की:
[ , ] धडा, मी पोस्ट-साहित्य बियाणे बद्दल अतिशय सकारात्मक होते. तथापि, तो नेहमी अंदाज गुणवत्ता सुधारण्यासाठी नाही. पोस्ट-साहित्य बियाणे अंदाज गुणवत्ता कमी करू शकता जेथे परिस्थितीत बांधकाम. (एक इशारा, पहा Thomsen (1973) ).
[ , , ] डिझाईन आणि तोफा मालकी विचाराल ऍमेझॉन Mturk वरील ना-संभाव्यता सर्वेक्षण ( "तू का, किंवा आपल्या घरातील कोणी नाही, तोफा, रायफल स्वत: चे किंवा पिस्तूल आहे? आपण किंवा आपल्या घरातील कोणीतरी?") आणि तोफा नियंत्रण दिशेने दृष्टिकोन ( "तुम्हांला वाटते का काय गन स्वत: ची किंवा तोफा मालकी नियंत्रित करण्यासाठी अमेरिकन योग्य संरक्षण अधिक महत्वाचे-आहे?").
[ , , ] गोयल आणि सहकारी (2016) ऍमेझॉन Mturk वर प्यू रिसर्च सेंटर जनरल सामाजिक सर्वेक्षण (GSS) आणि सर्वेक्षण काढलेल्या 49 एकाधिक-निवड वृत्तीमुळे येणारे अडथळे प्रश्न होणारी एक नॉन-संभाव्यता आधारित सर्वेक्षण दिली. ते नंतर मॉडेल आधारित पोस्ट साहित्य बियाणे (श्री पी) चा वापर करून डेटा न representativeness समायोजित, आणि संभाव्यता आधारित GSS / प्यू सर्वेक्षण वापरून अंदाज त्या जुळवून अंदाज तुलना करा. Mturk समान पाहणी आपल्या सुस्थीत अंदाज GSS / प्यू सर्वात अलीकडील फेऱ्या पासून अंदाज तुलना करून आकृती 2 अ व आकृती 2B प्रतिकृती तयार करण्यासाठी प्रयत्न करा (49 प्रश्नांची सूची परिशिष्ट टेबल A2 पहा).
[ , , ] अनेक अभ्यास मोबाइल फोन क्रियाकलाप डेटा स्वत: ची अहवाल उपाय वापर. या संशोधक लॉग वर्तन स्वत: ची अहवाल वर्तन तुलना करू शकता, जेथे एक मनोरंजक सेटिंग आहे (उदा पाहू, Boase and Ling (2013) ). कॉल करत आहेत आणि मजकूर पाठवणे, आणि दोन सामान्य चौकटीवर विचाराल दोन सामान्य आचरण "गेल्या आठवड्यात." "काल" आणि
[ , ] Schuman आणि Presser (1996) या प्रश्नाचे आदेश प्रश्न संबंध दोन प्रकार काही फरक पडत असे भांडणे: भाग भाग प्रश्न दोन प्रश्न विशिष्टता समान पातळीवर आहेत जेथे (उदा दोन राष्ट्रपती पदाचे उमेदवार रेटिंग); आणि जेथे सामान्य प्रश्न अधिक विशिष्ट प्रश्न खालील भाग-संपूर्ण प्रश्न (उदा विचारून "आपले कार्य तुम्हाला किती समाधानी आहेस?" त्यानंतर "आपल्या जीवनात आपण किती समाधानी आहात?").
ते पुढे अधिक प्रश्न क्रम परिणाम दोन प्रकार व्यक्तिचित्रण: सुसंगतता प्रभाव नंतर प्रश्न प्रतिसाद जवळ (ते अन्यथा होईल पेक्षा) पूर्वीच्या प्रश्न दिले त्या आणले जाते करताना येऊ; प्रभाव फरक दोन प्रश्न प्रतिसाद दरम्यान मोठे फरक आहेत तेव्हा घडतात.
[ , ] Schuman आणि Presser, काम तयार Moore (2002) मिश्रित आणि subtractive: प्रश्न क्रम परिणाम स्वतंत्र आकारमान वर्णन. तीव्रता आणि सुसंगतता प्रभाव एकमेकांना मिश्रित संबंधात दोन आयटम सर्वेक्षणात 'मोजमापन एक परिणाम म्हणून उत्पादन आणि सर्वेक्षणात मोठ्या फ्रेमवर्क जे आत प्रश्न विचारलेल्या आहेत अधिक संवेदनशील केले जातात, तेव्हा subtractive घडवली आहेत. वाचा Moore (2002) , नंतर डिझाइन आणि मिश्रित किंवा subtractive प्रभाव ठेवावी Mturk सर्वेक्षणानुसार प्रयोग चालवा.
[ , ] ख्रिस्तोफर Antoun आणि सहकारी (2015) Mturk, Craigslist, Google AdWords आणि फेसबुक: सोयीसाठी नमुने चार भिन्न ऑनलाइन भरती स्रोतांपासून प्राप्त तुलना एक अभ्यास. एक साधी सर्वेक्षण डिझाइन आणि कमीत कमी दोन भिन्न ऑनलाइन भरती स्रोत माध्यमातून सहभागी भरती (ते वापरले चार स्रोत पासून विविध स्रोत असू शकते Antoun et al. (2015) ).
[ ] YouGov, इंटरनेट-आधारित बाजार संशोधन टणक, यूके मध्ये सुमारे 800,000 सर्वेक्षणात समिती ऑनलाइन निवडणूक आयोजित आणि युरोपियन युनियन सार्वमत (म्हणजेच, Brexit) परिणाम यूके मतदार मतदान एकतर राहू जेथे अंदाज श्री पी वापरले किंवा युरोपियन युनियन सोडा.
YouGov च्या संख्याशास्त्रीय मॉडेल सविस्तर वर्णन येथे आहे (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). अंदाजे बोलत, YouGov 2015 सामान्य निवडणूक मत निवड, वय, पात्रता, लिंग, मुलाखत तारीख, तसेच अंदाज ते प्रथम, ते YouGov पॅनेलचा सदस्य गोळा डेटा वापरला नाही. राहतात मतदारसंघात त्या लोकांमध्ये आधारित प्रकार मतदार विभाजने मतदान कोण, रजा मतदान हेतू प्रत्येक मतदार प्रकारच्या लोकांना प्रमाणात. ते 2015 ब्रिटिश निवडणूक अभ्यास (BES) पोस्ट निवडणूक फेस-टू-फेस मतदार यादी पासून मतदान झाले सत्यापित जे सर्वेक्षण वापरून प्रत्येक मतदार प्रकार मतदान झाले अंदाज. शेवटी, ते किती लोक नवीन जनगणना आणि वार्षिक लोकसंख्या सर्वेक्षण (BES काही व्यतिरिक्त माहिती आधारित सर्वसाधारण निवडणूक, आणि माहिती सुमारे YouGov सर्वेक्षण डेटा अनेक लोक मतदान केले कसे मतदार प्रत्येक मतदार प्रकारच्या आहेत अंदाज प्रत्येक मतदारसंघात प्रत्येक पक्ष).
तीन दिवस मतदानापूर्वीचे, YouGov सोडा एक दोन गुणांची आघाडी घेतली झाली. मतदान पूर्वसंध्येला, मतदान कॉल (49-51 राहा) खूप जवळ झाली. अंतिम सामना-दिवस अभ्यास राहा (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) नावे 48/52 अंदाज. खरं तर, या अंदाज चार टक्क्याने अंतिम परिणाम (52-48 रजा) नाही.
[ , ] आकृती 3.1 निवेदन चुका प्रत्येक स्पष्ट करण्यासाठी एक नक्कल लिहा.
[ , ] Blumenstock आणि सहकारी संशोधन (2015) सर्वेक्षण प्रतिसादांचा अंदाज डिजिटल ट्रेस डेटा वापरू शकतो, की एक मशीन लर्निंग मॉडेल इमारत सहभाग. आता, आपण भिन्न डेटासेटच्या समान गोष्ट प्रयत्न करणार आहेत. Kosinski, Stillwell, and Graepel (2013) फेसबुक आवडी की वैयक्तिक अद्वितीय वैशिष्ट्य आणि विशेषता सांगता येत नाही आढळले. आश्चर्याची गोष्ट नाही, या अंदाज अगदी मित्र आणि सहकारी त्या पेक्षा अधिक अचूक असू शकते (Youyou, Kosinski, and Stillwell 2015) .
[ ] Toole et al. (2015) वापर कॉल तपशील रेकॉर्ड्स (CDRs) मोबाइल फोन पासून एकूण बेकारी ट्रेंड अंदाज.