເຫັນເພີ່ມເຕີມ

ໃນພາກນີ້ໄດ້ຖືກອອກແບບໄດ້ຮັບການນໍາໃຊ້ເປັນກະສານອ້າງອີງ, ແທນທີ່ຈະກ່ວາຈະໄດ້ຮັບການອ່ານເປັນການເທື່ອເນື່ອງຈາກເປັນ.

• ການນໍາສະເຫນີ (ພາກ 31)

ຈໍານວນຫຼາຍຂອງຫົວຂໍ້ໃນບົດນີ້ຍັງໄດ້ຮັບການສະທ້ອນຢູ່ໃນທີ່ຢູ່ປະທານປະເທດຜ່ານມາຢູ່ທີ່ສະມາຄົມອາເມລິກາຂອງຄວາມຄິດເຫັນການຄົ້ນຄວ້າສາທາລະນະ (AAPOR), ເຊັ່ນ Dillman (2002) , Newport (2011) , Santos (2014) , ແລະ Link (2015) .

ສໍາລັບຄວາມເປັນມາປະຫວັດສາດເພີ່ມເຕີມກ່ຽວກັບການພັດທະນາຂອງການວິໄຈການສໍາຫຼວດ, ເບິ່ງ Smith (1976) ແລະ Converse (1987) . ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບແນວຄວາມຄິດຂອງສັກກະຣາດຂອງການຄົ້ນຄວ້າສໍາຫຼວດ, ເບິ່ງ Groves (2011) ແລະ Dillman, Smyth, and Christian (2008) (ເຊິ່ງ breaks ເຖິງສາມ eras ເລັກນ້ອຍທີ່ແຕກຕ່າງກັນ).

ສູງສຸດພາຍໃນການຫັນປ່ຽນຈາກຄັ້ງທໍາອິດກັບຍຸກທີສອງໃນການວິໄຈການສໍາຫຼວດແມ່ນ Groves and Kahn (1979) , ຊຶ່ງບໍ່ເປັນການປຽບທຽບຫົວກັບຫົວລະອຽດລະຫວ່າງໃບຫນ້າເພື່ອໃບຫນ້າແລະການສໍາຫຼວດທາງໂທລະສັບ. Brick and Tucker (2007) ເບິ່ງກັບຄືນໄປບ່ອນທີ່ການພັດທະນາປະຫວັດສາດຂ​​ອງຫລັກໄປວິທີການໂທອອກເກັບຕົວຢ່າງ.

ສໍາລັບການຫຼາຍວິທີຄົ້ນຄ້ວາການສໍາຫຼວດມີການປ່ຽນແປງໃນໄລຍະຜ່ານມາໃນການຕອບສະຫນອງກັບການປ່ຽນແປງໃນສັງຄົມ, ເບິ່ງ Tourangeau (2004) , Mitofsky (1989) , ແລະ Couper (2011) .

• ການສະເຫນີຂໍກັບການສັງເກດເບິ່ງ (ສ່ວນ 32)

ການຮຽນຮູ້ກ່ຽວກັບປະເທດພາຍໃນໂດຍການຖາມຄໍາຖາມທີ່ສາມາດເປັນບັນຫາເພາະວ່າບາງຄັ້ງຜູ້ທີ່ໄດ້ດ້ວຍຕົນເອງແມ່ນບໍ່ຮູ້ຈັກປະເທດເຂົາເຈົ້າພາຍໃນ. ສໍາລັບການຍົກຕົວຢ່າງ, Nisbett and Wilson (1977) ມີເອກະສານທີ່ປະເສີດທີ່ມີຊື່ evocative: "ບອກຫຼາຍກ່ວາທີ່ພວກເຮົາສາມາດຮູ້ວ່າ:. ບົດລາຍງານພາດກ່ຽວກັບຂະບວນການທາງຈິດໃຈ" ໃນເອກະສານທີ່ຜູ້ຂຽນໄດ້ສະຫຼຸບ: "ຫົວຂໍ້ແມ່ນບາງຄັ້ງ (ເປັນ) ບໍ່ຮູ້ຂອງ ທີ່ມີຢູ່ແລ້ວຂອງການກະຕຸ້ນທີ່ສໍາຄັນທີ່ມີອິດທິພົນຕອບສະຫນອງໄດ້, (b) ບໍ່ຮູ້ຂອງທີ່ມີຢູ່ແລ້ວຂອງການຕອບສະຫນອງໄດ້, ແລະ (c) ບໍ່ຮູ້ວ່າການກະຕຸ້ນທີ່ໄດ້ຮັບຜົນກະທົບການຕອບໂຕ້. "

ສໍາລັບການໂຕ້ຖຽງທີ່ນັກຄົ້ນຄວ້າຄວນຈະຕ້ອງສັງເກດພຶດຕິກໍາການລາຍງານຫຼືທັດສະນະເບິ່ງ Baumeister, Vohs, and Funder (2007) (ຈິດໃຈ) ແລະ Jerolmack and Khan (2014) ແລະການຕອບສະຫນອງ (Maynard 2014; Cerulo 2014; Vaisey 2014; Jerolmack and Khan 2014) (sociology). ຄວາມແຕກຕ່າງກັນລະຫວ່າງການສະເຫນີຂໍແລະການສັງເກດຍັງເກີດຂື້ນໃນເສດຖະກິດ, ນັກຄົ້ນຄວ້າສົນທະນາກ່ຽວກັບຄວາມມັກໄດ້ລະບຸໄວ້ແລະເປີດເຜີຍ. ສໍາລັບການຍົກຕົວຢ່າງ, ເປັນນັກຄົ້ນຄວ້າສາມາດຮ້ອງຂໍໃຫ້ຕອບແບບສອບຖາມບໍ່ວ່າຈະເປັນພວກເຂົາເຈົ້າຕ້ອງການກິນອາຫານສີຄີມກ້ອນຫຼືໄປ gym (ຕາມທີ່ໃຈມັກໄດ້ລະບຸໄວ້) ຫຼືການຄົ້ນຄວ້າໄດ້ສັງເກດເຫັນວິທີມັກປະຊາຊົນກິນອາຫານສີຄີມກ້ອນແລະໄປ gym (ມັກເປີດເຜີຍ) ໄດ້. ມີຄວາມສົງໄສໃນຄວາມເລິກຂອງບາງປະເພດຂອງຂໍ້ມູນການຕັ້ງຄ່າທີ່ລະບຸໄວ້ໃນດ້ານເສດຖະກິດ (Hausman 2012) .

A ຫົວຂໍ້ຕົ້ນຕໍຈາກການໂຕ້ວາທີການເຫຼົ່ານີ້ແມ່ນວ່າການປະພຶດບົດລາຍງານແມ່ນບໍ່ຖືກຕ້ອງສະເຫມີໄປ. ແຕ່ວ່າ, ພຶດຕິກໍາການບັນທຶກອັດຕະໂນມັດອາດຈະບໍ່ຖືກຕ້ອງ, ອາດຈະບໍ່ໄດ້ຮັບການເກັບກໍາຂໍ້ມູນກ່ຽວກັບຕົວຢ່າງທີ່ຫນ້າສົນໃຈ, ແລະອາດຈະບໍ່ສາມາດເຂົ້າເຖິງການຄົ້ນຄວ້າ. ດັ່ງນັ້ນ, ໃນບາງສະຖານະການ, ຂ້າພະເຈົ້າຄິດວ່າການປະພຶດລາຍງານສາມາດຈະເປັນປະໂຫຍດ. ນອກຈາກນັ້ນ, ຫົວຂໍ້ຕົ້ນຕໍຄັ້ງທີສອງຈາກການໂຕ້ວາທີນີ້ແມ່ນວ່າລາຍງານກ່ຽວກັບຄວາມຮູ້ສຶກ, ຄວາມຮູ້, ຄວາມຄາດຫວັງ, ແລະຄວາມຄິດເຫັນບໍ່ຖືກຕ້ອງສະເຫມີໄປ. ແຕ່, ຖ້າຫາກວ່າຂໍ້ມູນກ່ຽວກັບປະເທດພາຍໃນເຫຼົ່ານີ້ມີຄວາມຈໍາເປັນໂດຍນັກຄົ້ນຄວ້າ, ບໍ່ວ່າຈະຊ່ວຍອະທິບາຍພຶດຕິກໍາຫຼືເປັນສິ່ງທີ່ຈະໄດ້ຮັບການອະທິບາຍ, ຫຼັງຈາກນັ້ນສະເຫນີຂໍອາດຈະເຫມາະສົມ.

• ຄວາມຜິດພາດການສໍາຫຼວດທັງຫມົດ (ພາກ 33)

ສໍາລັບການປິ່ນປົວຄວາມຍາວຫນັງສືກ່ຽວກັບຄວາມຜິດພາດການສໍາຫຼວດທັງຫມົດ, ເບິ່ງ Groves et al. (2009) ຫຼື Weisberg (2005) . ສໍາລັບປະຫວັດສາດຂອງການພັດທະນາຂອງຄວາມຜິດພາດການສໍາຫຼວດທັງຫມົດ, ເບິ່ງ Groves and Lyberg (2010) .

ໃນການເປັນຕົວແທນ, ເປັນການແນະນໍາທີ່ຍິ່ງໃຫຍ່ເພື່ອບັນຫາຂອງທີ່ບໍ່ແມ່ນການຕອບສະຫນອງແລະບໍ່ມີການຕອບສະຫນອງການລໍາອຽງແມ່ນບົດລາຍງານການຄົ້ນຄວ້າແຫ່ງຊາດກ່ຽວກັບ Nonresponse ໃນວິທະຍາສາດສັງຄົມການສໍາຫຼວດ: A Research ວາລະ (2013) . ອີກປະການຫນຶ່ງສະພາບລວມທີ່ເປັນປະໂຫຍດໃຫ້ບໍລິການໂດຍ (Groves 2006) . ນອກຈາກນີ້, ບັນຫາພິເສດທັງຫມົດຂອງວາລະສານຂອງທີ່ເປັນທາງການສະຖິຕິ, ສາທາລະນະຄວາມຄິດເຫັນປະຈໍາໄຕມາດແລະປະວັດສາດຂອງອາເມລິກາສໍານັກງານຂອງທາງດ້ານການເມືອງແລະວິທະຍາສາດສັງຄົມໄດ້ຮັບການຈັດພີມມາກ່ຽວກັບຫົວຂໍ້ຂອງທີ່ບໍ່ແມ່ນຕອບສະຫນອງໄດ້. ສຸດທ້າຍ, ບໍ່ມີວິທີທີ່ແຕກຕ່າງກັນໃນຕົວຈິງແມ່ນຈໍານວນຫຼາຍຂອງການຄິດໄລ່ອັດຕາການຕອບສະຫນອງ; ວິທີການເຫຼົ່ານີ້ແມ່ນໄດ້ອະທິບາຍໃນລາຍລະອຽດໃນບົດລາຍງານໂດຍສະມາຄົມອາເມລິກາຂອງສາທາລະນະຄວາມຄິດເຫັນນັກຄົ້ນຄວ້າ (AAPOR) ເປັນ (Public Opinion Researchers} 2015) .

1936 ວັນນະຄະດີສໍາຄັນແບບສໍາຫຼວດໄດ້ຮັບການສຶກສາໃນລາຍລະອຽດ (Bryson 1976; Squire 1988; Cahalan 1989; Lusinchi 2012) . ມັນໄດ້ຖືກນໍາໃຊ້ເປັນຄໍາອຸປະມາເພື່ອເຕືອນຕໍ່ເກັບກໍາຂໍ້ມູນ haphazard ເປັນ (Gayo-Avello 2011) . ໃນ 1936, George Gallup ນໍາໃຊ້ຮູບແບບ sophisticated ຫຼາຍຂອງການເກັບຕົວຢ່າງ, ແລະສາມາດຜະລິດຕະພັນການຄາດຄະເນທີ່ຖືກຕ້ອງກັບຕົວຢ່າງຂະຫນາດນ້ອຍຫຼາຍ. ຜົນສໍາເລັດ Gallup ຂອງໃນໄລຍະວັນນະຄະດີສໍາຄັນເປັນຂີດຫມາຍການພັດທະນາຂອງການວິໄຈການສໍາຫຼວດ (Converse 1987, Ch 3; Ohmer 2006, Ch 4; Igo 2008, Ch 3) .

ໃນຂໍ້ກໍານົດຂອງມາດຕະການ, ຊັບພະຍາກອນທໍາອິດທີ່ຍິ່ງໃຫຍ່ສໍາລັບການອອກແບບສອບຖາມແມ່ນ Bradburn, Sudman, and Wansink (2004) . ສໍາລັບການປິ່ນປົວທີ່ທັນສະໄຫມຫຼາຍໄດ້ສຸມສະເພາະກ່ຽວກັບຄໍາຖາມທັດສະນະຄະ, ເບິ່ງ Schuman and Presser (1996) . ເພີ່ມເຕີມກ່ຽວກັບຄໍາຖາມທາງສ່ວນຫນ້າຂອງການທົດສອບສາມາດໃຊ້ໄດ້ໃນ Presser and Blair (1994) , Presser et al. (2004) , ແລະບົດທີ 8 ຂອງ Groves et al. (2009) .

ການປິ່ນປົວທີ່ຄລາສສິກ, ຫນັງສື, ຄວາມຍາວຂອງການຄ້າໄປ, ລະຫວ່າງຄ່າໃຊ້ຈ່າຍສໍາຫຼວດແລະຄວາມຜິດພາດການສໍາຫຼວດແມ່ນ Groves (2004) .

• ຜູ້ທີ່ຈະຂໍ (ພາກ 34)

ການປິ່ນປົວ book ຍາວຄລາສສິກຂອງການເກັບຕົວຢ່າງຈະເປັນມາດຕະຖານແລະການຄາດຄະເນແມ່ນ Lohr (2009) (ແນະນໍາເພີ່ມເຕີມ) ແລະ Särndal, Swensson, and Wretman (2003) (ກ້າວຫນ້າທາງດ້ານຫຼາຍ). ເປັນການປິ່ນປົວ book ຍາວຄລາສສິກຂອງການຕອບ stratification ແລະທີ່ກ່ຽວຂ້ອງວິທີການແມ່ນ Särndal and Lundström (2005) . ໃນຈໍານວນຫນຶ່ງການອາຍຸສູງສຸດດິຈິຕອນ, ນັກຄົ້ນຄວ້າຮູ້ທີ່ຂ້ອນຂ້າງນ້ອຍກ່ຽວກັບການຕອບແບບສອບຖາມທີ່ບໍ່ແມ່ນ, ທີ່ບໍ່ແມ່ນມັກທີ່ແທ້ຈິງໃນໄລຍະຜ່ານມາໄດ້. ຮູບແບບທີ່ແຕກຕ່າງກັນຂອງການປັບທີ່ບໍ່ແມ່ນການຕອບສະຫນອງທີ່ເປັນໄປໄດ້ໃນເວລາທີ່ນັກຄົ້ນຄວ້າມີຂໍ້ມູນກ່ຽວກັບທີ່ບໍ່ແມ່ນການຕອບສະຫນອງ (Kalton and Flores-Cervantes 2003; Smith 2011) .

ການສຶກສາ Xbox ຂອງ Wang et al. (2015) ການນໍາໃຊ້ເຕັກນິກທີ່ເອີ້ນວ່າ regression multilevel ແລະຕອບ stratification (MRP, ບາງຄັ້ງເອີ້ນວ່າ "Mister P") ທີ່ອະນຸຍາດໃຫ້ນັກຄົ້ນຄວ້າເພື່ອປະເມີນແຕ່ລະຫ້ອງຫມາຍຄວາມວ່າເຖິງແມ່ນວ່າໃນເວລາທີ່ມີຈໍານວນຫຼາຍ, ຈຸລັງຈໍານວນຫຼາຍ. ເຖິງແມ່ນວ່າມີການໂຕ້ວາທີກ່ຽວກັບຄຸນນະພາບຂອງການຄາດຄະເນຈາກວິທີການນີ້ໄດ້, ໃຫ້ມັນເບິ່ງຄືວ່າເປັນເຂດພື້ນທີ່ໂຄງການຂຸດຄົ້ນ. ເຕັກນິກດັ່ງກ່າວໄດ້ຖືກນໍາໃຊ້ຄັ້ງທໍາອິດໃນ Park, Gelman, and Bafumi (2004) , ແລະໄດ້ມີການນໍາໃຊ້ຕິດຕໍ່ແລະການໂຕ້ວາທີ (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) . ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບການເຊື່ອມຕໍ່ລະຫວ່າງນ້ໍາບຸກຄົນແລະນ້ໍາມືຖືທີ່ເບິ່ງ Gelman (2007) .

ສໍາລັບວິທີການອື່ນໆເພື່ອສໍາຫຼວດອັນນ້ໍາ, ເບິ່ງ Schonlau et al. (2009) , Valliant and Dever (2011) , ແລະ Bethlehem (2010) .

ຂໍ້ມູນຕົວຢ່າງທີ່ສະເຫນີໂດຍ Rivers (2007) . Bethlehem (2015) ລະບຸວ່າການປະຕິບັດການແຂ່ງຂັນຕົວຢ່າງໃນຕົວຈິງແລ້ວຈະຄ້າຍຄືກັນກັບວິທີການອື່ນໆຕົວຢ່າງ (ຕົວຢ່າງ, ການເກັບຕົວຢ່າງ stratified) ແລະວິທີການການປ່ຽນແປງອື່ນໆ (ຕົວຢ່າງ:, ໄປສະນີ, stratification). ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບຫມູ່ຄະນະອອນໄລນ໌, ເບິ່ງ Callegaro et al. (2014) .

ບາງຄັ້ງນັກຄົ້ນຄວ້າໄດ້ພົບເຫັນວ່າຕົວຢ່າງອາດຈະແລະຕົວຢ່າງທີ່ບໍ່ແມ່ນການຄາດຄະເນຜົນຜະລິດຄາດຄະເນຂອງຄຸນນະພາບທີ່ຄ້າຍຄືກັນ (Ansolabehere and Schaffner 2014) , ແຕ່ການປຽບທຽບອື່ນໆໄດ້ພົບເຫັນວ່າຕົວຢ່າງທີ່ບໍ່ແມ່ນການຄາດຄະເນເຮັດໄດ້ຮ້າຍແຮງ (Malhotra and Krosnick 2007; Yeager et al. 2011) . ຫນຶ່ງໃນເຫດຜົນທີ່ເປັນໄປໄດ້ສໍາລັບຄວາມແຕກຕ່າງເຫຼົ່ານີ້ແມ່ນວ່າຕົວຢ່າງທີ່ບໍ່ແມ່ນອາດຈະມີການປັບປຸງໃນໄລຍະທີ່ໃຊ້ເວລາ. ສໍາລັບການເບິ່ງໃນແງ່ຮ້າຍຫຼາຍຂອງວິທີການເກັບຕົວຢ່າງທີ່ບໍ່ແມ່ນການຄາດຄະເນເຫັນໄດ້ Task Force AAPOR ກ່ຽວກັບຕົວຢ່າງທີ່ບໍ່ແມ່ນການຄາດຄະເນ (Baker et al. 2013) , ແລະຂ້າພະເຈົ້າຍັງແນະນໍາໃຫ້ອ່ານຄວາມເຫັນທີ່ດັ່ງຕໍ່ໄປນີ້ບົດລາຍງານສະຫຼຸບສັງລວມໄດ້.

ສໍາລັບການດໍາເນີນທຸການວິເຄາະກ່ຽວກັບຜົນກະທົບຂອງນ້ໍາເພື່ອຫຼຸດຜ່ອນຄວາມລໍາອຽງໃນຕົວຢ່າງທີ່ບໍ່ແມ່ນຄວາມເປັນໄປໄດ້, ເບິ່ງຕາຕະລາງ 24 ໃນ Tourangeau, Conrad, and Couper (2013) , ຊຶ່ງນໍາໄປສູ່ຜູ້ຂຽນທີ່ຈະສະຫຼຸບ "ການປັບເບິ່ງຄືວ່າຈະເປັນປະໂຫຍດແຕ່ເຮັດຜິດການກວດແກ້. . . "

• ວິທີການຮ້ອງຂໍໃຫ້ (ສ່ວນ 35)

Conrad and Schober (2008) ສະຫນອງປະລິມານການແກ້ໄຂຫົວຂໍ້ envisioning ການສໍາພາດການສໍາຫຼວດຂອງອະນາຄົດ, ແລະມັນຢູ່ຈໍານວນຫຼາຍຂອງຮູບແບບທີ່ຢູ່ໃນພາກນີ້. Couper (2011) ການແກ້ໄຂຫົວຂໍ້ທີ່ຄ້າຍຄືກັນ, ແລະ Schober et al. (2015) ມີບໍລິການເປັນຕົວຢ່າງທີ່ດີຂອງວິທີການວິທີການເກັບກໍາຂໍ້ມູນທີ່ເຫມາະສົມກັບການສ້າງຕັ້ງໃຫມ່ສາມາດສົ່ງຜົນໃນການຂໍ້ມູນຄຸນນະພາບສູງ.

ສໍາລັບການຍົກຕົວຢ່າງທີ່ຫນ້າສົນໃຈຂອງການນໍາໃຊ້ກິດເຟສບຸກສໍາລັບການສໍາຫຼວດວິທະຍາສາດສັງຄົມ, ເບິ່ງ Bail (2015) .

ສໍາລັບຄໍາແນະນໍາເພີ່ມເຕີມກ່ຽວກັບການເຮັດໃຫ້ການສໍາຫຼວດປະສົບການໃຫ້ຄຶກຄື້ນແລະມີຄຸນຄ່າສໍາລັບຜູ້ເຂົ້າຮ່ວມ, ເບິ່ງການເຮັດວຽກກ່ຽວກັບການວິທີການ Tailored ການອອກແບບ (Dillman, Smyth, and Christian 2014) .

Stone et al. (2007) ສະຫນອງການປິ່ນປົວຍາວປື້ມບັນທຶກຂອງການປະເມີນຜົນ momentary ລະບົບນິເວດແລະວິທີການທີ່ກ່ຽວຂ້ອງ.

• ການສໍາຫຼວດການເຊື່ອມຕໍ່ກັບຂໍ້ມູນອື່ນໆ (ພາກ 36)

Judson (2007) ອະທິບາຍຂະບວນການໃນການສົມທົບການສໍາຫຼວດແລະຂໍ້ມູນການບໍລິຫານວ່າ "ການເຊື່ອມໂຍງຂໍ້ມູນຂ່າວສານ," ສົນທະນາໄດ້ປຽບບາງຢ່າງຂອງວິທີການນີ້, ແລະສະຫນອງຕົວຢ່າງ.

ວິທີການທີ່ນັກຄົ້ນຄວ້າສາມາດນໍາໃຊ້ຕາມຮອຍດິຈິຕອນແລະຂໍ້ມູນການບໍລິຫານອີກປະການຫນຶ່ງເປັນພາການເກັບຕົວຢ່າງສໍາລັບປະຊາຊົນທີ່ມີລັກສະນະສະເພາະ. ຢ່າງໃດກໍຕາມ, ການເຂົ້າເຖິງການບັນທຶກການເຫຼົ່ານີ້ຈະໄດ້ຮັບການນໍາໃຊ້ພາຕົວຢ່າງຍັງສາມາດສ້າງຄໍາຖາມທີ່ກ່ຽວຂ້ອງກັບຄວາມເປັນສ່ວນຕົວ (Beskow, Sandler, and Weinberger 2006) .

ກ່ຽວກັບການສະເຫນີຂໍຂະຫຍາຍວິທີການນີ້ບໍ່ແມ່ນໃຫມ່ຍ້ອນວ່າມັນອາດຈະປະກົດວ່າຈາກວິທີການຂ້າພະເຈົ້າໄດ້ອະທິບາຍມັນ. ວິທີການນີ້ມີການເຊື່ອມຕໍ່ລະສາມເຂດຂະຫນາດໃຫຍ່ໃນສະຖິຕິຮູບແບບທີ່ຕອບ stratification (Little 1993) , ການກ່າວຫາ (Rubin 2004) , ແລະການຄາດຄະເນເນື້ອທີ່ຂະຫນາດນ້ອຍ (Rao and Molina 2015) . ມັນຍັງກ່ຽວຂ້ອງກັບການນໍາໃຊ້ຂອງຕົວແປຕົວແທນໃນການວິໄຈທາງການແພດ (Pepe 1992) .

ນອກເຫນືອໄປຈາກບັນຫາດ້ານຈັນຍາບັນກ່ຽວກັບການເຂົ້າເຖິງຂໍ້ມູນການຕິດຕາມດິຈິຕອນ, ການສະເຫນີຂໍຂະຫຍາຍຍັງສາມາດຖືກນໍາໃຊ້ເພື່ອສະຫຼຸບລັກສະນະລະອຽດອ່ອນທີ່ປະຊາຊົນອາດຈະບໍ່ເລືອກທີ່ຈະເປີດເຜີຍໃຫ້ເຫັນໃນການສໍາຫຼວດ (Kosinski, Stillwell, and Graepel 2013) .

ຄ່າໃຊ້ຈ່າຍແລະທີ່ໃຊ້ເວລາຄາດຄະເນໃນ Blumenstock, Cadamuro, and On (2015) ກະສານເພີ່ມເຕີມໃຫ້ກັບຕົວແປຄ່າໃຊ້ຈ່າຍ, ຄ່າໃຊ້ຈ່າຍຂອງຫນຶ່ງຄ່າໃຊ້ຈ່າຍສໍາຫຼວດແລະເພີ່ມເຕີມບໍ່ປະກອບມີການສ້ອມແຊມດັ່ງກ່າວເປັນຄ່າໃຊ້ຈ່າຍໃນການເຮັດຄວາມສະອາດແລະການປຸງແຕ່ງຂໍ້ມູນການໂທໄດ້. ໂດຍທົ່ວໄປ, ການສະເຫນີຂໍຂະຫຍາຍອາດຈະມີຕົ້ນທຶນຄົງທີ່ສູງແລະຄ່າໃຊ້ຈ່າຍຂອງຕົວປ່ຽນແປງຕ່ໍາຄ້າຍຄືກັນກັບປະສົບການດິຈິຕອນ (ເບິ່ງບົດທີ 4). ລາຍລະອຽດເພີ່ມເຕີມກ່ຽວກັບຂໍ້ມູນທີ່ນໍາໃຊ້ໃນ Blumenstock, Cadamuro, and On (2015) ເອກະສານຢູ່ໃນ Blumenstock and Eagle (2010) ແລະ Blumenstock and Eagle (2012) . ວິທີການຈາກຫຼາຍ imputuation (Rubin 2004) ອາດຈະຊ່ວຍໃຫ້ຄວາມບໍ່ແນ່ນອນ capture ໃນການຄາດຄະເນຈາກການສະເຫນີຂໍຂະຫຍາຍ. ຖ້າຫາກວ່ານັກຄົ້ນຄວ້າດໍາເນີນການຂະຫຍາຍການສະເຫນີຂໍພຽງແຕ່ບົວລະບັດໃນກ່ຽວກັບການນັບລວມ, ແທນທີ່ຈະກ່ວາລັກສະນະສ່ວນບຸກຄົນໃນລະດັບ, ຫຼັງຈາກນັ້ນວິທີການໃນ King and Lu (2008) ແລະ Hopkins and King (2010) ອາດຈະເປັນປະໂຫຍດ. ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບວິທີການຮຽນຮູ້ຂອງເຄື່ອງໃນ Blumenstock, Cadamuro, and On (2015) , ເຫັນ James et al. (2013) (ແນະນໍາເພີ່ມເຕີມ) ຫຼື Hastie, Tibshirani, and Friedman (2009) (ກ້າວຫນ້າທາງດ້ານຫຼາຍ). ທີ່ປື້ມແບບຮຽນການຮຽນຮູ້ເຄື່ອງອີກປະການຫນຶ່ງແມ່ນ Murphy (2012) .

ກ່ຽວກັບການສະເຫນີຂໍອຸດົມ, ຜົນໄດ້ຮັບໃນ Ansolabehere ແລະ Hersh ໄດ້ (2012) hinge ໃນສອງຂັ້ນຕອນທີ່ສໍາຄັນ: 1) ຄວາມສາມາດຂອງ Catalist ໃນການສົມທົບຈໍານວນຫຼາຍແຫຼ່ງຂໍ້ມູນທີ່ແຕກຕ່າງກັນເພື່ອຜະລິດແຟ້ມຂໍ້ມູນຕົ້ນສະບັບທີ່ຖືກຕ້ອງແລະ 2) ຄວາມສາມາດຂອງ Catalist ການເຊື່ອມຕໍ່ຂໍ້ມູນການສໍາຫຼວດໃນການ ຕົ້ນສະບັບແຟ້ມຂໍ້ມູນຂອງຕົນ. ເພາະສະນັ້ນ, Ansolabehere ແລະ Hersh ກວດສອບແຕ່ລະຂັ້ນຕອນເຫຼົ່ານີ້ລະມັດລະວັງ.

ການສ້າງແຟ້ມຂໍ້ມູນຕົ້ນສະບັບ, Catalist ລວມແລະ harmonizes ຂໍ້ມູນຈາກແຫຼ່ງຂໍ້ມູນທີ່ແຕກຕ່າງກັນຫຼາຍຢ່າງລວມທັງ: ການບັນທຶກການລົງຄະແນນສຽງຫລາຍພາບຖ່າຍຈາກແຕ່ລະລັດ, ຂໍ້ມູນຈາກຫ້ອງການໄປສະນີຂອງການປ່ຽນແປງແຫ່ງຊາດທີ່ຢູ່ Registry, ແລະຂໍ້ມູນຈາກຜູ້ໃຫ້ບໍລິການຄ້າອື່ນໆຍັງບໍ່ລະບຸ. ລາຍລະອຽດເຕັມໄປດ້ວຍເລືອດກ່ຽວກັບວິທີການທັງຫມົດຄວາມສະອາດນີ້ແລະການລວມທີ່ເກີດຂຶ້ນເກີນຂອບເຂດຂອງບັນນີ້, ແຕ່ຂະບວນການນີ້, ເລື່ອງທີ່ບໍ່ມີວິທີການລະມັດລະວັງ, ທີ່ຈະຂະຫຍາຍຄວາມຜິດພາດໃນແຫລ່ງຂໍ້ມູນຕົ້ນສະບັບແລະຈະແນະນໍາໃຫ້ຄວາມຜິດພາດ. ເຖິງແມ່ນວ່າ Catalist ແມ່ນມຸ່ງຫມັ້ນທີ່ຈະປຶກສາຫາລືການປະມວນຜົນຂໍ້ມູນຂອງຕົນແລະສະຫນອງຂໍ້ມູນບາງສ່ວນເປັນວັດຖຸດິບຂອງຕົນ, ມັນເປັນໄປບໍ່ໄດ້ພຽງແຕ່ສໍາລັບການຄົ້ນຄ້ວາການທົບທວນຄືນທັງຫມົດ Catalist ທໍ່ຂໍ້ມູນ. ແນ່ນອນວ່າ, ນັກຄົ້ນຄວ້າໄດ້ໃນສະຖານະທີ່ເອກະສານຂໍ້ມູນ Catalist ໄດ້ບາງທີ່ບໍ່ຮູ້ຈັກ, ແລະບາງທີອາດຮູ້ຈັກໄດ້ຈໍານວນຂອງຄວາມຜິດພາດເປັນ. ນີ້ແມ່ນຄວາມເປັນຫ່ວງທີ່ຮຸນແຮງເພາະຄວາມສໍາຄັນເປັນອາດຈະຄາດເດົາວ່າຄວາມແຕກຕ່າງກັນລະຫວ່າງບົດລາຍງານການສໍາຫຼວດກ່ຽວກັບ CCES ແລະພຶດຕິກໍາໃນໄຟລ​​໌ຂໍ້ມູນຕົ້ນສະບັບ Catalist ທີ່ໄດ້ເກີດມາຈາກຄວາມຜິດພາດໃນເອກະສານຂໍ້ມູນຕົ້ນສະບັບ, ບໍ່ໄດ້ໂດຍ misreporting ໂດຍຕອບ.

Ansolabehere ແລະ Hersh ໄດ້ສອງວິທີທີ່ແຕກຕ່າງກັນເພື່ອແກ້ໄຂຄວາມກັງວົນມີຄຸນະພາບຂໍ້ມູນ. ຫນ້າທໍາອິດ, ໃນນອກເຫນືອໄປຈາກການປຽບທຽບລົງຄະແນນສຽງຂອງຕົນເອງ, ບົດລາຍງານທີ່ຈະລົງຄະແນນສຽງໃນເອກະສານຕົ້ນສະບັບ Catalist, ນັກຄົ້ນຄວ້າໄດ້ຍັງທຽບພັກຕົນເອງ, ບົດລາຍງານ, ເຊື້ອຊາດ, ການຈົດທະບຽນຜູ້ລົງຄະແນນ (ຕົວຢ່າງ, ການຈົດທະບຽນຫຼືບໍ່ຈົດທະບຽນ) ແລະວິທີການລົງຄະແນນສຽງ (ຕົວຢ່າງ, ຢູ່ໃນບຸກຄົນ, ການຂາດ ລົງຄະແນນສຽງ, ແລະອື່ນໆ) ກັບຄຸນຄ່າທີ່ພົບເຫັນຢູ່ໃນຖານຂໍ້ມູນ Catalist. ສໍາລັບການປ່ຽນແປງເຫຼົ່ານີ້ສີ່ຂອງພົນລະເມືອງ, ນັກຄົ້ນຄວ້າໄດ້ພົບເຫັນໃນລະດັບຕົວສູງຂຶ້ນຫຼາຍຂອງສັນຍາລະຫວ່າງບົດລາຍງານການສໍາຫຼວດແລະຂໍ້ມູນໃນເອກະສານຕົ້ນສະບັບ Catalist ກ່ວາສໍາລັບການລົງຄະແນນສຽງ. ດັ່ງນັ້ນ, ໃນ Catalist ໄຟລ໌ຂໍ້ມູນຕົ້ນສະບັບປະກົດວ່າມີຂໍ້ມູນຄຸນນະພາບສູງສໍາລັບການລັກສະນະອື່ນໆກ່ວ​​າການເລືອກຕັ້ງ, ແນະນໍາວ່າມັນບໍ່ແມ່ນຂອງຄຸນນະພາບໂດຍລວມທີ່ທຸກຍາກ. ຄັ້ງທີສອງ, ໃນພາກສ່ວນການນໍາໃຊ້ຂໍ້ມູນຈາກ Catalist, Ansolabehere ແລະ Hersh ການພັດທະນາສາມມາດຕະການທີ່ແຕກຕ່າງກັນຄຸນນະພາບຂອງການບັນທຶກການ county ລົງຄະແນນສຽງ, ແລະພວກເຂົາເຈົ້າໄດ້ພົບເຫັນວ່າອັດຕາການຄາດຄະເນຂອງໃນໄລຍະການລາຍງານຂອງການເລືອກຕັ້ງນີ້ແມ່ນເປັນທີ່ບໍ່ກ່ຽວຂ້ອງກັບການໃດໆຂອງເຫຼົ່ານີ້ມາດຕະການທີ່ມີຄຸນະຂໍ້ມູນ, ການຄົ້ນພົບທີ່ ຊີ້ໃຫ້ເຫັນວ່າອັດຕາການໃນໄລຍະການລາຍງານຍັງບໍ່ໄດ້ຖືກຂັບເຄື່ອນໂດຍການປົກຄອງທີ່ມີຄຸນນະພາບຂໍ້ມູນຕ່ໍາຜິດປົກກະຕິ.

ໄດ້ຮັບການສ້າງເອກະສານການເລືອກຕັ້ງຕົ້ນສະບັບນີ້, ແຫຼ່ງທີສອງຂອງການຜິດພາດທີ່ອາດຖືກເຊື່ອມຕໍ່ການບັນທຶກການສໍາຫຼວດຕໍ່ກັບມັນ. ສໍາລັບການຍົກຕົວຢ່າງ, ຖ້າຫາກວ່າການເຊື່ອມຕໍ່ນີ້ຈະເຮັດບໍ່ຖືກຕ້ອງມັນຈະສາມາດນໍາໄປສູ່ການໃນໄລຍະການຄາດຄະເນຂອງຄວາມແຕກຕ່າງກັນລະຫວ່າງການລາຍງານແລະການກວດສອບພຶດຕິກໍາການລົງຄະແນນສຽງ (Neter, Maynes, and Ramanathan 1965) . ຖ້າຫາກວ່າທຸກຄົນມີຄວາມຫມັ້ນຄົງ, ລະບຸເປັນເອກະລັກທີ່ຢູ່ໃນແຫຼ່ງຂໍ້ມູນທັງສອງ, ຫຼັງຈາກນັ້ນການເຊື່ອມຕໍ່ຈະເປັນ trivial. ໃນສະຫະລັດແລະປະເທດອື່ນໆ, ຢ່າງໃດກໍຕາມ, ບໍ່ມີການລະບຸວິທະຍາໄລ. ນອກຈາກນັ້ນ, ເຖິງແມ່ນວ່າມີການດັ່ງກ່າວປະຊາຊົນລະບຸອາດຈະລັງເລທີ່ຈະໃຫ້ມັນກັບການສໍາຫລວດຄົ້ນຄ້ວາ! ດັ່ງນັ້ນ, Ca​​talist ໄດ້ເຮັດການເຊື່ອມຕໍ່ການນໍາໃຊ້ຕົວລະບຸບໍ່ສົມບູນແບບ, ໃນກໍລະນີນີ້ສີ່ຕ່ອນຂອງຂໍ້ມູນກ່ຽວກັບແຕ່ລະຜູ້ຕອບ: ຊື່, ບົດບາດຍິງຊາຍ, ປີເກີດ, ແລະທີ່ຢູ່ເຮືອນ. ສໍາລັບການຍົກຕົວຢ່າງ, Catalist ໄດ້ຕັດສິນໃຈຖ້າຫາກວ່າ Homie J Simpson ໃນ CCES ແມ່ນບຸກຄົນທີ່ເຊັ່ນດຽວກັນກັບ Homer Jay Simpson ໃນໄຟລ​​໌ຂໍ້ມູນຕົ້ນສະບັບຂອງເຂົາເຈົ້າ. ໃນການປະຕິບັດ, ຂໍ້ມູນເປັນຂະບວນການມີຄວາມຫຍຸ້ງຍາກແລະ messy, ແລະ, ເພື່ອເຮັດໃຫ້ບັນຫາຮ້າຍແຮງກວ່າເກົ່າສໍາລັບນັກຄົ້ນຄວ້າໄດ້, Catalist ພິຈາລະນາເຕັກນິກຂໍ້ມູນຂອງຕົນໃນການຈະບັດ.

ໃນຄໍາສັ່ງທີ່ຈະກວດສອບຂັ້ນຕອນວິທີການຈັບຄູ່ທີ່ພວກເຂົາອາໄສຢູ່ໃນທັງສອງສິ່ງທ້າທາຍ. ຫນ້າທໍາອິດ, Catalist ເຂົ້າຮ່ວມໃນການແຂ່ງຂັນທີ່ໄດ້ດໍາເນີນການໂດຍເປັນເອກະລາດ, ພາກສ່ວນທີສາມ: The MITRE Corporation. MITRE ສະຫນອງໃຫ້ຜູ້ເຂົ້າຮ່ວມທັງຫມົດສອງໄຟລ໌ຂໍ້ມູນທີ່ມີສຽງດັງໄດ້ຮັບການຈັບຄູ່, ແລະທີມງານທີ່ແຕກຕ່າງກັນການແຂ່ງຂັນທີ່ຈະກັບຄືນໄປ MITRE ການແຂ່ງຂັນທີ່ດີທີ່ສຸດ. ເນື່ອງຈາກວ່າ MITRE ຕົວຂອງມັນເອງຮູ້ວ່າການແຂ່ງຂັນທີ່ຖືກຕ້ອງພວກເຂົາເຈົ້າໄດ້ສາມາດໃຫ້ຄະແນນທີມງານ. ຂອງ 40 ບໍລິສັດທີ່ເຂົ້າຮ່ວມແຂ່ງຂັນ, Ca​​talist ມາໃນສະຖານທີ່ທີສອງ. ປະເພດຂອງເອກະລາດ, ການປະເມີນຜົນພາກສ່ວນທີສາມຂອງເຕັກໂນໂລຊີຕ່າງໆນີ້ແມ່ນຂ້ອນຂ້າງຫາຍາກແລະທີ່ມີຄຸນຄ່າຢ່າງບໍ່ຫນ້າເຊື່ອ ມັນຄວນຈະໃຫ້ພວກເຮົາຫມັ້ນໃຈວ່າຂັ້ນຕອນໂຍບາຍຄວາມລັບ Catalist ແມ່ນເປັນສິ່ງຈໍາເປັນທີ່ລັດຂອງການສິນລະປະ. ແຕ່ແມ່ນຂອງລັດຂອງການສິນລະປະທີ່ດີພຽງພໍ? ນອກເຫນືອໄປຈາກການແຂ່ງຂັນນີ້, Ansolabehere ແລະ Hersh ສ້າງສິ່ງທີ່ທ້າທາຍໂຍບາຍຄວາມລັບຂອງເຂົາເຈົ້າເອງສໍາລັບການ Catalist. ຈາກໂຄງການກ່ອນຫນ້ານັ້ນ, Ansolabehere ແລະ Hersh ໄດ້ເກັບກໍາການບັນທຶກການອອກສຽງເລືອກຕັ້ງຈາກ Florida. ພວກເຂົາເຈົ້າສະຫນອງໃຫ້ບາງສ່ວນຂອງການບັນທຶກການເຫຼົ່ານີ້ມີບາງຂອງທົ່ງນາຂອງເຂົາເຈົ້າ REDACTED ກັບ Catalist ແລະເມື່ອທຽບໃສ່ບົດລາຍງານ Catalist ຂອງນາເຫຼົ່ານີ້ກັບຄຸນຄ່າທີ່ແທ້ຈິງຂອງເຂົາເຈົ້າຫຼັງຈາກນັ້ນ. ໂຊກດີ, ບົດລາຍງານ Catalist ຂອງທີ່ໄດ້ໃກ້ຊິດກັບຄຸນຄ່າບໍ່ຍອມໃຫ້ໄດ້, ຊີ້ໃຫ້ເຫັນວ່າ Catalist ສາມາດມີຄໍາວ່າການບັນທຶກການອອກສຽງເລືອກຕັ້ງບາງສ່ວນໃສ່ເອກະສານຂໍ້ມູນຕົ້ນສະບັບຂອງເຂົາເຈົ້າ. ເຫຼົ່ານີ້ທັງສອງສິ່ງທ້າທາຍ, ຫນຶ່ງໂດຍພາກສ່ວນທີສາມແລະຫນຶ່ງ Ansolabehere ແລະ Hersh, ໃຫ້ພວກເຮົາຫມັ້ນໃຈໃນສູດການຄິດໄລ່ມູນ Catalist, ເຖິງແມ່ນວ່າພວກເຮົາບໍ່ສາມາດທົບທວນຄືນການປະຕິບັດຄືກັນອ້ອຍຕ້ອຍຂອງເຂົາເຈົ້າເອງ.

ໄດ້ມີຄວາມພະຍາຍາມກ່ອນຫນ້ານີ້ຫລາຍໃນການກວດສອບລົງຄະແນນສຽງ. ສໍາລັບສະພາບລວມຂອງວັນນະຄະດີວ່າ, ເບິ່ງ Belli et al. (1999) , Berent, Krosnick, and Lupia (2011) , Ansolabehere and Hersh (2012) , ແລະ Hanmer, Banks, and White (2014) .

ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະສັງເກດວ່າເຖິງແມ່ນວ່າໃນກໍລະນີນີ້ນັກຄົ້ນຄວ້າໄດ້ສະຫນັບສະຫນູນຄຸນນະພາບຂອງຂໍ້ມູນຈາກ Catalist ການປະເມີນຜົນຂອງຜູ້ຂາຍການຄ້າໄດ້ກະຕືລືລົ້ນຫນ້ອຍ. ນັກຄົ້ນຄວ້າໄດ້ພົບເຫັນຄຸນນະພາບດີໃນເວລາທີ່ຂໍ້ມູນຈາກການສໍາຫຼວດເພື່ອເປັນເອກະສານຜູ້ບໍລິໂພກຈາກການຕະຫຼາດລະບົບກຸ່ມ (ທີ່ຕົວຂອງມັນເອງລວມກັນຂໍ້ມູນຈາກສາມຜູ້ໃຫ້ບໍລິ: Acxiom, Experian, ແລະ InfoUSA) (Pasek et al. 2014) . ນັ້ນແມ່ນ, ເອກະສານຂໍ້ມູນທີ່ບໍ່ມີຄໍາວ່າການຕອບສະຫນອງການສໍາຫຼວດທີ່ນັກຄົ້ນຄວ້າຄາດວ່າຈະຖືກຕ້ອງ, ແຟ້ມຂໍ້ມູນໄດ້ຂໍ້ມູນສໍາລັບການຈໍານວນຂະຫນາດໃຫຍ່ຂອງຄໍາຖາມ, ແລະຮູບແບບຂໍ້ມູນທີ່ຂາດຫາຍໄປທີ່ຂາດຫາຍໄປມີຄວາມສໍາພັນກັບການລາຍງານມູນຄ່າການສໍາຫຼວດ (ໃນຄໍາສັບຕ່າງໆອື່ນໆຂໍ້ມູນທີ່ຂາດຫາຍໄປແມ່ນເປັນລະບົບ , ບໍ່ເຫັນ).

ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບການບັນທຶກການເຊື່ອມຕໍ່ລະຫວ່າງການສໍາຫຼວດແລະຂໍ້ມູນການບໍລິຫານ, ເບິ່ງ Sakshaug and Kreuter (2012) ແລະ Schnell (2013) . ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບການບັນທຶກການເຊື່ອມຕໍ່ໂດຍທົ່ວໄປ, ເບິ່ງ Dunn (1946) ແລະ Fellegi and Sunter (1969) (ປະຫວັດສາດ) ແລະ Larsen and Winkler (2014) (ທັນສະໄຫມ). ວິທີການທີ່ຄ້າຍຄືກັນຍັງໄດ້ຮັບການພັດທະນາໃນວິທະຍາສາດຄອມພິວເຕີພາຍໃຕ້ຊື່ເຊັ່ນ: ການຄັດລອກຂໍ້ມູນ, ການກໍານົດການຍົກຕົວຢ່າງ, ຊື່ໂຍບາຍຄວາມລັບ, ການຊອກຄົ້ນຫາທີ່ຊ້ໍາ, ແລະຊ້ໍາການບັນທຶກການຊອກຄົ້ນຫາ (Elmagarmid, Ipeirotis, and Verykios 2007) . ກໍຍັງມີຄວາມເປັນສ່ວນຕົວປົກປັກຮັກສາວິທີການເພື່ອບັນທຶກການເຊື່ອມຕໍ່ທີ່ບໍ່ຕ້ອງການລະບົບສາຍສົ່ງຂອງສ່ວນບຸກຄົນກໍານົດຂໍ້ມູນຂ່າວສານ (Schnell 2013) . ນັກຄົ້ນຄວ້າຢູ່ເຟສບຸກພັດທະນາຂັ້ນຕອນກ່ຽວກັບ probabilisticsly ເຊື່ອມຕໍ່ການບັນທຶກການຂອງເຂົາເຈົ້າກັບການປະພຶດລົງຄະແນນສຽງ (Jones et al. 2013) ; ການເຊື່ອມຕໍ່ນີ້ແມ່ນເພື່ອປະເມີນຜົນການທົດລອງທີ່ຂ້າພະເຈົ້າຈະບອກທ່ານກ່ຽວກັບໃນບົດທີ 4 (Bond et al. 2012) .

ຕົວຢ່າງຂອງການເຊື່ອມຕໍ່ເປັນການສໍາຫຼວດທາງດ້ານສັງຄົມຂະຫນາດໃຫຍ່ເພື່ອການບັນທຶກການບໍລິຫານຂອງລັດຖະບານອີກປະການຫນຶ່ງມາຈາກສຸຂະພາບແລະການສໍາຫຼວດບໍານານແລະການປະກັນສັງຄົມ. ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບການສຶກສາທີ່, ລວມທັງຂໍ້ມູນກ່ຽວກັບຂັ້ນຕອນການໃຫ້ໄດ້, ເບິ່ງ Olson (1996) ແລະ Olson (1999) .

ຂະບວນການຂອງການລວມແຫຼ່ງຂໍ້ມູນຈໍານວນຫຼາຍຂອງການບັນທຶກການບໍລິຫານເປັນຕົ້ນສະບັບແຟ້ມຂໍ້ມູນ, ຂະບວນການທີ່ Catalist ພະນັກງານ, ພົບທົ່ວໄປໃນຫ້ອງການສະຖິຕິຂອງລັດຖະບານແຫ່ງຊາດ. ສອງນັກຄົ້ນຄວ້າຈາກສະຖິຕິສວີເດນໄດ້ລາຍລັກອັກສອນເປັນຫນັງສືທີ່ລະອຽດກ່ຽວກັບກະທູ້ (Wallgren and Wallgren 2007) . ສໍາລັບຕົວຢ່າງຂອງວິທີການນີ້ໃນ county ດຽວໃນປະເທດສະຫະລັດອະເມລິກາ (Olmstead County, Minnesota, ເຮືອນຂອງ Mayo Clinic), ເບິ່ງ Sauver et al. (2011) . ສໍາລັບການເພີ່ມເຕີມກ່ຽວກັບຄວາມຜິດພາດທີ່ສາມາດປາກົດຢູ່ໃນບັນທຶກການບໍລິຫານ, ເບິ່ງ Groen (2012) .