गतिविधिहरु

• कठिनाईको डिग्री: सजिलो , मध्यम , कडा , धेरै कडा
• आवश्यक गणित ( )
• आवश्यक कोडिंग ( )
• तथ्यांक संकलन ( )
• मेरो प्यारो ( )

1. [ , ] अध्यायमा, पोस्ट-स्तरीकरणको बारेमा म धेरै सकारात्मक थियो। यद्यपि, यसले सधैँ अनुमानहरूको गुणस्तर सुधार गर्दैन। एक स्थिति निर्माण गर्नुहोस् जहाँ पोस्ट स्तरीय अनुमानले अनुमानको गुणस्तर घटाउन सक्छ। (संकेतको लागि, Thomsen (1973) हेर्नुहोस् Thomsen (1973) ।)

2. [ , , ] अमेजन मेकनिक टर्कमा एउटा गैर-सम्भावना सर्वेक्षण डिजाइन र संचालन गर्नुहोस् जुन बन्दूक नियन्त्रणको लागि बन्दूक स्वामित्व र मनोवृत्तिको बारेमा सोध्नु हुन्छ। त्यसैले तपाइँ सम्भावना नमूनाबाट प्राप्त भएका अनुमानहरूको तुलना गर्न सक्नुहुन्छ, कृपया पाठ पाठ र जवाफ विकल्पहरू सीधा उच्च गुणस्तर सर्वेक्षणबाट प्वा अनुसन्धान केन्द्र द्वारा चलाउने जस्ता प्रतिलिपि गर्नुहोस्।

   1. तपाईंको सर्वेक्षण कति लामो हुन्छ? यो कति खर्च गर्छ? तपाईंको नमूनाको जनसांख्यिकीले अमेरिकी जनसंख्याको जनसांख्यिकीसँग कसरी तुलना गर्छ?
   2. तपाईंको नमूना प्रयोग गरी बन्दूक स्वामित्वको कच्चा अनुमान के हो?
   3. Post-stratification वा केही अन्य प्रविधि प्रयोग गरी तपाईंको नमूनाको गैर-उपेक्षात्मकताको लागि सही। अब बन्दूक स्वामित्वको अनुमान के हो?
   4. तपाईंको अनुमान अनुमान सम्भावना आधारित नमूनाबाट हालको अनुमानसँग तुलना गर्दछ? तपाईं के सोच्नुहुन्छ विसंगतिहरु बताउनुहुन्छ, यदि कुनै हो भने?
   5. प्रश्नहरू दोहोर्याउनुहोस् (ख) - (घ) बन्दूक नियन्त्रणमा व्यवहारको लागि। तपाईंको निष्कर्ष कसरी भिन्न छ?

3. [ , , ] गोएल र सहकर्मी (2016) ले सामान्य सामाजिक सर्वेक्षण (जीएसएस) बाट 49 वटा धेरै छनौट अवधारणात्मक प्रश्नहरू राखेका छन र पीव रिसर्च सेन्टरले अमेजन मेक्सिको टर्कीबाट तयार भएका उत्तरदायी नमूनाको नमूना चयन गर्नका लागि सर्वेक्षण गर्दछ। त्यसपछि तिनीहरू मोडेल आधारित पोस्ट-स्तरीकरणको प्रयोग गरेर डेटाको गैर-प्रतिनिधित्वसूचनाको लागि समायोजन गरे र सम्भावित-आधारित GSS र Pew सर्वेक्षणका साथ तिनीहरूको समायोजित अनुमानहरूको तुलना गरे। अमेजन मेकेनिकल टर्कीमा एउटै सर्वेक्षण सञ्चालन गर्नुहोस् र तपाईंको समायोजित अनुमानहरूको तुलना गरी GSS र Pew सर्वेक्षणहरूको सबैभन्दा हालको दौरबाट अनुमानित संख्या 2 ए र आंकडा 2b लाई दोहोर्याउने प्रयास गर्नुहोस्। (49 प्रश्नहरूको सूचीको लागि एन्टेन्डिक्स तालिका A2 हेर्नुहोस्।)

   1. तुलना गर्नुहोस् र यसको परिणाम Pew र GSS बाट तीसँग।
   2. Goel, Obeng, and Rothschild (2016) टर्की Goel, Obeng, and Rothschild (2016) टर्क सर्वेक्षणका साथ तपाईका परिणामहरू तुलना गर्नुहोस्।

4. [ , , ] धेरै अध्ययनहरूले मोबाइल फोन प्रयोगको आत्म-रिपोर्ट गरिएका उपायहरू प्रयोग गर्छन्। यो एक रोचक सेटिङ हो जुन शोधकर्ताले लग इन व्यवहारको साथ आत्म-रिपोर्ट व्यवहारको तुलना गर्न सक्दछ (उदाहरणको लागि, Boase and Ling (2013) )। सोध्न दुई सामान्य व्यवहार बुला र पाठ गर्दै छन्, र दुई सामान्य समय फ्रेम "कल" ​​र "अघिल्लो हप्तामा" हो।

   1. कुनै पनि डाटा सङ्कलन गर्नु अघि, आत्म-रिपोर्ट उपायहरू को तपाईले सोच्नु हुन्छ अधिक सही छ? किन?
   2. तपाईंको सर्वेक्षणमा तपाईका पाँच साथीहरू भर्नुहोस्। कृपया संक्षेपमा यी पाँच साथीहरू नमूना भएका थिए कसरी संक्षेप गर्नुहोस्। के यो नमूना प्रक्रिया तपाईको अनुमानमा विशिष्ट पूर्वाधारहरू उत्पन्न गर्ने हो?
   3. तिनीहरूलाई माइक्रोस्रवे प्रश्नहरू सोध्नुहोस्:
   • "तपाइँ कति पटक आफ्नो मोबाइल फोनलाई अरूलाई फोन गर्न प्रयोग गर्नुभयो?"
   • "तपाइँ कति पटक पाठ सन्देशहरू कल पठाउनुभयो?"
   • "तपाईंले आफ्नो मोबाइल फोनलाई अरू सात दिनमा अरूलाई कल गर्न कसरी प्रयोग गर्नुभयो?"
   • "पछिल्लो सात दिनमा तपाईं टेक्स्ट सन्देशहरू / एसएमएस पठाउन वा प्राप्त गर्न आफ्नो मोबाइल फोनलाई कति पटक प्रयोग गर्नुभयो?"
   4. एक पटक यो माइक्रोस्भभिभ पूरा भएपछि, तिनीहरूको फोन वा सेवा प्रदायक द्वारा लगिएको लग इन डेटाको जाँच गर्न सोध्नुहोस्। डेटा लग लगाउन स्वत: रिपोर्ट उपयोग कसरी तुलना गर्दछ? कुन कुन सही हो, कम से कम सही छ?
   5. अब तपाईले आफ्नो कक्षाको अन्य व्यक्तिबाट डेटा संग एकत्र गरेको डेटा मिलाउनुहुन्छ (यदि तपाईं कक्षाको लागि यो गतिविधि गर्दै हुनुहुन्छ)। यस ठूलो डेटासेटको साथ, भाग (डी) दोहोर्याउनुहोस्।

5. [ , ] Schuman र प्रेसर (1996) तर्क गर्नुहोस् कि प्रश्न को आदेश दुई प्रकार को प्रश्नहरु को लागि मामिला हुनेछ: भाग-भाग प्रश्नहरु जहाँ दुई प्रश्नहरु विशिष्टता को समान स्तर मा हो (उदाहरणार्थ, दुई राष्ट्रपति पदों को रेटिंगहरु); र पूर्ण-फरक प्रश्नहरू जहाँ सामान्य प्रश्नले थप विशिष्ट प्रश्नहरू पछ्याउँछ (उदाहरणका लागि, "तपाईंको कामको साथ कत्तिको सन्तुष्ट हुनुहुन्छ?") द्वारा "तपाईको जीवनसँग कति सन्तुष्ट हुनुहुन्छ?")।

   उनीहरूले दुई प्रकारको प्रश्न क्रम प्रभावलाई अझ बढी विशेषता बनाएका छन्: स्थिरता प्रभावहरू तब हुन्छन् जब पछिल्लो प्रश्नको जवाफहरू उनीहरूको अगाडि नजिक हुन्छन् (अन्यथा हुन सक्दछ)। विपरीत प्रभावहरू तब हुन्छ जब दुई प्रश्नहरूको प्रतिक्रियाहरू बीचको भिन्नताहरू छन्।

   1. तपाईँले सोच्नु भएको भाग-भाग प्रश्नहरूको एक जोडा सिर्जना गर्नुहोस् एक ठूलो प्रश्न क्रम प्रभाव हुनेछ; भाग-पूरै प्रश्नहरूको जोडी जो तपाईले सोच्नुहुन्छ कि ठूलो आदेश प्रभाव हुनेछ; र प्रश्नहरूको एक जोडा जसको अर्डर तपाईले सोच्नु हुनेछ। तपाईंको प्रश्नहरूको परीक्षण गर्न अमेजन मेक्सिको टर्कमा एक सर्वेक्षण प्रयोग चलाउनुहोस्।
      
   2. तपाइँ भाग्यशाली भाग कसरी सिर्जना गर्न सक्नुभयो? के यो एक स्थिरता वा विपरित प्रभाव थियो?
   3. कति ठूलो प्रभावले तपाइँ सिर्जना गर्न सक्नु भयो? के यो एक स्थिरता वा विपरित प्रभाव थियो?
   4. त्यहाँ तपाईंको जोडामा प्रश्न आदेश प्रभाव भएको थियो जहाँ तपाईले निर्णय गर्नुभएन?

6. [ , ] शuman र प्रेसर, Moore (2002) को काम मा निर्माण प्रश्न प्रश्न क्रम को प्रभाव को एक अलग आयाम को वर्णन गर्दछ: अतिरिक्त र अतिरिक्त प्रभाव। यसको विपरीत र स्थिरता प्रभावहरू उत्तरदायीहरूको एक परिणामको सम्बन्धमा दुई वस्तुहरूको मूल्याङ्कनको परिणामको रूपमा उत्पादन गरिन्छ, अतिरिक्त र प्रभावकारी प्रभावहरू उत्पन्न हुन्छन् जब उत्तरदायीहरूले ठूलो ढाँचामा प्रश्नहरू उत्पन्न गरेका छन्। Moore (2002) पढ्नुहोस्, त्यसपछि additive वा घटाउने प्रभावहरू प्रदर्शन गर्न MTurk मा एक सर्वेक्षण प्रयोग डिजाइन र चलाउनुहोस्।

7. [ , ] क्रिस्टोफर एन्टोन र सहकर्मी (2015) ले चार अलग-अलग ऑनलाइन भर्ती स्रोतहरू प्राप्त गरेका सुविधा नमूनाहरूको तुलनामा एक अध्ययन सञ्चालन गरे: MTurk, Craigslist, Google AdWords र Facebook। कम्तीमा दुई फरक अनलाइन भर्ती स्रोतहरू मार्फत एक साधारण सर्वेक्षण डिजाइन र प्रतिभागिहरु भर्ती गर्नुहोस् (यी स्रोतहरू Antoun et al. (2015) प्रयोग गरिएका चार स्रोतहरूबाट फरक हुन सक्छ Antoun et al. (2015) )।

   1. प्रति वेतन प्रति लागत - पैसा र समयको सन्दर्भमा फरक स्रोतहरू बीच तुलना गर्नुहोस्।
   2. विभिन्न स्रोतबाट प्राप्त नमूनाहरूको रचना तुलना गर्नुहोस्।
   3. नमूनाहरू बीच डेटा गुणस्तर तुलना गर्नुहोस्। प्रतिवादीहरूको डेटा गुणस्तर कसरी उपाय गर्ने बारे विचारहरूका लागि, Schober et al. (2015) हेर्नुहोस् Schober et al. (2015) ।
   4. तपाईको मनपर्ने स्रोत के हो? किन?

8. [ ] युएईको सन्दर्भमा भविष्यवाणी गर्ने प्रयासमा (यद्यपि, ब्रेक्सिट), तपाइँगोभ-इन्टरनेट-आधारित मार्केट रिसर्च फर्मले संयुक्त अधिराज्यमा लगभग 800,000 प्रतिवादीहरूको प्यानलको अनलाइन सर्वेक्षण गरे।

   YouGov को सांख्यिकीय मोडेल को एक विस्तृत विवरण https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/ मा पाउन सकिन्छ। अलिकति बोल्दै, तपाइँगोभले 2015 को सामान्य मतदान छनोट, उमेर, योग्यता, लिङ्ग, र साक्षात्कारको मिति, साथसाथै निर्वाचन क्षेत्रमा उनीहरूको बसोवासको आधारमा मतदाताहरूलाई विभाजनमा विभाजन गरे। पहिलो, तिनीहरूले YouGov प्यानलिस्टहरूबाट एकत्रित डेटा प्रयोग गर्थे, ती व्यक्तिहरूले मतदान गरे, प्रत्येक मतदाता प्रकारको व्यक्ति जसले मतदान गर्न मन परायो। तिनीहरूले 2015 को ब्रिटिश निर्वाचन अध्ययन (बीईएस) को प्रयोग गरेर प्रत्येक मतदाता प्रकारको टर्नआउटको छनौट गरेपछि एक पोस्ट-अप चेहरे-सर्वेक्षण सर्वेक्षण, जसले छनोट रोलबाट टर्नआउट प्रमाणित गर्यो। अन्ततः, उनीहरूले अनुमान गरेका छन कि मतदानमा प्रत्येक मतदाता प्रकारका प्रत्येक मतदानका आधारमा हालको जनगणना र वार्षिक जनसंख्या सर्वेक्षणमा आधारित छ (अन्य डाटा स्रोतहरूको अतिरिक्त जानकारीको साथ)।

   मतदानका तीन दिन अघि, तपाईंलेगोभले दुईवटा बिन्दुलाई छोड्नको लागि देखाउनुभयो। मतदानको पूर्वमा, सर्वेक्षणले संकेत गर्यो कि परिणाम धेरै नजिक थियो (49/51 बाँकी)। अन्तिम अन-डे-स्टडीको अध्ययनले 48/52 को बाँकी रह्यो (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) भविष्यवाणी गरेको छ। वास्तवमा, यो अनुमानले अन्तिम परिणाम (52/48 छोड्ने) को चार प्रतिशत अंक छुट्यो।

   1. यस अध्यायमा छलफल भएको कुल सर्वेक्षण त्रुटि फ्रेम को प्रयोग गर्न को लागी गल्ती हुन सक्दछ को लागी प्रयोग गर्नुहोस्।
   2. तपाइँ चुनावको पछाडि गोरको प्रतिक्रिया (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) बताउनुभयो: "यो ठूलो भागमा देखिन्छ जस्तो कि परिणाम - केहि कुरा हामीले सबैलाई साथ दिएका छौं कि यस्तो पतले संतुलित जातिको परिणामको लागि महत्त्वपूर्ण हुनेछ। हाम्रो टर्नआउट मोडेल आधारमा आधारित थियो, किनकि उत्तरदायीहरूले अन्तिम सामान्य निर्वाचनमा मतदान गरेका थिए र सामान्य चुनावको माथि एक टर्नआउट स्तरले विशेष गरी उत्तरमा असहमति गर्यो। "के यसले तपाइँको जवाफ (ए) को भागलाई परिवर्तन गर्छ?

9. [ , ] चित्रकार 3.2 मा प्रत्येक प्रतिनिधित्व त्रुटिहरु को वर्णन गर्न एक सिमुलेशन लेख्नुहोस।

   1. एउटा स्थिति सिर्जना गर्नुहोस् जहाँ यी त्रुटिहरू वास्तवमा रद्द गर्नुहोस्।
   2. एक परिस्थिति सिर्जना गर्नुहोस् जहाँ त्रुटिहरू एकअर्कालाई कम्पाउन्ट गर्नुहोस्।

10. [ , ] ब्लुमेनस्कक र सहयोगकर्ता (2015) को अनुसन्धानले एक मेशिन सिकाउने मोडेल निर्माण गरेको छ जुन सर्वेक्षण प्रतिक्रियाहरूको भविष्यवाणी गर्न डिजिटल ट्रेस डेटा प्रयोग गर्न सक्दछ। अब, तपाईं एक फरक डेटासेटको साथ फरक प्रयास गर्न जाँदै हुनुहुन्छ। Kosinski, Stillwell, and Graepel (2013) पाया कि फेसबुक को रुचि व्यक्तिगत विशेषताहरु र विशेषताहरु को भविष्यवाणी गर्न सक्छ। आश्चर्यजनक कुरा, यी भविष्यवाणीहरू मित्र र सहकर्मीहरू (Youyou, Kosinski, and Stillwell 2015) भन्दा बढी सटीक हुन सक्छ।

    1. Kosinski, Stillwell, and Graepel (2013) पढ्नुहोस् र दोहोरो अंक 2 पढ्नुहोस्। तिनीहरूको डेटा http://mypersonality.org/ मा उपलब्ध छ।
    2. अब, प्रतिकृया 3 अंक।
    3. अन्तमा, आफ्नो मोडेल आफ्नो फेसबुक डाटामा प्रयास गर्नुहोस्: http://applymagicsauce.com/। यो तपाईंको लागि कसरी राम्रो काम गर्दछ?

11. [ ] Toole et al. (2015) समग्र बेरोजगारी प्रवृतिहरूको भविष्यवाणी गर्न मोबाइल फोनबाट कल विस्तार रेकर्ड (सीडीआर Toole et al. (2015) प्रयोग गरियो।

    1. तुलना र Toole et al. (2015) अध्ययन डिजाइन तुलना गर्नुहोस् Toole et al. (2015) Blumenstock, Cadamuro, and On (2015) ।
    2. के तपाई सोच्नुहुन्छ कि सीडीआरहरूले परम्परागत सर्वेक्षणहरू प्रतिस्थापन गर्नुपर्छ, बेरोजगारीको पछाडिको लागि उनीहरूको पूरै वा सरकारी नीतिकारहरूका लागि प्रयोग नगर्ने? किन?
    3. कुन प्रमाणले तपाईंलाई समझायो कि सीडीआरहरूले बेरोजगारी दरको परम्परागत उपायहरू पूर्णरूपमा बदल्न सक्दछन्?