अर्को पढ्न के

• परिचय (खण्ड 3.1)

यस अध्यायमा धेरै विषयहरू पनि अमेरिकन एसोसिएशन ऑफ सार्वजनिक राय रिसर्च (एएपीओआर), जस्तै Dillman (2002) , Newport (2011) , Santos (2014) , र Link (2015) Santos (2014) मा भर्खरै राष्ट्रपतिको ठेगानामा छलफल गरिएको छ। Link (2015) ।

सर्वेक्षण अनुसन्धान र गहन साक्षात्कारबीच मतभेदको बारेमा थप, Small (2009) हेर्नुहोस्। गहिरो साक्षात्कार सम्बन्धी सम्बन्धित अभिव्यक्तिको पारिवारिक नामको परिवार हो। इथेनपोग्राफिक अनुसन्धानमा, शोधकर्ताहरू सामान्यतया सहभागीहरूसँग उनीहरूको प्राकृतिक वातावरणमा धेरै समय बिताउँछन्। नैतिकता र गहन साक्षात्कारबीच मतभेदको बारेमा अधिक Jerolmack and Khan (2014) लागि Jerolmack and Khan (2014) हेर्नुहोस्। डिजिटल नैतिकता मा थप को लागी, Pink et al. (2015) ।

सर्वेक्षण अनुसन्धानको इतिहासको मेरो विवरण निकै धेरै छोटो छ जुन धेरै उत्साहित घटनाक्रमहरू समावेश गरिएको छ। अधिक ऐतिहासिक पृष्ठभूमिको लागि, Smith (1976) , Converse (1987) , र Igo (2008) । तीन ईर सर्वेक्षण अनुसन्धान को विचार मा अधिक को लागी, Groves (2011) र Dillman, Smyth, and Christian (2008) (हेर्नुहोस् जो तीन ईरहरु को केहि अलग देखि अलग गर्दछ)।

Groves and Kahn (1979) सर्वेक्षण अनुसन्धानमा दोस्रो पटकको संक्रमण भित्र एक पीक एक चेहरे-टाउको र टेलिफोन सर्वेक्षण बीचको विस्तृत टाउको-टाउको तुलना गरेर। ( ??? ) यादृच्छिक-अंक-डाइलिंग नमूना गर्ने तरिकाको ऐतिहासिक विकासमा फर्कनुहोस्।

समाजका परिवर्तनहरूको प्रतिक्रियामा अतीतमा कसरी सर्वेक्षण अनुसन्धान परिवर्तन गरिएको छ, हेर्नुहोस् Tourangeau (2004) , ( ??? ) , र Couper (2011) ।

• हेर्दै बनाउदै बनाउदै (खण्ड 3.2)

मनोवैज्ञानिहरु (जस्तै, Baumeister, Vohs, and Funder (2007) ) र समाजशास्त्री (जस्तै, Jerolmack and Khan (2014) ; Maynard (2014) ; Cerulo (2014) ; Vaisey (2014) ; Jerolmack and Khan (2014) ]। अर्थशास्त्रमा Jerolmack and Khan (2014) अवलोकन गर्ने बीचको भिन्नता पनि हुन्छ, जहाँ शोधकर्ताहरूले बताईएको कुरालाई प्राथमिकता दिईरहेका छन्। उदाहरणका लागि, एक शोधकर्ताहरूले उत्तरदायीहरूलाई सोध्न सक्छन् कि उनी आइसक्रीम खाने चाहन्छन् वा जिममा जान्छन् कि? (वरीयताहरु को अनुसार), या देख सकते हो कि कति पटक आइसक्रीम खाए हो र जिम (प्राथमिकताहरु लाई उल्लेखित) लाई जान सकिन्छ .हामी केहि प्रकार को परिभाषित प्राथमिकताहरु को बारे मा Hausman (2012) मा अर्थशास्त्र मा डेटा को गहिरो संदेह छ।

यी बहसहरूको मुख्य मुख्य विषय हो कि रिपोर्ट गरिएको व्यवहार सधै सही छैन। तर, अध्याय 2 मा वर्णन गरिएको, ठूला डेटा स्रोतहरू सही नहुन सक्छ, उनीहरूको रुचिको नमूनामा सङ्कलन नहुन सक्छ, र तिनीहरू शोधकर्ताहरूको पहुँच नहुन सक्छ। यसकारण, मलाई लाग्छ कि, केहि परिस्थितिहरूमा, रिपोर्ट व्यवहार उपयोगी हुन सक्छ। यसबाहेक, यी बहसहरूबाट एक दोस्रो मुख्य विषय हो जुन भावनाहरू, ज्ञान, अपेक्षाहरू र विचारहरूको बारेमा रिपोर्टहरू सधैं सही हुँदैनन्। तर, यदि यी आन्तरिक राज्यहरूको बारेमा जानकारीले शोधकर्ताहरूले आवश्यक छ - वा कुनै व्यवहारलाई व्याख्या गर्न वा चीजको रूपमा व्याख्या गर्न मद्दत गर्दछ - त्यसपछि सोध्न उपयुक्त हुन सक्छ। निस्सन्देह, प्रश्नहरू सोधेर आन्तरिक राज्यहरूको बारेमा सिक्न समस्याग्रस्त हुन सक्छ किनभने कहिलेकाहीं उत्तरदायीहरूले उनीहरूको आन्तरिक राज्यहरू (Nisbett and Wilson 1977) चिन्ता गर्दैनन्।

• कुल सर्वेक्षण त्रुटि (खण्ड 3.3)

Groves (2004) 1 9 5 Groves (2004) को अध्याय 1 सर्वेक्षण शोधकर्ताहरूले प्रयोग गरिने कहिलेकाहीँ असंगत टर्मिनोलोजोलोजिलाई मिलाउने एक राम्रो कार्य गर्दछ जुन कुल सर्वेक्षण त्रुटि ढाँचाको वर्णन गर्दछ। कुल सर्वेक्षण त्रुटी ढाँचाको पुस्तक-लम्बाइ उपचारको लागी, Groves et al. (2009) , र एक ऐतिहासिक अवलोकन को लागी, Groves and Lyberg (2010) हेर्नुहोस्।

पूर्वाधार र भिन्नतामा त्रुटिहरू डिकोप्लेस गर्ने विचार पनि मेसिन सिकाइमा हुन्छ; उदाहरणका लागि, Hastie, Tibshirani, and Friedman (2009) खण्ड 7.3। यो अक्सर शोधकर्ताहरूले "पूर्वाग्रह-भिन्नता" व्यापार बन्द बारेमा कुरा गर्न जान्छ।

प्रतिनिधित्वको सन्दर्भमा, गैरप्रणाली र nonresponse पूर्वाग्रहका समस्याहरूको एक महान परिचय राष्ट्रीय अनुसन्धान परिषद सामाजिक विज्ञान सर्वेक्षण: एक अनुसन्धान एजेन्डा (2013) गैरप्रसाद को रिपोर्ट छ। Groves (2006) द्वारा अर्को उपयोगी अवलोकन प्रदान गरिएको छ। साथै, आधिकारिक तथ्याङ्कको जर्नलको सम्पूर्ण विशेष मुद्दाहरू, सार्वजनिक राय तिमाही , र अमेरिकन एकेडेमीको राजनीतिक र सामाजिक विज्ञानको गैर-प्रतिक्रियाको विषयमा प्रकाशित गरिएको छ। अन्तमा, प्रतिक्रिया दरको गणना गर्ने वास्तवमा थुप्रै फरक तरिकाहरू छन्; यी दृष्टिकोणहरु अमेरिकी राय पब्लिक ओपिनियन शोधकर्ताओं (AAPOR) ( ??? ) द्वारा एक रिपोर्ट मा विस्तार मा वर्णन गरिएको छ।

1 9 36 साहित्यिक डाइजेस्ट सर्वेक्षणमा अधिकका लागि Bryson (1976) , Squire (1988) , Cahalan (1989) , र Lusinchi (2012) । यस सर्वेक्षणको अर्को छलफलको लागि Gayo-Avello (2011) डेटा संग्रह विरुद्ध एक दृष्टान्त चेतावनी, Gayo-Avello (2011) हेर्नुहोस्। 1 9 36 मा, जर्ज गैलप्पले अझ बढी परिष्कृत रूप नमूना प्रयोग गर्यो र धेरै सानो नमूनाको साथ अधिक सटीक अनुमानहरू उत्पादन गर्न सक्षम भयो। साहित्य डाइजेस्ट मा गेलअप को सफलता सर्वेक्षण अनुसन्धान को विकास मा एक मील को पत्थर थियो जुन @ वार्ताe_survey_1987 को अध्याय 3 मा वर्णन गरिएको छ; Ohmer (2006) अध्याय 4 Ohmer (2006) ; र @ igo_averaged_2008 को अध्याय 3।

मापनको शर्तमा Bradburn, Sudman, and Wansink (2004) डिजाइन गर्नका लागि उत्कृष्ट पहिलो स्रोत Bradburn, Sudman, and Wansink (2004) । अधिक उन्नत उपचार को लागि, Schuman and Presser (1996) हेर्नुहोस, जो विशेष रूप देखि रवैया प्रश्नहरु मा केंद्रित छ, र Saris and Gallhofer (2014) , जो अधिक सामान्य छ। मापनको लागि एक फरक फरक दृष्टिकोण मनोometrics मा लिइएको छ, जस्तै कि ( ??? ) वर्णन गरिएको छ। प्रेस्टास्टिंग मा अधिक Presser and Blair (1994) , Presser et al. (2004) , र Groves et al. (2009) अध्याय 8 Groves et al. (2009) । सर्वेक्षण प्रयोगहरूमा अधिकका लागि, Mutz (2011) हेर्नुहोस्।

लागतको सर्तमा, सर्वेक्षण लागत र सर्वेक्षण त्रुटिहरू बीचमा व्यापार बन्दको क्लासिक, पुस्तक-लम्बाइको उपचार Groves (2004) ।

• कसलाई सोध्नु (खण्ड 3.4)

मानक सम्भावना नमूना र अनुमानको दुई क्लासिक बुक लम्बाइ उपचार Lohr (2009) (अधिक परिचयात्मक) र Särndal, Swensson, and Wretman (2003) (अधिक उन्नत)। Post-stratification and related methods of a classic book-length treatment is Särndal and Lundström (2005) । केहि डिजिटल-उमेर सेटिङहरूमा, शोधकर्ताहरूले नचाहिने बारेमा धेरै कुरा थाहा पाउँछन्, जुन अतीतमा प्रायः साँचो थिएनन्। जब गैरकानुनी समायोजन को विभिन्न रूपहरु को लागी शोधकर्ताहरु को बारे मा Kalton and Flores-Cervantes (2003) बारे मा Kalton and Flores-Cervantes (2003) कि Kalton and Flores-Cervantes (2003) र Smith (2011) द्वारा वर्णन गरिएको छ।

W. Wang et al. (2015) द्वारा Xbox अध्ययन W. Wang et al. (2015) बहुविध रिग्रेस र पोस्ट-स्तरीय ("श्री पी।") भनिन्छ एक प्रविधिको प्रयोग गर्दछ जसले शोधकर्ताहरूको अनुमानित समूहको अर्थ पनि धेरै समूहमा छन्, धेरै समूहहरू। यद्यपि यो प्रविधिको अनुमानको गुणस्तरको बारेमा केही बहस छ, यो अन्वेषण गर्नको लागी एक आशाजनक क्षेत्र जस्तो देखिन्छ। यस Park, Gelman, and Bafumi (2004) पहिलो Park, Gelman, and Bafumi (2004) प्रयोग गरिएको थियो, र त्यहाँ त्यस प्रयोग र बहस भएको छ (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) । व्यक्तिगत वजन र समूह वजनको बीचको सम्बन्धमा अधिकका लागि, Gelman (2007) हेर्नुहोस्।

वेब सर्वेक्षणहरू भार गर्न अन्य दृष्टिकोणहरूको लागि, Schonlau et al. (2009) हेर्नुहोस् Schonlau et al. (2009) , Bethlehem (2010) , र Valliant and Dever (2011) । अनलाइन प्यानलहरूले सम्भावना नमूना वा गैर-सम्भावना नमूना प्रयोग गर्न सक्दछन्। अनलाइन प्यानलहरूमा थपको लागि, Callegaro et al. (2014) हेर्नुहोस् Callegaro et al. (2014) ।

कहिलेकाँही, शोधकर्ताहरूले फेला पारेका छन् कि सम्भावना नमूने र गैर सम्भावना नमूनाहरू समान गुणस्तर (Ansolabehere and Schaffner 2014) उपज अनुमान गर्दछ, तर अन्य तुलनाहरूले फेला पारेका छन् कि गैर-सम्भावनात्मक नमूनाहरू खराब हुन्छन् (Malhotra and Krosnick 2007; Yeager et al. 2011) । यी मतभेदहरूको एक सम्भावना कारण यो हो कि गैर-सम्भावनात्मक नमूना समय संग सुधार भएको छ। गैर सम्भावना नमूनात्मक तरिकाहरु को एक अधिक निराशावादी दृष्टिकोण को लागि गैर-क्षमता नमूना (Baker et al. 2013) को AAPOR टास्क फोर्स हेर्नुहोस, र म सारांश रिपोर्ट को पालन गर्छन कि टिप्पणी को पढने को पनि सिफारिश गर्दछ।

• कसरी सोध्नु हुन्छ (खण्ड 3.5)

Conrad and Schober (2008) भविष्यको सर्वेक्षण साक्षात्कारको अवधारणा शीर्षकमा सम्पादन गरिएको मात्रा हो, र यसले प्रश्नहरूको भविष्यबारे विभिन्न दृष्टिकोण प्रदान गर्दछ। Couper (2011) समान विषयवस्तुहरू छन्, र Schober et al. (2015) एक राम्रो उदाहरण प्रदान गर्नुहोस् कि कसरी नयाँ सेटिङको आधारमा डेटा संग्रह गर्ने तरिका उच्च गुणस्तर डेटा हुन सक्छ। Schober and Conrad (2015) समाजमा परिवर्तनहरू मेल खाने सर्वेक्षण अनुसन्धान प्रक्रिया समायोजन जारी राख्न को बारे मा अधिक सामान्य तर्क प्रदान गर्दछ।

Tourangeau and Yan (2007) संवेदनशील प्रश्नहरु मा सामाजिक वांछित पूर्वाग्रह को मुद्दों को समीक्षा, र Lind et al. (2013) व्यक्तिहरूले कम्प्युटर-प्रशासित साक्षात्कारमा अधिक संवेदनशील जानकारी प्रकट गर्न सक्ने केही सम्भाव्य कारणहरू प्रदान गर्छन्। सर्वेक्षणहरुमा भागीदारी दर बढाने मा मानव साक्षात्कारकर्ताहरु को भूमिका मा अधिक को लागि, Maynard and Schaeffer (1997) , Maynard, Freese, and Schaeffer (2010) , Conrad et al. (2013) , र Schaeffer et al. (2013) । मिश्रित-मोड सर्वेक्षणहरूमा अधिकका लागि, Dillman, Smyth, and Christian (2014) ।

Stone et al. (2007) पारिस्थितिक क्षणिक मूल्यांकन र सम्बन्धित विधिहरूको पुस्तक-लम्बाइ उपचार प्रदान गर्दछ।

प्रतिभागिहरु को लागि एक सुखद र मूल्यवान अनुभव सर्वेक्षण गर्न को बारे मा अधिक सल्लाह को लागि, टेेलर डिजाइन डिजाइन (Dillman, Smyth, and Christian 2014) । सामाजिक विज्ञान सर्वेक्षणका लागि फेसबुक अनुप्रयोगहरू प्रयोग गर्ने अर्को रोचक उदाहरणका लागि, हेर्नुहोस् Bail (2015) ।

• सर्वेक्षणहरू ठूलो डेटा स्रोतहरूसँग जोडिएको छ (धारा 3.6)

Judson (2007) सर्वेक्षण र प्रशासनिक डेटा को संयोजन "जानकारी एकीकरण" को रूप मा संयोजन को प्रक्रिया को वर्णन गर्दछ र यस दृष्टिकोण को केहि फायदेहरु को बारे मा चर्चा गर्दछ, साथै केहि उदाहरणहरु को पेशकश गर्दछ।

समृद्ध अनुरोधको सन्दर्भमा, त्यहाँ मतदानको प्रमाणीकरण गर्न धेरै अघिल्लो प्रयासहरू छन्। साहित्य को एक सिंहावलोकन को लागि, Belli et al. (1999) , Ansolabehere and Hersh (2012) , Hanmer, Banks, and White (2014) , र Berent, Krosnick, and Lupia (2016) । Ansolabehere and Hersh (2012) प्रस्तुत परिणाम को एक अधिक खगोलीय दृष्टिकोण को लागि Berent, Krosnick, and Lupia (2016) हेर्नुहोस्।

यो ध्यान दिनु महत्त्वपूर्ण छ कि यद्यपि Ansolabehere र Hersh कोटालिस्ट देखि डेटा को गुणवत्ता द्वारा प्रोत्साहित गरियो, व्यापारिक विक्रेताओं को अन्य मूल्यांकन कम उत्साहजनक छ। Pasek et al. (2014) एक खराब सर्वेक्षण पाउन जब सर्वेक्षणको डाटा उपभोक्ता फाइल समूहको तुलनामा तुलना गरिएको थियो (जसले आफैलाई तीन प्रदायकबाट डाटा मिलाएको छ: Acxiom, Experian, and InfoUSA)। यही हो, डाटा फाईल सर्वेक्षण प्रतिक्रियाहरूसँग मेल खाँदैन जुन शोधकर्ताहरू सही हुन थाल्छन्, उपभोक्ता फाइलले ठूलो संख्याको प्रश्नहरूको डेटा हराइरहेको थियो, र हराएको डेटा ढाँचा रिपोर्ट सर्वेक्षण मानसँग सम्बन्धित थियो (अन्य शब्दहरूमा, छुटेको छ डेटा व्यवस्थित थियो, अनियमित छैन)।

सर्वेक्षण र प्रशासनिक डेटा को बीच रेकर्ड लिंक मा अधिक को लागि, Sakshaug and Kreuter (2012) र Schnell (2013) । सामान्य Fellegi and Sunter (1969) लिंकको बारेमा बढीको लागि, Dunn (1946) र Fellegi and Sunter (1969) (ऐतिहासिक) र Larsen and Winkler (2014) (आधुनिक) हेर्नुहोस्। कम्प्युटर साइन्समा पनि डेटा डिप्लिकप्पेशन, उदाहरणको पहिचान, नाम मिलान, डुप्लिकेट पत्ता लगाउने, र डुप्लिकेट रेकर्ड पत्ता लगाउने (Elmagarmid, Ipeirotis, and Verykios 2007) समान दृष्टिकोणहरू पनि विकसित गरिएका छन्। लिङ्क रेकर्ड गर्न गोपनीयता-संरक्षित दृष्टिकोणहरू पनि छन् जुन व्यक्तिगत रूपमा पहिचान पहिचानको प्रसारणको आवश्यकता पर्दैन (Schnell 2013) । फेसबुकमा शोधकर्ताहरूले आफ्नो रेकर्डलाई मतदान व्यवहार (Jones et al. 2013) लाई सम्भावित रूपमा लिङ्क गर्ने प्रक्रिया विकसित गर्यो; यो लिङ्क एक प्रयोग को मूल्यांकन गर्न को लागी थियो कि म तपाईंलाई अध्याय 4 (Bond et al. 2012) बारेमा बताऊँगा। रेकर्ड लिङ्कका लागि सहमति प्राप्त गर्न अधिकका लागि, Sakshaug et al. (2012) हेर्नुहोस् Sakshaug et al. (2012) ।

सरकारी प्रशासनिक रेकर्डमा ठूलो मात्रामा सामाजिक सर्वेक्षण जोड्ने अर्को उदाहरण स्वास्थ्य र सेवानिवृत्ति सर्वेक्षण र सोशल सुरक्षा प्रशासनबाट आउँछ। स्वीकृति प्रक्रियाको बारेमा जानकारी सहित कि अध्ययनमा अधिकका लागि, ओलसन हेर्नुहोस् (1996, 1999) ।

प्रशासनिक रेकर्डका धेरै स्रोतहरू संयोजन गर्न एक डेटा डेटफाइलमा - क्यालिस्टिस्ट काम गर्ने प्रक्रिया - केही राष्ट्रिय सरकारहरूको तथ्याङ्क कार्यालयमा सामान्य छ। तथ्याङ्क स्वीडेनका दुई शोधकर्ताले विषयमा विस्तृत पुस्तक लेखेका छन् (Wallgren and Wallgren 2007) । संयुक्त राज्य अमेरिकामा एक एकल काउन्टीमा यो दृष्टिकोणको उदाहरणको लागि (ओल्मोस्टी काउन्टी, मिनेसोता; मेयो क्लिनिकको घर), Sauver et al. (2011) । प्रशासनिक रेकर्डमा देखा पर्न सक्ने त्रुटिहरूको बारेमा अधिक Groen (2012) लागि Groen (2012) हेर्नुहोस्।

सर्वेक्षण अनुसन्धानमा शोधकर्ताहरूले ठूला डेटा स्रोतहरू प्रयोग गर्न अर्को तरिका विशिष्ट विशेषता भएका व्यक्तिहरूको लागि एक नमूना फ्रेमको रूपमा हो। दुर्भाग्यवश, यस दृष्टिकोणले गोपनीयता (Beskow, Sandler, and Weinberger 2006) सम्बन्धी प्रश्नहरू उठाउन सक्छ।

परम्परागत प्रश्नको सन्दर्भमा, यो दृष्टिकोण नयाँ जस्तो छैन किनकि मैले यो वर्णन गरेको छु जस्तो देखिन्छ। तथ्यांकमा तीनवटा ठूलो क्षेत्रहरूमा गहिरो सम्बन्ध छ: मोडेल आधारित पोस्ट-स्तरीकरण (Little 1993) लिटिन (Rubin 2004) , अभिनय (Rubin 2004) , र सानो क्षेत्रीय अनुमान (Rao and Molina 2015) । यो मेडिकल रिसर्च (Pepe 1992) अपमानजनक चर प्रयोग को लागी पनि सम्बन्धित छ।

Blumenstock, Cadamuro, and On (2015) मा लागत र समय अनुमान एक चर सर्भर को लागत अधिक उल्लेख गर्दछ - र एक निश्चित लागत मा शामिल छैन जस्तै कल को डेटा को सफाई र प्रोसेसिंग को लागत। सामान्यतया, प्रवर्द्धन सोध्नु शायद उच्च तय लागत हुनेछ र डिजिटल प्रयोगहरूको समान कम चर लागत (अध्याय 4 हेर्नुहोस्)। विकासशील देशहरूमा मोबाइल फोन-आधारित सर्वेक्षणमा Dabalen et al. (2016) , Dabalen et al. (2016) ।

राम्रो प्रश्न सोध्ने बारे कसरी विचार गर्ने बारे विचारहरूको लागि, म बहुमूल्य प्रतिवेदनको बारेमा थप सिकाउने सिफारिस गर्दछु (Rubin 2004) । साथै, यदि शोधकर्ताहरूले व्यक्तिगत-स्तर लक्षणहरूको तुलनामा समग्र गणनाको बारेमा हेरविचार गरिरहनु भएको छ भने, King and Lu (2008) र Hopkins and King (2010) भनाइहरू उपयोगी हुन सक्छन्। अन्तमा, Blumenstock, Cadamuro, and On (2015) मा मेशिन सिकाउने दृष्टिकोणको बारेमा अधिक जानकारीका लागि James et al. (2013) (थप परिचय) वा Hastie, Tibshirani, and Friedman (2009) (अधिक उन्नत)।

Kosinski, Stillwell, and Graepel (2013) सन्दर्भमा एक नैतिक मुद्दा यो हो कि यो संवेदनशील लक्षणहरू प्रयोग गर्न प्रयोग गर्न सकिन्छ जुन Kosinski, Stillwell, and Graepel (2013) वर्णित व्यक्ति सर्वेक्षणमा चयन गर्न Kosinski, Stillwell, and Graepel (2013) ।