အဘယ်အရာကိုလာမယ့်ဖတ်ရှုဖို့

• နိဒါန်း (အပိုင်း 3.1)

ဤအခနျးထဲမှာ themes များထဲကအတော်များများလည်းထိုကဲ့သို့သောအားဖြင့်သူတို့အားအဖြစ်ပြည်သူ့ထင်မြင်ချက်သုတေသနအမေရိကန်အသင်း (AAPOR) မှာမကြာသေးမီကသမ္မတလိပ်စာများ, သံယောင်ခဲ့ကြ Dillman (2002) , Newport (2011) , Santos (2014) နှင့် Link (2015) ။

စစ်တမ်းသုတေသနနှင့် In-depth ကိုအင်တာဗျူးအကြားကွဲပြားခြားနားမှုအပေါ်ပိုပြီးအဘို့အတွေ့ Small (2009) ။ In-depth ကိုတွေ့ဆုံမေးမြန်းဖို့ Related ethnography ဟုခေါ်တွင်ချဉ်းကပ်မှု၏မိသားစုသည်။ ရှေးဟောင်းယဥ်ကျေးမှုသုတေသနများတွင်သုတေသီများယေဘုယျအားဖြင့်မိမိတို့၏သဘာဝအလျောက်ပတ်ဝန်းကျင်အတွက်သင်တန်းသားများကိုအတူပိုပြီးအချိန်ဖြုန်းနေကြတယ်။ ethnography နှင့် In-depth ကိုအင်တာဗျူးအကြားကွဲပြားခြားနားမှုအပေါ်ပိုပြီးအဘို့အတွေ့ Jerolmack and Khan (2014) ။ ဒစ်ဂျစ်တယ် ethnography အပေါ်ပိုပြီးအဘို့အတွေ့ Pink et al. (2015) ။

စစ်တမ်းသုတေသနများ၏သမိုင်း၏အကြှနျုပျ၏ဖော်ပြချက်အရပျကိုယူကြပြီသောစိတ်လှုပ်ရှားဖွယ်ဖြစ်ပေါ်တိုးတက်မှုများစွာကိုထည့်သွင်းရန်ဝေးလွန်းအကျဉ်းဖြစ်ပါတယ်။ ပိုပြီးသမိုင်းနောက်ခံအဘို့အတွေ့ Smith (1976) , Converse (1987) နှင့် Igo (2008) ။ စစ်တမ်းသုတေသနခေတ်သုံးခေတ်များ၏စိတ်ကူးအပေါ်မှာပိုပြီးအဘို့အတွေ့ Groves (2011) နှင့် Dillman, Smyth, and Christian (2008) (အနည်းငယ်ကွဲပြားခြားနားခေတ်သုံးခေတ်ထချိုးရာ) ။

Groves and Kahn (1979) မျက်နှာ-to-မျက်နှာနှင့်တယ်လီဖုန်းစစ်တမ်းများအကြားအသေးစိတ်ခေါင်းကို-to-ခေါင်းကိုနှိုင်းယှဉ်လုပ်နေသဖြင့်စစ်တမ်းသုတေသနအတွက်ဒုတိယခေတ်မှပထမဦးဆုံးအနေဖြင့်အကူးအပြောင်းအတွင်း peek ကိုဆက်ကပ်။ ( ??? ) ကျပန်း-ဂဏန်း-ခေါ်ဆိုမှုနမူနာနည်းလမ်းများ၏သမိုင်းဝင်ဖှံ့ဖွိုးတိုးတမှာပြန်ကြည့်ပါ။

စစ်တမ်းသုတေသနလူ့အဖွဲ့အစည်းအတွင်းအပြောင်းအလဲများကိုတုံ့ပြန်အတွက်အတိတ်ကာလကိုပြောင်းလဲထားပါတယ်ဘယ်လောက်ထက်ပိုသောအဘို့အတွေ့ Tourangeau (2004) , ( ??? ) နှင့် Couper (2011) ။

• (အပိုင်း 3.2) စောင့်ကြည့်နှိုင်းယှဉ်မေးမြန်းခြင်း

မေးမြန်းခြင်းနှင့်စောင့်ကြည့်၏အားသာချက်နှင့်အားနည်းချက်များကိုစိတ်ပညာရှင် (ဥပမာအားဖြင့်အခြေအတင်ဆွေးနွေးခဲ့ကြ Baumeister, Vohs, and Funder (2007) ) နှင့်လူမှုဗေဒပညာရှင်တွေ (ဥပမာ Jerolmack and Khan (2014) ; Maynard (2014) ; Cerulo (2014) ; Vaisey (2014) ; Jerolmack and Khan (2014) ။ ။ သုတေသနပညာရှင်များကဖော်ပြထားနှင့်ဦးစားပေးထင်ရှားအကြောင်းပြောဆိုဘယ်မှာ] မေးမြန်းခြင်းနှင့်စောင့်ကြည့်အကြားကွာခြားချက်ကိုလည်းဘောဂဗေဒအတွက်ပေါ်ပေါက်, ဥပမာ, သုတေသီသူတို့ရေခဲမုန့်စားခြင်းဒါမှမဟုတ်အားကစားရုံသွား Preferences ရှိမရှိဖြေဆိုသူကိုမေးနိုင် ထဲမှာဖော်ပြထားတဲ့အတိုင်း (ဦးစားပေးထုတ်ဖော်ပြသ) (ဦးစားပေးဖော်ပြထား), သို့မဟုတ်လူဦးရေခဲမုန့်ကိုစားပုံကိုမကြာခဏစောငျ့ရှောကျမြားနှငျ့အားကစားရုံကိုသွားနိုင်ပါတယ်။ ဘောဂဗေဒတွင်ဖော်ပြထားဦးစားပေးဒေတာအချို့အမျိုးအစားများအကြောင်းကိုနက်ရှိုင်းသောသံသယရှိပါတယ် Hausman (2012) ။

ဤအငြင်းခုံမှုများကနေတစ်ဦးကအဓိကဆောင်ပုဒ်ကဖော်ပြခဲ့သည်အပြုအမူအမြဲတိကျမှုမရဖြစ်ပါတယ်။ ဒါပေမယ့်အခန်း 2 တွင်ဖော်ပြထားခဲ့သည်အဖြစ်, ကြီးမားတဲ့ data တွေကိုသတင်းရင်းမြစ်တိကျမှုမဖွစျစခွေငျးငှါ, သူတို့သည်အကျိုးစီးပွားနမူနာအပေါ်စုဆောင်းမရစေခြင်းငှါ, သူတို့သုတေသီများမှလက်လှမ်းမည်မဟုတ်ပါ။ ထို့ကြောင့်ကျနော်တချို့အခြေအနေတွေမှာ, အစီရင်ခံအပြုအမူကအသုံးကျနိုင်ပါသည်, ထိုထင်ပါတယ်။ ထို့ပြင်ဤအငြင်းခုံမှုများကနေတစ်စက္ကန့်ရဲ့အဓိကဆောင်ပုဒ်စိတ်ခံစားမှုနှင့် ပတ်သက်. အစီရင်ခံစာများ, အသိပညာ, မျှော်မှန်းချက်များနှင့်ထင်မြင်ချက်များအမြဲတိကျမှုမဟုတျပါသောကွောငျ့ဖွစျသညျ။ သို့သော်လျှင်ထိုအပြည်တွင်းရေးပြည်နယ်များနှင့် ပတ်သက်. သတင်းအချက်အလက်အချို့အပြုအမူကိုရှင်းပြသို့မဟုတ်ကရှင်းပြသည်-ထို့နောက်ခံရဖို့တောငျးဆိုသည့်အရာသည်သင့်လျော်ဖြစ်နိုင်ပါသည်အဖြစ်ကူညီရန်သုတေသီများ-ဖြစ်စေခြင်းဖြင့်လိုအပ်နေပါသည်။ တစ်ခါတစ်ရံဖြေဆိုသူမိမိတို့ပြည်တွင်းရေးပြည်နယ်များသတိထားမဟုတ်သောကြောင့်, ဟုတ်ပါတယ်, မေးခွန်းများမေးခြင်းဖြင့်ပြည်တွင်းရေးပြည်နယ်များအကြောင်းကိုလေ့လာသင်ယူပြဿနာနိုင်ပါတယ် (Nisbett and Wilson 1977) ။

• စုစုပေါင်းစစ်တမ်းအမှား (အပိုင်း 3.3)

အခန်း 1 Groves (2004) စုစုပေါင်းစစ်တမ်းအမှားမူဘောင်ကိုဖော်ပြရန်စစ်တမ်းသုတေသီများအသုံးပြုတဲ့ရံဖန်ရံခါကိုက်ညီမှုဝေါဟာရများပွနျလညျသငျ့မွအကောင်းဆုံးအလုပ်ပါပဲ။ စုစုပေါင်းစစ်တမ်းအမှားမူဘောင်တစ်ခုစာအုပ်-အရှည်ကုသမှုများအတွက်ကိုတွေ့မြင် Groves et al. (2009) နှင့်သမိုင်းဆိုင်ရာခြုံငုံသုံးသပ်ချက်အဘို့အတွေ့ Groves and Lyberg (2010) ။

ဘက်လိုက်မှုနှင့်ကှဲလှဲသို့အမှားအယွင်းများကိုပြိုကွဲခြင်း၏စိတ်ကူးလည်းစက်သင်ယူမှု၌ထကြွလာ; ဥပမာ, ပုဒ်မ 7.3 တွေ့မြင် Hastie, Tibshirani, and Friedman (2009) ။ ဤသည်ကိုမကြာခဏကို "ဘက်လိုက်မှု-ကှဲလှဲ" Trade-off အကြောင်းပြောဆိုရန်သုတေသီများစေပါတယ်။

တစ်ဦးကသုတေသနအစီအစဉ်: ကိုယ်စားပြုမှု၏စည်းကမ်းချက်များ၌, nonresponse နှင့် nonresponse ဘက်လိုက်မှု၏ကိစ္စရပ်များကိုတစ်ဦးအကြီးအမိတ်ဆက်လူမှုရေးသိပ္ပံစစ်တမ်းများအတွက်အမျိုးသားသုတေသနကောင်စီအစီရင်ခံစာ Nonresponse ဖြစ်ပါတယ် (2013) ။ နောက်ထပ်အသုံးဝင်ခြုံငုံသုံးသပ်ချက်ပေးလျက်ရှိသည် Groves (2006) ။ ဒါ့အပြင်အဆိုပါတရားဝင်စာရင်းအင်းဂျာနယ်, ပြည်သူ့ထင်မြင်ချက်လပတ်များနှင့်နိုင်ငံရေးပါတီများ၏အမေရိကန်အကယ်ဒမီနှင့်လူမှုသိပ္ပံ၏ရာဇဝင်၏တစ်ခုလုံးကိုအထူးကိစ္စများ Non-တုံ့ပြန်မှုများ၏ခေါင်းစဉ်အပေါ်ထုတ်ဝေခဲ့ကြသည်။ နောက်ဆုံးအနေနဲ့တုံ့ပြန်မှုနှုန်းကိုတွက်ချက်၏အမှန်တကယ်အများအပြားကွဲပြားခြားနားတဲ့နည်းလမ်းတွေရှိပါတယ်, ဤအချည်းကပ်ပြည်သူ့ထင်မြင်ချက်သုတေသီများ၏အမေရိကန်အသင်း (AAPOR) ကအစီရင်ခံစာထဲမှာအသေးစိတ်ဖော်ပြထားကြသည် ( ??? ) ။

အဆိုပါ 1936 စာပေ Digest မဂ္ဂဇင်းစစ်တမ်းအပေါ်ပိုပြီးအဘို့အတွေ့ Bryson (1976) , Squire (1988) , Cahalan (1989) နှင့် Lusinchi (2012) ။ လူတွေကိုသိမ်းကျုံးဒေတာစုဆောင်းခြင်းဆန့်ကျင်နေတဲ့ပုံဥပမာကိုသတိပေးအတိုင်းဤစစ်တမ်း၏အခြားဆွေးနွေးမှုများအတွက်တွေ့ Gayo-Avello (2011) ။ 1936 ခုနှစ်တွင်ဂျော့ခ်ျလူထုဆန္ဒနမူနာတစ်ခုပိုမိုခေတ်မီပုံစံကိုအသုံးပြုပြီးအများကြီးသေးငယ်နမူနာပိုမိုတိကျမှန်ကန်ခန့်မှန်းချက်ထုတ်လုပ်နိုင်ခဲ့သည်။ @ converse_survey_1987 ရဲ့အခနျး 3 တှငျဖျောပွထားသကဲ့သို့ပင်စာပေ Digest မဂ္ဂဇင်းကိုကျော်လူထုဆန္ဒရဲ့အောင်မြင်မှုစစ်တမ်းသုတေသနများ၏ဖွံ့ဖြိုးတိုးတက်မှုအတွက်မှတ်တိုင်တစ်ခုရှိ၏ အခန်း 4 Ohmer (2006) ; နှင့် @ igo_averaged_2008 ၏အခန်း 3 ။

တိုင်းတာခြင်း၏စည်းကမ်းချက်များ၌, မေးခွန်းဒီဇိုင်းအဘို့ကြီးစွာသောပထမဦးဆုံးအရင်းအမြစ်တစ်ခုဖြစ်သည် Bradburn, Sudman, and Wansink (2004) ။ ပိုပြီးအဆင့်မြင့်ကုသမှုများအတွက်ကိုတွေ့မြင် Schuman and Presser (1996) အထူးသဘောထားကိုမေးခွန်းများကိုအာရုံစိုက်နှင့်သော, Saris and Gallhofer (2014) ထက်ပိုသောယေဘုယျသော။ ထဲမှာဖော်ပြထားတဲ့အတိုင်းတိုင်းတာခြင်းမှတစ်ဦးအနည်းငယ်ကွဲပြားခြားနားသောချဉ်းကပ်မှု, psychometrics အတွက်ယူတတ်၏ ( ??? ) ။ pretesting အပေါ်မှာပိုပြီးအတွက်ရရှိနိုင် Presser and Blair (1994) , Presser et al. (2004) နှင့်အခန်း 8 Groves et al. (2009) ။ စစ်တမ်းစမ်းသပ်ချက်အပေါ်ပိုပြီးအဘို့အတွေ့ Mutz (2011) ။

ကုန်ကျစရိတ်၏စည်းကမ်းချက်များ၌, စစ်တမ်းစရိတ်နှင့်စစ်တမ်းအမှားအယွင်းများအကြား Trade-off ၏ဂန္, စာအုပ်-အရှည်ကုသမှုဖြစ်ပါသည် Groves (2004) ။

• အဘယ်သူသည် (အပိုင်း 3.4) မေးရန်

စံဖြစ်နိုင်ခြေနမူနာများနှင့်ခန့်မှန်းချက်များနှစျခုဂန္စာအုပ်-အရှည်ကုသနေကြသည် Lohr (2009) (အသေးစိတ်မိတ်ဆက်) နှင့် Särndal, Swensson, and Wretman (2003) (ကိုပိုမိုအဆင့်မြင့်) ။ Post-stratification နှင့်ဆက်စပ်နည်းလမ်းတစ်ဦးကဂန္စာအုပ်-အရှည်ကုသမှုဖြစ်ပါသည် Särndal and Lundström (2005) ။ တချို့ဒစ်ဂျစ်တယ်-အသက်အရွယ် setting တွင်, သုတေသီများအတိတ်တွင်မကြာခဏစစ်မှန်တဲ့မဟုတ်ခဲ့သည့် nonrespondents အကြောင်းအတော်လေးနည်းနည်းကိုငါသိ၏။ သုတေသီများ nonrespondents အကြောင်းသတင်းအချက်အလက်အခါများကဖော်ပြထားသကဲ့သို့ nonresponse ညှိနှိုင်းမှု၏ကွဲပြားခြားနားသောပုံစံများ, ဖြစ်နိုင်သမျှတွေဟာ Kalton and Flores-Cervantes (2003) နှင့် Smith (2011) ။

အားဖြင့်, Xbox လေ့လာမှု W. Wang et al. (2015) သုတေသီများအုပ်စုတစ်စုအများကြီးအုပ်စုများရှိပါတယ်လျှင်ပင်ကိုဆိုလိုသည်ကိုခန့်မှန်းရန်ခွင့်ပြု multilevel ဆုတ်ယုတ်ခြင်းနှင့် Post-stratification ( "မစ္စတာပီ") လို့ချေါတဲ့ technique ကိုအသုံးပြုသည်။ ဒီ technique ကိုမှအခန့်မှန်းချက်၏အရည်အသွေးနှင့်ပတ်သက်ပြီးအချို့ဆွေးနွေးငြင်းခုံရှိပေမယ့်, ကစူးစမ်းလေ့လာမယ့်အလားအလာဧရိယာများကဲ့သို့ပုံရသည်။ အဆိုပါ technique ကိုပထမဦးဆုံးအတွက်အသုံးပြုခဲ့သည် Park, Gelman, and Bafumi (2004) နှင့်နောက်ဆက်တွဲအသုံးပြုခြင်းနှင့်ဆွေးနွေးငြင်းခုံခဲ့ (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) ။ တစ်ဦးချင်းစီအလေးနှင့်အဖွဲ့ကိုအလေးအကြားဆက်သွယ်မှုကိုပိုမိုအဘို့အတွေ့ Gelman (2007) ။

တွက်ဆကို web စစ်တမ်းများအခြားချဉ်းကပ်မှုအတှကျအတွေ့ Schonlau et al. (2009) , Bethlehem (2010) နှင့် Valliant and Dever (2011) ။ အွန်လိုင်းပြားဖြစ်နိုင်ခြေနမူနာသို့မဟုတ် Non-ဖြစ်နိုင်ခြေနမူနာဖြစ်စေသုံးနိုင်သည်။ အွန်လိုင်းပြားအပေါ်ပိုပြီးအဘို့အတွေ့ Callegaro et al. (2014) ။

တစ်ခါတစ်ရံသုတေသီများဖြစ်နိုင်ခြေနမူနာများနှင့် Non-ဖြစ်နိုင်ခြေနမူနာအလားတူအရည်အသွေးခန့်မှန်းချက်လိုက်လျောကြောင်းတွေ့ပြီ (Ansolabehere and Schaffner 2014) , ဒါပေမဲ့တခြားနှိုင်းယှဉ် Non-ဖြစ်နိုင်ခြေနမူနာပိုဆိုးမတွေ့ပြီ (Malhotra and Krosnick 2007; Yeager et al. 2011) ။ ထိုကွဲပြားမှုဘို့တဖြစ်နိုင်သောအကြောင်းပြချက် Non-ဖြစ်နိုင်ခြေနမူနာအချိန်ကြာလာတာနဲ့အမျှတိုးတက်ပြီဖြစ်ပါတယ်။ Non-ဖြစ်နိုင်ခြေနမူနာနည်းလမ်းများတစ်ဦးထက်ပိုသောအဆိုးမြင်ရှုထော for non-ဖြစ်တန်ရာကိန်းနမူနာကောပေါ် AAPOR Task Force တွေ့မြင် (Baker et al. 2013) , ငါကိုလည်းအကျဉ်းချုပ်အစီရင်ခံစာအောက်ပါအတိုင်းသောဝေဖန်သုံးသပ်ချက်ဖတ်နေအကြံပြုပါသည်။

• (အပိုင်း 3.5) မေးရန်ကဘယ်လို

Conrad and Schober (2008) အနာဂတ်၏စစ်တမ်းအင်တာဗျူးမျိုးပိုင်ဆိုင်ရရှိဖို့ခေါင်းစဉ်တစ်ခုတည်းဖြတ်အသံအတိုးအကျယ်ဖြစ်ပြီး, သူကမေးခွန်းတွေမေး၏အနာဂတ်နှင့် ပတ်သက်. ရှုထောအမျိုးမျိုးပေးထားပါတယ်။ Couper (2011) အလားတူ themes များအမှာစကားနှင့် Schober et al. (2015) သစ်တစ်ခု setting ကို လိုက်. ဖြစ်ကြောင်းဒေတာစုဆောင်းခြင်းနည်းလမ်းများအရည်အသွေးမြင့်မားသည့်ဒေတာမှုနိုငျပုံကိုတစ်ဦးကောင်းတဲ့ဥပမာပေးပါတယ်။ Schober and Conrad (2015) လူ့အဖွဲ့အစည်းအတွင်းအပြောင်းအလဲများကိုကိုက်ညီစစ်တမ်းသုတေသန၏လုပ်ငန်းစဉ်ကိုထိန်းညှိဖို့ဆက်လက်အကြောင်းကိုပိုပြီးယေဘုယျအငြင်းအခုံကိုဆက်ကပ်။

Tourangeau and Yan (2007) အထိခိုက်မခံမေးခွန်းများကိုအတွက်လူမှုရေးလိုလားဘက်လိုက်မှု၏သုံးသပ်ချက်ကိုကိစ္စများနှင့် Lind et al. (2013) ကလူတစ်ဦးကကွန်ပျူတာအုပ်ချုပ်ခွင့်အင်တာဗျူးတွင်ပိုမိုထိခိုက်မခံတဲ့သတင်းအချက်အလက်များထုတ်ဖော်စေခြင်းငှါ, အဘယ်ကြောင့်အချို့သောဖြစ်နိုင်သောအကြောင်းရင်းများကိုဆက်ကပ်။ စစ်တမ်းများအတွက်ပါဝင်မှုနှုန်းကိုတိုးမြှင့်လူ့အင်တာဗျူး၏အခန်းကဏ္ဍကိုပိုပြီးအဘို့အတွေ့ Maynard and Schaeffer (1997) , Maynard, Freese, and Schaeffer (2010) , Conrad et al. (2013) နှင့် Schaeffer et al. (2013) ။ ရောထွေး-mode ကိုစစ်တမ်းများအပေါ်ပိုပြီးအဘို့အတွေ့ Dillman, Smyth, and Christian (2014) ။

Stone et al. (2007) ဂေဟစနစ်ဒင်္အကဲဖြတ်ခြင်းနှင့်ဆက်စပ်နည်းလမ်းများ၏စာအုပ်တစ်အုပ်-အရှည်ကုသမှုကိုဆက်ကပ်။

သင်တန်းသားများကိုများအတွက်ပျော်စရာများနှင့်အဖိုးတန်အတွေ့အကြုံကိုစစ်တမ်းများလုပ်အပေါ်ကိုပိုမိုအကွံဉာဏျအဘို့, စက်ချုပ်ဒီဇိုင်း Method ကိုအပေါ်အမှုကိုမြင် (Dillman, Smyth, and Christian 2014) ။ လူမှုရေးသိပ္ပံစစ်တမ်းများအဘို့အ Facebook မှာ app တွေကိုသုံးပြီးနောက်ထပ်စိတ်ဝင်စားဖို့ဥပမာတွေ့ Bail (2015) ။

• ကြီးမားတဲ့ data တွေကိုသတင်းရင်းမြစ် (အပိုင်း 3.6) ဆက်စပ်စစ်တမ်းများ

Judson (2007) "သတင်းအချက်အလက်ပေါင်းစည်းမှု" အဖြစ်စစ်တမ်းများနှင့်အုပ်ချုပ်ရေး data တွေကိုပေါင်းစပ်ပြီးနှင့်ဤချဉ်းကပ်မှုပုံစံအချို့ကိုအားသာချက်များကိုဆြေးြေိံးအဖြစ်ဥပမာအခြို့ကိုပူဇော်သက္ကာဘို့၏ဖြစ်စဉ်ကိုဖော်ပြသည်။

သန့်စင်မေးမြန်းခြင်းနှင့်စပ်လျဉ်းမဲပေးမှန်ကန်ကြောင်းသက်သေပြဖို့အများကြီးယခင်ကြိုးစားမှုရှိခဲ့ပါပြီ။ ကြောင်းစာပေကိုခြုံငုံသုံးသပ်တွေ့ Belli et al. (1999) , Ansolabehere and Hersh (2012) , Hanmer, Banks, and White (2014) နှင့် Berent, Krosnick, and Lupia (2016) ။ ကြည့်ရှုပါ Berent, Krosnick, and Lupia (2016) ခုနှစ်တွင်ပေးအပ်ရလဒ်တစ်ခုထက်ပိုသောသံသယအမြင်အဘို့အ Ansolabehere and Hersh (2012) ။

ဒါဟာ Ansolabehere နှင့် Hersh Catalist ထံမှအချက်အလက်များ၏အရည်အသွေးအားဖြင့်အားပေးခံခဲ့ကြပေမယ့်, စီးပွားဖြစ်ရောင်းချသူ၏အခြားအကဲဖြတ်လျော့နည်းစိတ်အားထက်သန်ခဲ့ကြပြီကိုသတိပြုပါရန်အရေးကြီးပါသည်။ Pasek et al. (2014) စစ်တမ်းတစ်ခုကနေဒေတာတွေကို (Acxiom, Experian နှင့် InfoUSA သူ့ဟာသူအတူတကွသုံးပံ့ပိုးပေးရာမှ data တွေကိုပေါင်းစည်းထားတဲ့) Marketing ကိုစနစ်များ Group မှစားသုံးသူဖိုင်နဲ့နှိုင်းယှဉ်စဉ်အခါအရည်အသွေးညံ့ဖျင်းတွေ့ရှိခဲ့ပါတယ်။ အဆိုပါဒေတာဖိုင်သုတေသီများမှန်ကန်သောဖြစ်လိမ့်မည်ဟုမျှော်လင့်ကြောင်းစစ်တမ်းတုံ့ပြန်မှုမကိုက်ညီခဲ့ဘူးကြောင်း,, ဖိုင်မေးခွန်းများကို၏ကြီးမားသောအရေအတွက်နှင့်ပျောက်ဆုံးဒေတာပုံစံအတွက်ဒေတာပျောက်ဆုံးခဲ့သောစားသုံးသူပျောက်ဆုံးနေတဲ့အခြားစကားပါ (အစီရင်ခံစစ်တမ်းတန်ဖိုးကိုဆက်နွယ်နေကြောင်းခံခဲ့ရတာဖြစ်ပါတယ် Data) ကျပန်း, စနစ်တကျမဟုတ်ခဲ့ပေ။

စစ်တမ်းများနှင့်အုပ်ချုပ်ရေးဒေတာများအကြားစံချိန်ချိတ်ဆက်အပေါ်ပိုပြီးအဘို့အတွေ့ Sakshaug and Kreuter (2012) နှင့် Schnell (2013) ။ ယေဘုယျအားဖြင့်စံချိန်ချိတ်ဆက်အပေါ်ပိုပြီးအဘို့အတွေ့ Dunn (1946) နှင့် Fellegi and Sunter (1969) (သမိုင်း) နှင့် Larsen and Winkler (2014) (ခေတ်သစ်) ။ အလားတူချဉ်းကပ်မှုကိုလည်းထောက်လှမ်းပွား, ထိုကဲ့သို့သောဒေတာ deduplication, ဥပမာအားဖြင့်ဖော်ထုတ်ခြင်း, နာမည်တိုက်ဆိုင်သည့်အဖြစ်အမည်များကိုအောက်မှာကွန်ပျူတာသိပ္ပံအတွက်ဖွံ့ဖြိုးပြီးနှင့်စံချိန်ထောက်လှမ်းပွားခဲ့ကြ (Elmagarmid, Ipeirotis, and Verykios 2007) ။ ပုဂ္ဂိုလ်ရေးအရသတင်းအချက်အလက်ဖော်ထုတ်၏ဂီယာလိုအပ်မချိတ်ဆက်မှတ်တမ်းတင်ဖို့ privacy ကို-ထိန်းသိမ်းချဉ်းကပ်မှုလည်းရှိပါတယ် (Schnell 2013) ။ Facebook ကိုသုတေသီများကဖြစ်နိုင်ဖွယ်အလားအလာမဲပေးအပြုအမူ၎င်းတို့၏မှတ်တမ်းများချိတ်ဆက်နေတဲ့လုပ်ထုံးလုပ်နည်းဖွံ့ဖြိုးပြီး (Jones et al. 2013) ; ဒီချိတ်ဆက်ငါမျြးအခနျးကွီး 4 မှာအကြောင်းကိုသင်ပြောပြပါ့မယ်ကြောင်းစမ်းသပ်မှုတစ်ခုအကဲဖြတ်ရန်ပြုခံခဲ့ရသည် (Bond et al. 2012) ။ စံချိန်ချိတ်ဆက်မှုအတွက်သဘောတူခွင့်ပြုချက်ရယူအပေါ်ပိုပြီးအဘို့အတွေ့ Sakshaug et al. (2012) ။

အစိုးရအုပ်ချုပ်ရေးမှတ်တမ်းများတစ်အကြီးစားလူမှုရေးစစ်တမ်းချိတ်ဆက်၏နောက်ထပ်ဥပမာကျန်းမာရေးနှင့်အငြိမ်းစားစစ်တမ်းနှင့်လူမှုလုံခြုံရေးအုပ်ချုပ်ရေးကနေလာပါတယ်။ ခွင့်ပြုချက်လုပ်ထုံးလုပ်နည်းနှင့် ပတ်သက်. သတင်းအချက်အလက်များအပါအဝင်ကြောင်းလေ့လာမှုအပေါ်ပိုပြီးအဘို့, Olson တွေ့မြင် (1996, 1999) ။

Catalist အချို့အမျိုးသားရေးအစိုးရများ၏စာရင်းအင်းရုံးများအတွက်ဘုံ-ဖြစ်ပါတယ်လုပ်ကိုင်တဲ့မာစတာ datafile-လုပ်ငန်းစဉ်သို့အုပ်ချုပ်ရေးမှတ်တမ်းများများစွာသောသတင်းရင်းမြစ်ပေါင်းစပ်ပြီး၏လုပ်ငန်းစဉ်။ စာရင်းအင်းများဆွီဒင်နိုင်ငံကနေနှစ်ဦးကိုသုတေသီများခေါင်းစဉ်အပေါ်အသေးစိတ်စာအုပ်ရေးထားပြီ (Wallgren and Wallgren 2007) ။ အမေရိကန်ပြည်ထောင်စု (Olmstead ကောင်တီ, မင်နီဆိုတာ; Mayo Clinic ဆေးခန်း၏နေအိမ်) မှာတစ်ခုတည်းခရိုင်၌ဤချဉ်းကပ်မှုတစ်ခုဥပမာတွေ့ Sauver et al. (2011) ။ အုပ်ချုပ်ရေးမှတ်တမ်းများတွင်ပေါ်လာနိုင်သည်ကိုမှားယွင်းမှုများအပေါ်ပိုပြီးအဘို့အတွေ့ Groen (2012) ။

သုတေသီများစစ်တမ်းသုတေသနအတွက်ကြီးမားသောဒေတာသတင်းရင်းမြစ်ကိုသုံးနိုင်သည်ရသောအခြားသောလမ်းသတ်သတ်မှတ်မှတ်ဝိသေသလက္ခဏာများနှင့်အတူလူများအတွက်နမူနာဘောင်ကဲ့သို့ဖြစ်၏။ ကံမကောင်းစွာပဲ, ဒီချဉ်းကပ်မှု privacy ကိုဆက်စပ်သောမေးခွန်းများကိုမြှင့်လို့ရပါတယ် (Beskow, Sandler, and Weinberger 2006) ။

amplified မေးမြန်းခြင်းနှင့်စပ်လျဉ်းဒီချဉ်းကပ်နည်းကကိုယ်ကဖော်ပြထားပါတယ်ဘယ်လိုကနေပေါ်လာလိမ့်မယ်အဖြစ်အသစ်ကမဟုတ်ပါဘူး။ မော်ဒယ်-based Post-stratification: ဒါဟာစာရင်းဇယားများတွင်သုံးကြီးမားသောဒေသများသို့နက်ရှိုင်းသောဆက်သွယ်မှုရှိပါတယ် (Little 1993) , ရှိသည်ဟုမှတ်စရာ (Rubin 2004) , အငယ်ဧရိယာခန့်မှန်းချက် (Rao and Molina 2015) ။ ဒါဟာအစဆေးဘက်ဆိုင်ရာသုတေသနအတွက်အငှား variable တွေကိုအသုံးပြုခြင်းမှဆက်စပ်ဖြစ်ပါတယ် (Pepe 1992) ။

အတွက်ကုန်ကျစရိတ်နှင့်အချိန်ခန့်မှန်းချက် Blumenstock, Cadamuro, and On (2015) variable ကိုကုန်ကျစရိတ်-တနောက်ထပ်၏ကုန်ကျစရိတ်ပိုမိုရည်ညွှန်းစစ်တမ်းနှင့်ထိုကဲ့သို့သောခေါ်ဆိုမှု data တွေကိုသန့်ရှင်းရေးနှင့် processing ၏ကုန်ကျစရိတ်အဖြစ် fixed ကုန်ကျစရိတ်မပါဝင်ပါဘူး။ ယေဘုယျအားဖြင့် amplified တောင်းဆိုနေတာဖြစ်ကောင်းမြင့်မားသော fixed ကုန်ကျစရိတ်နှင့်ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်၏သူတို့အားအလားတူအနိမ့် variable ကိုကုန်ကျစရိတ် (အခန်း 4 ကိုကြည့်ပါ) ရပါလိမ့်မယ်။ ဖွံ့ဖြိုးဆဲနိုင်ငံများအတွက်မိုဘိုင်းဖုန်း-based စစ်တမ်းများအပေါ်ပိုပြီးအဘို့အတွေ့ Dabalen et al. (2016) ။

ပိုကောင်းတဲ့တောငျးဆို amplified ပါဘူးဖို့ဘယ်လိုအကြောင်းကိုစိတ်ကူးများအဘို့ငါမျိုးစုံရှိသည်ဟုမှတ်စရာအကြောင်းပိုမိုလေ့လာသင်ယူအကြံပြုချင်ပါတယ် (Rubin 2004) ။ သုတေသီများမဟုတ်ဘဲတစ်ဦးချင်းစီ-Level စရိုက်များထက်စုစုပေါင်းအရေအတွက်ခန့် amplified တောင်းဆိုနေတာစောင့်ရှောက်မှုလုပ်နေမယ်ဆိုရင်လည်း, ပြီးတော့အတွက်ချဉ်းကပ်မှု King and Lu (2008) နှင့် Hopkins and King (2010) အသုံးဝင်သောဖြစ်နိုင်သည်။ နောက်ဆုံးအနေနဲ့အတွက်စက်သင်ယူမှုချဉ်းကပ်မှုအကြောင်းကိုပိုမိုများအတွက် Blumenstock, Cadamuro, and On (2015) တွေ့ James et al. (2013) (အသေးစိတ်မိတ်ဆက်) သို့မဟုတ် Hastie, Tibshirani, and Friedman (2009) (ကိုပိုမိုအဆင့်မြင့်) ။

amplified မေးမြန်းခြင်းနှင့် ပတ်သက်. တစ်ခုမှာကျင့်ဝတ်ဆိုင်ရာကိစ္စကြောင့်လူတွေထဲမှာဖော်ပြထားတဲ့အတိုင်းစစ်တမ်းတစ်ခုအတွက်ထုတ်ဖေါ်ဖို့ရှေးခယျြမပေးစေခြင်းငှါအထိခိုက်မခံစရိုက်များအခြဖို့အသုံးပြုနိုင်ဖြစ်ပါတယ် Kosinski, Stillwell, and Graepel (2013) ။