Įmonės veiklos sritys

raktas:

  • sudėtingumo laipsnį: lengva lengvas , vidutinio vidutinis , sunku sunku , labai sunku labai sunku
  • reikia matematikos ( reikalauja matematikos )
  • reikalauja kodavimo ( reikalauja kodavimo )
  • duomenų rinkimas ( duomenų rinkimas )
  • Mano mėgstamiausi ( Mano mėgstamiausias )
  1. [ sunku , reikalauja matematikos ] Skyriuje, man buvo labai palankiai atsiliepė apie post-stratifikacija. Tačiau, ji ne visada pagerinti įvertinimų kokybę. Nubraižykite situacija, kai gali po stratifikacija gali sumažinti įvertinimų kokybę. (Dėl užuominą žr Thomsen (1973) ).

  2. [ sunku , duomenų rinkimas , reikalauja kodavimo ] Dizainas ir atlikti netikimybinėje apklausą apie Amazonės MTurk paklausti apie šaunamųjų ginklų nuosavybe ( "Ar tu, ar kas nors Jūsų šeimoje, savo ginklą, šautuvas ar pistoletas? Ar, kad jūs ar kas nors kitas Jūsų namų ūkyje?") Ir požiūris į ginklų kontrolės ( "Ką jūs manote yra svarbesnis-apsaugoti amerikiečių teisę turėti ginklus, arba kontroliuoti šaunamųjų ginklų nuosavybe?").

    1. Kiek laiko jūsų apklausa imtis? Kiek tai kainuoja? Kaip jūsų mėginio demografija palyginti su JAV gyventojų demografija?
    2. Kas yra žalias įvertis šaunamųjų ginklų nuosavybe naudodami savo pavyzdį?
    3. Teisingas už ne reprezentatyvumo savo mėginį po stratifikacijos ar kita technika. Dabar kas yra šaunamųjų ginklų nuosavybe sąmata?
    4. Kaip jūsų įvertinimus, palyginti su naujausia sąmatą Pew Research Center? Ką manote paaiškinti neatitikimų, jei yra kokių nors?
    5. Pakartokite pratimą 2-5 už požiūrio į ginklų kontrolės. Kaip savo išvados skiriasi?
  3. [ labai sunku , duomenų rinkimas , reikalauja kodavimo ] Goel ir kolegos (2016) , pavartojusių ne tikimybė, remiantis apklausa, kurią sudaro 49 daugkartinio pasirinkimo sudarytas iš bendrojo socialinio tyrimo (GSS) ir pasirinkite apklausas Pew Research Center "Amazon MTurk požiūrio klausimus. Jie tada nustatykite už ne reprezentatyvumo duomenų naudojant modelio pagrindu post-stratifikacija (p P), ir palyginti pakoreguotas prognozes su tais, apskaičiuotas naudojant tikimybių pagrindu GSS / Pew apklausas. Atlikti patį tyrimą MTurk ir bandyti atkartoti 2a paveiksle ir 2b pav lyginant savo pataisytus vertinimus apskaičiuotoms nuo naujausių raundų GSS / Pew (Žr priedėlį A2 lentelę už 49 klausimų sąrašą).

    1. Palyginti ir sugretinti savo rezultatus su rezultatais iš Pew ir GSS.
    2. Palyginti ir sugretinti savo rezultatus su rezultatais iš MTurk tyrimo Goel, Obeng, and Rothschild (2016) .
  4. [ vidutinis , duomenų rinkimas , reikalauja kodavimo ] Daugelis tyrimų naudoti savarankiškai ataskaitų priemones mobiliųjų telefonų paplitimo duomenimis. Tai įdomi aplinka, kurioje mokslininkai gali palyginti savarankiškai pranešė elgesį su Prisijungęs elgesį (žr pvz Boase and Ling (2013) ). Dvi bendros elgesio paklausti apie skambinate ir text ir dviejų bendrų terminų yra "vakar" ir "praeitą savaitę."

    1. Prieš renkant jokių duomenų, kuris iš savęs ataskaitos priemonės manai yra tikslesnė? Kodėl?
    2. Įdarbinti 5 savo draugams, kad jūsų apklausoje. Prašome trumpai apibendrinti, kaip šie 5 draugai buvo atrinkta. Gali tai ėmimo procedūra sukelia specifines paklaidas jūsų vertinimais?
    3. Paprašykite juos taip mikro apklausa:
    • "Kiek kartų jūs naudojate mobilųjį telefoną skambinti kitiems vakar?"
    • "Kiek teksto pranešimai tu siųsti vakar?"
    • "Kiek kartų jūs naudojate savo mobilųjį telefoną skambinti kitiems per pastarąsias septynias dienas?"
    • "Kiek kartų jūs naudojate savo mobilųjį telefoną siųsti arba gauti teksto pranešimus / SMS pastarąsias septynias dienas?" Kai apklausa baigta, kreipkitės patikrinti savo naudojimo duomenis prisijungęs jų telefono ar paslaugų teikėjo.
    1. Kaip veikia savarankiškai ataskaita naudojimas, palyginti su prisijungimo duomenis? Kuris yra pats tiksliausias, kuris yra bent teisingas?
    2. Dabar sujungti duomenis, kad jūs turite surinkti su duomenimis iš kitų žmonių savo klasėje (jei darai ši veikla klasėje). Su šiuo didesnių rinkinį, pakartokite (D) dalį.
  5. [ vidutinis , duomenų rinkimas ] Šumano ir Spaudos (1996) teigia, kad klausimas užsakymai būtų klausimas dėl dviejų tipų santykių klausimus: darbo dalyje pateikti klausimai, kai du klausimai yra tame pačiame lygyje specifiškumo (pavyzdžiui, reitingai dviejų kandidatų į prezidentus); ir ne visą darbo sveiki klausimai kai bendras klausimas išvardytos toliau konkretesnį klausimą (pvz klausia: "Ar esate patenkintas jums su jūsų darbe?", po kurios "Kaip jums patiko jūsų gyvenime?").

    Jie papildomai apibūdinti dviejų tipų klausimas užsakymo poveikis: nuoseklumo poveikis atsiranda, kai atsakas į vėlesniame klausimą yra priartintos (nei jie kitaip būtų), kurie nurodyti į ankstesnį klausimą; kontrastuoja poveikis pasireiškia, kai yra didesni skirtumai tarp atsakymų į du klausimus.

    1. Sukurti klausimų darbo dalis, kad jūs manote, turės didelį klausimas užsakymo poveikį, Europa dalis-visuma klausimų, kad jūs manote, turės didelį užsakymą poveikį pora, o kitas klausimų, kurių siekiant manote būtų nesvarbu pora pora. Pradėti apklausą eksperimentą MTurk, norėdami išbandyti savo klausimus.
    2. Kaip didelis buvo darbo dalis poveikis buvo tu gali sukurti? Ar tai buvo nuoseklumas ar kontrasto efektas?
    3. Kaip didelis buvo dalis-visas efektas jums buvo suteikta galimybė sukurti? Ar tai buvo nuoseklumas ar kontrasto efektas?
    4. Ten buvo klausimas Kad poveikis Jūsų porą, kur jūs ne manote, pavedimas būtų svarbu?
  6. [ vidutinis , duomenų rinkimas ] Remiantis iš Šumano ir Presserio, darbo Moore (2002) apibūdina atskirą aspektą klausimas užsakymo poveikis: priedas ir atimtiniam. Nors kontrasto ir nuoseklumas poveikis yra gaminami kaip respondentų vertinimų dviejų elementų pasekmė viena kitos atžvilgiu, priedus ir atimama poveikis yra gaminami, kai respondentai labiau jautrus didesniam sistemą, per kurį klausimai kelia. Skaityti Moore (2002) , tada sukurti ir paleisti apklausos eksperimentą MTurk įrodyti priedo arba atimama poveikį.

  7. [ sunku , duomenų rinkimas ] Christopheris Antoun ir kolegos (2015) atliko tyrimą, lyginant patogumą mėginius, gautus iš keturių skirtingų internetinių įdarbinti šaltinių: MTurk, Craigslist, Google AdWords ir Facebook. Sukurti paprastą apklausą ir įdarbinti dalyvius per mažiausiai dviejų skirtingų interneto įdarbinti šaltinių (jie gali būti skirtingi šaltiniai iš keturių šaltinių naudojamų Antoun et al. (2015) ).

    1. Palyginti išlaidos vienam įdarbinti, kalbant apie pinigų ir laiko, skirtingų šaltinių.
    2. Palyginti mėginių, gautų iš įvairių šaltinių sudėtį.
    3. Lyginti duomenis tarp mėginių kokybę. Idėjų apie tai, kaip matuoti duomenų kokybę nuo respondentų, žr Schober et al. (2015) .
    4. Kokia jūsų pageidautinas šaltinis? Kodėl?
  8. [ vidutinis ] YouGov, interneto pagrindu rinkos tyrimų bendrovė, atliko internetu apklausas iš maždaug 800.000 respondentų Jungtinėje Karalystėje skydelyje ir naudojami p P. prognozuoti ES referendumo (ty Brexit) Rezultatas kur UK rinkėjai balsuoti arba išlikti arba palikti Europos Sąjungą.

    Išsamus aprašymas YouGov statistikos modeliu yra čia (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Grubiai tariant, YouGov pertvaros rinkėjus į tipus remiantis 2015 visuotiniai rinkimai balsavimas pasirinkimas, amžių, kvalifikaciją, lytį, data interviu, taip pat apygardos jie gyvena. Pirma, jie naudojami surinktų iš YouGov kolegijos duomenis įvertinti, tarp tų, kurie kas balsuos, žmonių kiekvieno rinkėjo tipo, kurie ketina balsuoti atostogos dalis. Jie apskaičiavo, rinkėjų kiekvieno rinkėjo tipą naudojant 2015 britų rinkimų tyrimas (BES) Porinkiminis akis į akį tyrimo, kuris patvirtintas rinkėjų iš rinkėjų sąrašus. Galiausiai, jie apskaičiavo, kiek žmonių yra kiekvieno rinkėjo tipo elektorato remiasi naujausiais gyventojų surašymo ir metinis gyventojų apklausa (su kai kuriomis papildymo informaciją iš BES, YouGov tyrimo duomenys iš viso visuotinius rinkimus, ir informacija apie tai, kaip daug žmonių balsavo už kiekviena šalis kiekvienai apygardoje).

    Trijų dienų iki balsavimo, YouGov parodė dviejų taškų pranašumą už atostogas. Dėl balsavimo išvakarėse apklausa parodė per arti skambinti (49-51 likti). Galutinis on-the-dieną tyrimas prognozavo, 48/52 naudai likti (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). Tiesą sakant, ši sąmata praleidau galutinį rezultatą (52-48 atostogose) keturiais procentiniais punktais.

    1. Naudokite visą apklausa klaidos sistemą aptarta šiame skyriuje įvertinti, kas galėjo būti negerai.
    2. YouGov atsakas po rinkimų (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/~~HEAD=pobj) paaiškino: "Tai atrodo per didele dalimi dėl to rinkimuose - kažką, kad sakėme visi kartu būtų labai svarbu tokio smulkiai subalansuotos rasės rezultatus. Mūsų rinkimuose modelis buvo pagrįstas iš dalies, ar respondentų balsavo paskutinę visuotinius rinkimus ir rinkėjų aktyvumas lygis aukštesnis už visuotinių rinkimų nusiminusi modelį, ypač į šiaurę. "Ar tai pakeisti savo atsakymą į dalis (a)?
  9. [ vidutinis , reikalauja kodavimo ] Rašyti modeliavimas iliustruoti kiekvieną iš atstovavimo klaidų 3.1 paveiksle.

    1. Sukuria situaciją, kai šios klaidos iš tikrųjų panaikintų.
    2. Sukuria situaciją, kai klaidos papildo vienas kitą.
  10. [ labai sunku , reikalauja kodavimo ] Iš Blumenstock ir kolegų tyrimas (2015) dalyvauja kuriant mašina mokymosi modelį, kuris galėtų naudoti skaitmeninius pėdsakus duomenis prognozuoti tyrimo atsakymus. Dabar, jūs ketinate išbandyti tą patį su kitu rinkinį. Kosinski, Stillwell, and Graepel (2013) nustatė, kad "Facebook" sako, kad patinka galime prognozuoti individualūs bruožai ir savybės. Keista, šios prognozės gali būti dar tikslesni nei draugų ir kolegų (Youyou, Kosinski, and Stillwell 2015) .

    1. Skaityti Kosinski, Stillwell, and Graepel (2013) , ir atkartoti 2 pav savo duomenis rasite čia: http://mypersonality.org/
    2. Dabar atkartoti 3 pav.
    3. Galiausiai, pabandykite savo modelį savo Facebook duomenis: http://applymagicsauce.com/. Kaip gerai jis veikia už jus?
  11. [ vidutinis ] Toole et al. (2015) naudojimas skambutis išsamiai įrašai (CDR) iš mobiliesiems telefonams prognozuoti bendrus nedarbo tendencijos.

    1. Palyginti ir sugretinti dizaino Toole et al. (2015) su Blumenstock, Cadamuro, and On (2015) .
    2. Ar manote, kad CDR turėtų pakeisti tradicinius tyrimus, juos papildyti arba negali būti naudojami ne visi už valstybės politikams sekti nedarbą? Kodėl?
    3. Kas įrodymai būtų įtikinti jus, kad CDR gali visiškai pakeisti tradicines priemones nedarbo lygis?