ਹੋਰ ਟਿੱਪਣੀ

ਇਸ ਭਾਗ ਦੀ ਬਜਾਏ, ਇੱਕ ਵਾਰਤਾ ਦੇ ਤੌਰ ਤੇ ਪੜ੍ਹਿਆ ਜਾ ਕਰਨ ਲਈ ਇੱਕ ਹਵਾਲਾ ਦੇ ਤੌਰ ਤੇ ਵਰਤਿਆ ਜਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ.

• ਜਾਣ ਪਛਾਣ (ਹਿੱਸਾ 3.1)

ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਥੀਮ ਦੇ ਕਈ ਨੇ ਵੀ ਅਜਿਹੇ ਰੂਪ ਵਿੱਚ ਜਨਤਕ ਰਾਏ ਰਿਸਰਚ ਦੇ ਅਮਰੀਕੀ ਐਸੋਸੀਏਸ਼ਨ (AAPOR) 'ਤੇ ਹਾਲ ਹੀ ਰਾਸ਼ਟਰਪਤੀ ਐਡਰੈੱਸ, ਵਿਚ echoed ਗਿਆ ਹੈ Dillman (2002) , Newport (2011) , Santos (2014) , ਅਤੇ Link (2015) .

ਸਰਵੇਖਣ ਖੋਜ ਦੇ ਵਿਕਾਸ ਬਾਰੇ ਹੋਰ ਇਤਿਹਾਸਕ ਪਿਛੋਕੜ ਦੀ ਲਈ, ਵੇਖੋ, Smith (1976) ਅਤੇ Converse (1987) . ਸਰਵੇਖਣ ਖੋਜ ਦੇ ਤਿੰਨ eras ਦੇ ਵਿਚਾਰ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Groves (2011) ਅਤੇ Dillman, Smyth, and Christian (2008) (ਜੋ ਕਿ ਥੋੜ੍ਹਾ ਵੱਖਰੇ ਤਿੰਨ eras ਹੋਵੋ ਭੰਗ).

ਸਰਵੇਖਣ ਖੋਜ 'ਚ ਦੂਜੇ ਦੌਰ ਦੀ ਪਹਿਲੀ ਤੱਕ ਤਬਦੀਲੀ ਦੇ ਅੰਦਰ ਇੱਕ ਪੀਕ ਹੈ Groves and Kahn (1979) ਹੈ, ਜੋ ਕਿ ਵਿਚਕਾਰ ਇੱਕ ਵਿਸਥਾਰ ਦੇ ਸਿਰ-ਨੂੰ-ਸਿਰ ਦੇ ਮੁਕਾਬਲੇ ਕਰਦਾ ਹੈ, ਇੱਕ ਦਾ ਮੂੰਹ-ਨੂੰ-ਚਿਹਰੇ ਅਤੇ ਟੈਲੀਫੋਨ ਸਰਵੇਖਣ. Brick and Tucker (2007) ਬੇਤਰਤੀਬ ਅੰਕ ਡਾਇਲਿੰਗ ਨਮੂਨਾ ਢੰਗ ਦੇ ਇਤਿਹਾਸਕ ਵਿਕਾਸ 'ਤੇ ਵਾਪਸ ਵੇਖਦਾ ਹੈ.

ਹੋਰ ਨੂੰ ਸਰਵੇਖਣ ਖੋਜ ਸਮਾਜ ਵਿੱਚ ਤਬਦੀਲੀ ਦੇ ਜਵਾਬ ਵਿੱਚ ਪਿਛਲੇ ਵਿੱਚ ਬਦਲ ਗਈ ਹੈ ਲਈ, ਵੇਖੋ Tourangeau (2004) , Mitofsky (1989) , ਅਤੇ Couper (2011) .

• ਦੇਖ ਬਨਾਮ ਮੰਗਦੇ ਹੈ (ਹਿੱਸਾ 3.2)

ਸਵਾਲ ਪੁੱਛ ਕੇ ਅੰਦਰੂਨੀ ਰਾਜ ਬਾਰੇ ਸਿੱਖਣ ਨਾਲ ਸਮੱਸਿਆ ਹੋ ਸਕਦੀ ਹੈ, ਕਿਉਕਿ ਕਈ ਵਾਰ ਜਵਾਬ ਆਪਣੇ ਆਪ ਨੂੰ ਆਪਣੇ ਅੰਦਰੂਨੀ ਰਾਜ ਦਾ ਪਤਾ ਨਹੀ ਹਨ. ਮਿਸਾਲ ਲਈ, Nisbett and Wilson (1977) , "ਜ਼ਿਆਦਾ ਸਾਨੂੰ ਪਤਾ ਹੈ ਕਰ ਸਕਦਾ ਹੈ ਦੱਸਣਾ::. ਮਾਨਸਿਕ ਕਾਰਜ 'ਤੇ ਜ਼ੁਬਾਨੀ ਰਿਪੋਰਟ' ਪੇਪਰ ਵਿੱਚ ਲੇਖਕ ਸਿੱਟਾ:" ਪਰਜਾ ਨੂੰ ਕਈ ਵਾਰ ਦੀ (ਇੱਕ) ਅਣਜਾਣ ਹਨ ਦਿਲਖਿਚ ਦਾ ਸਿਰਲੇਖ ਦੇ ਨਾਲ ਇੱਕ ਸ਼ਾਨਦਾਰ ਕਾਗਜ਼ ਹੈ ਨੂੰ ਇੱਕ ਪ੍ਰੋਤਸਾਹਨ ਹੈ, ਜੋ ਕਿ ਮਹੱਤਵਪੂਰਨ ਇੱਕ ਜਵਾਬ ਪ੍ਰਭਾਵਿਤ ਦੀ ਮੌਜੂਦਗੀ, (ਅ) ਦੇ ਜਵਾਬ ਦੀ ਮੌਜੂਦਗੀ ਦੀ ਹੈ, ਅਤੇ (ੲ) ਅਣਜਾਣ ਹੈ, ਜੋ ਕਿ ਉਤੇਜਕ ਜਵਾਬ ਪ੍ਰਭਾਵਿਤ ਕੀਤਾ ਹੈ ਦੇ ਅਣਜਾਣ. "

ਬਹਿਸ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਦੀ ਰਿਪੋਰਟ ਵਿਵਹਾਰ ਨੂੰ ਜ ਰਵੱਈਏ ਨੂੰ ਦੇਖਿਆ ਵਿਵਹਾਰ ਨੂੰ ਤਰਜੀਹ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਲਈ, ਵੇਖੋ Baumeister, Vohs, and Funder (2007) (ਮਨੋਵਿਗਿਆਨ) ਅਤੇ Jerolmack and Khan (2014) ਅਤੇ ਜਵਾਬ (Maynard 2014; Cerulo 2014; Vaisey 2014; Jerolmack and Khan 2014) (ਸਿਾਿ). ਪੁੱਛ ਹੈ ਅਤੇ ਇਹ ਵੀ ਦੇਖ ਵਿਚਕਾਰ ਫਰਕ ਅਰਥਸ਼ਾਸਤਰ, ਜਿੱਥੇ ਖੋਜਕਾਰ ਨੇ ਕਿਹਾ ਹੈ ਅਤੇ ਪਤਾ ਲੱਗਿਆ ਹੈ ਪਸੰਦ ਬਾਰੇ ਗੱਲ ਵਿੱਚ ਉੱਠਦਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਖੋਜਕਾਰ ਉੱਤਰਦਾਤਾ ਕਿ ਕੀ ਉਹ ਆਈਸ ਕਰੀਮ ਖਾਣ ਜ (ਨੇ ਕਿਹਾ ਪਸੰਦ) ਜਿੰਮ ਜਾਣਾ ਪਸੰਦ ਪੁੱਛ ਸਕਦੇ ਜ ਖੋਜ ਨੂੰ ਵੇਖ ਸਕਦਾ ਹੈ ਨੂੰ ਅਕਸਰ ਲੋਕ ਆਈਸ ਕਰੀਮ ਖਾਣ ਅਤੇ ਜਿੰਮ (ਪ੍ਰਗਟ ਪਸੰਦ) ਤੇ ਜਾਓ. ਉੱਥੇ ਕੁਝ ਖਾਸ ਅਰਥ ਵਿਚ ਕਿਹਾ ਪਸੰਦ ਡਾਟਾ ਦੇ ਕਿਸਮ ਦੇ ਡੂੰਘੇ ਸ਼ੱਕ ਹੈ (Hausman 2012) .

ਇਹ ਬਹਿਸ ਦੀ ਇਕ ਮੁੱਖ ਥੀਮ ਹੈ, ਜੋ ਕਿ ਇਸ ਕਥਿਤ ਵਿਵਹਾਰ ਨੂੰ ਹਮੇਸ਼ਾ ਸਹੀ ਨਹੀ ਹੈ, ਹੈ. ਪਰ, ਆਪਣੇ ਆਪ ਹੀ ਦਰਜ ਵਿਵਹਾਰ ਨੂੰ, ਸਹੀ ਹੈ, ਨਾ ਹੋ ਸਕਦਾ ਹੈ ਵਿਆਜ ਦਾ ਇੱਕ ਨਮੂਨਾ 'ਤੇ ਇਕੱਠੀ ਕੀਤੀ ਨਹੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਖੋਜਕਾਰ ਦੀ ਪਹੁੰਚ ਨਾ ਹੋ ਸਕਦਾ ਹੈ. ਇਸ ਲਈ, ਕੁਝ ਹਾਲਾਤ ਵਿੱਚ, ਮੈਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਇਸ ਕਥਿਤ ਵਿਵਹਾਰ ਨੂੰ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ. ਅੱਗੇ, ਇਹ ਬਹਿਸ ਦਾ ਇਕ ਦੂਜਾ ਮੁੱਖ ਥੀਮ ਹੈ, ਜੋ ਕਿ ਜਜ਼ਬਾਤ, ਗਿਆਨ, ਉਮੀਦ, ਅਤੇ ਰਾਏ ਦੇ ਬਾਰੇ ਰਿਪੋਰਟ ਹਮੇਸ਼ਾ ਸਹੀ ਨਹੀ ਹੈ. ਪਰ, ਜੇਕਰ ਇਹ ਅੰਦਰੂਨੀ ਰਾਜ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇ ਕੇ ਦੀ ਲੋੜ ਹੈ ਖੋਜਕਾਰ-ਕਿਸੇ ਦੀ ਮਦਦ ਕਰਨ ਲਈ ਕੁਝ ਵਿਵਹਾਰ ਨੂੰ ਸਮਝਾਉਣ ਜ ਦੇ ਤੌਰ ਤੇ ਗੱਲ ਇਹ ਸਮਝਾਇਆ-ਫਿਰ ਜਾ ਕਰਨ ਲਈ ਪੁੱਛ ਉਚਿਤ ਹੋ ਸਕਦਾ ਹੈ.

• ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ ਹੈ (ਹਿੱਸਾ 3.3)

ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ 'ਤੇ ਕਿਤਾਬ ਨੂੰ ਲੰਬਾਈ ਦੇ ਇਲਾਜ ਲਈ, ਵੇਖੋ Groves et al. (2009) ਜ Weisberg (2005) . ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ ਦੇ ਵਿਕਾਸ ਦਾ ਇਤਿਹਾਸ ਲਈ, ਵੇਖੋ, Groves and Lyberg (2010) .

ਇਕ ਰਿਸਰਚ ਏਜੰਡੇ: ਨੁਮਾਇੰਦਗੀ ਦੇ ਰੂਪ ਵਿੱਚ, ਗੈਰ-ਜਵਾਬ ਅਤੇ ਗੈਰ-ਜਵਾਬ ਪੱਖਪਾਤ ਦੇ ਮੁੱਦੇ ਨੂੰ ਕਰਨ ਲਈ ਇੱਕ ਬਹੁਤ ਵੱਡੀ ਪਛਾਣ ਸੋਸ਼ਲ ਸਾਇੰਸ ਸਰਵੇਖਣ ਵਿਚ Nonresponse 'ਤੇ ਨੈਸ਼ਨਲ ਰਿਸਰਚ ਪ੍ਰੀਸ਼ਦ ਦੀ ਰਿਪੋਰਟ ਹੈ (2013) . ਇਕ ਹੋਰ ਲਾਭਦਾਇਕ ਸੰਖੇਪ ਦੁਆਰਾ ਦਿੱਤਾ ਗਿਆ ਹੈ (Groves 2006) . ਇਸ ਦੇ ਨਾਲ, ਸਰਕਾਰੀ ਅੰਕੜੇ ਦੇ ਜਰਨਲ, ਜਨਤਕ ਰਾਏ ਤਿਮਾਹੀ ਹੈ, ਅਤੇ ਸਿਆਸੀ ਅਤੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਦੇ ਅਮਰੀਕੀ ਅਕੈਡਮੀ ਦੇ ਇਤਹਾਸ ਦੀ ਸਾਰੀ ਵਿਸ਼ੇਸ਼ ਮੁੱਦੇ ਗੈਰ-ਜਵਾਬ ਦੇ ਵਿਸ਼ੇ 'ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ. ਅੰਤ ਵਿੱਚ, ਉੱਥੇ ਜਵਾਬ ਦੀ ਦਰ ਦੀ ਗਣਨਾ ਦੇ ਅਸਲ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਤਰੀਕੇ ਹਨ; ਇਹ ਤਰੀਕੇ ਜਨਤਕ ਰਾਏ ਖੋਜਕਾਰ ਦੇ ਅਮਰੀਕੀ ਐਸੋਸੀਏਸ਼ਨ (AAPOR) ਨੇ ਇਕ ਰਿਪੋਰਟ ਵਿਚ ਵਿਸਥਾਰ ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ (Public Opinion Researchers} 2015) .

1936 ਸਾਹਿਤਕ ਡਾਇਜੈਸਟ ਚੋਣ ਵਿਸਥਾਰ ਵਿੱਚ ਅਧਿਐਨ ਕੀਤਾ ਗਿਆ ਹੈ (Bryson 1976; Squire 1988; Cahalan 1989; Lusinchi 2012) . ਇਸ ਵਿਚ ਇਹ ਵੀ ਇਕ ਮਿਸਾਲ ਬੇਢੰਗੇ ਡਾਟਾ ਇਕੱਠਾ ਵਿਰੁੱਧ ਚੇਤਾਵਨੀ ਦੇਣ ਲਈ ਦੇ ਤੌਰ ਤੇ ਵਰਤਿਆ ਗਿਆ ਹੈ (Gayo-Avello 2011) . 1936 ਵਿੱਚ, ਜਾਰਜ ਗੈਲੁਪ ਨਮੂਨੇ ਦੀ ਇੱਕ ਹੋਰ ਵਧੀਆ ਫਾਰਮ ਵਰਤਿਆ ਹੈ, ਅਤੇ ਇੱਕ ਬਹੁਤ ਹੀ ਛੋਟੇ ਨਮੂਨੇ ਦੇ ਨਾਲ ਹੋਰ ਸਹੀ ਅਨੁਮਾਨ ਪੈਦਾ ਕਰਨ ਦੇ ਯੋਗ ਸੀ. ਸਾਹਿਤਕ ਡਾਇਜੈਸਟ 'ਤੇ ਗੈਲੁਪ ਦੀ ਸਫਲਤਾ ਦਾ ਇੱਕ ਮੀਲ ਪੱਥਰ ਸਰਵੇਖਣ ਖੋਜ ਦੇ ਵਿਕਾਸ ਸੀ (Converse 1987, Ch 3; Ohmer 2006, Ch 4; Igo 2008, Ch 3) .

ਮਾਪ ਦੇ ਸੰਬੰਧ ਵਿੱਚ, ਨੂੰ ਤਿਆਰ ਪ੍ਰਸ਼ਨਾਵਲੀ ਲਈ ਇੱਕ ਮਹਾਨ ਪਹਿਲੀ ਸਰੋਤ ਹੈ Bradburn, Sudman, and Wansink (2004) . ਰਵੱਈਏ ਸਵਾਲ 'ਤੇ ਖਾਸ ਤੌਰ' ਤੇ ਧਿਆਨ ਇੱਕ ਹੋਰ ਤਕਨੀਕੀ ਇਲਾਜ ਲਈ, ਵੇਖੋ, Schuman and Presser (1996) . ਪ੍ਰੀ-ਟੈਸਟਿੰਗ ਸਵਾਲ 'ਤੇ ਹੋਰ ਵਿੱਚ ਉਪਲੱਬਧ ਹੈ Presser and Blair (1994) , Presser et al. (2004) , ਅਤੇ ਦੇ ਅਧਿਆਇ 8 Groves et al. (2009) .

ਸਰਵੇਖਣ ਦੀ ਲਾਗਤ ਅਤੇ ਸਰਵੇਖਣ ਗਲਤੀ ਵਿਚਕਾਰ ਵਪਾਰ-ਬੰਦ ਦੇ ਕਲਾਸਿਕ, ਦੀ ਕਿਤਾਬ-ਲੰਬਾਈ ਇਲਾਜ ਹੈ Groves (2004) .

• ਕੌਣ ਪੁੱਛਣ ਲਈ (ਹਿੱਸਾ 3.4)

ਮਿਆਰੀ ਸੰਭਾਵਨਾ ਨਮੂਨੇ ਅਤੇ ਅੰਦਾਜ਼ੇ ਦੇ ਕਲਾਸਿਕ ਦੀ ਕਿਤਾਬ-ਲੰਬਾਈ ਦੇ ਇਲਾਜ ਹਨ Lohr (2009) (ਹੋਰ ਸ਼ੁਰੂਆਤੀ) ਅਤੇ Särndal, Swensson, and Wretman (2003) (ਹੋਰ ਤਕਨੀਕੀ). ਪੋਸਟ-stratification ਅਤੇ ਸਬੰਧਤ ਢੰਗ ਦੇ ਟਕਸਾਲੀ ਦੀ ਕਿਤਾਬ-ਲੰਬਾਈ ਇਲਾਜ ਹੈ Särndal and Lundström (2005) . ਕੁਝ ਡਿਜ਼ੀਟਲ ਦੀ ਉਮਰ ਸੈਟਿੰਗ ਵਿੱਚ, ਖੋਜਕਾਰ ਗੈਰ-ਜਵਾਬ ਹੈ, ਜੋ ਕਿ ਨਾ ਅਕਸਰ ਅਤੀਤ ਵਿੱਚ ਸੱਚ ਸੀ, ਬਾਰੇ ਕਾਫ਼ੀ ਇੱਕ ਬਿੱਟ ਜਾਣਦੇ ਹੋ. ਗੈਰ-ਜਵਾਬ ਵਿਵਸਥਾ ਦੇ ਵੱਖ ਵੱਖ ਫਾਰਮ ਸੰਭਵ ਹਨ ਖੋਜਕਾਰ ਗੈਰ-ਜਵਾਬ ਬਾਰੇ ਜਾਣਕਾਰੀ ਹੈ, ਜਦ (Kalton and Flores-Cervantes 2003; Smith 2011) .

ਦੇ Xbox ਦਾ ਅਧਿਐਨ Wang et al. (2015) ਇੱਕ ਤਕਨੀਕ ਬਹੁ ਰੈਗਰੈਸ਼ਨ ਅਤੇ ਪੋਸਟ-stratification ਕਿਹਾ ਗਿਆ (ਚਿਪਕਾਉਣ, ਕਈ ਵਾਰ 'ਮਿਸਟਰ ਪੀ "ਕਹਿੰਦੇ ਹਨ), ਜੋ ਕਿ ਖੋਜਕਾਰ ਅੰਦਾਜ਼ਾ ਕਰਨ ਲਈ ਸੈੱਲ ਦਾ ਮਤਲਬ ਹੈ ਵੀ ਜਦ ਬਹੁਤ ਸਾਰੇ, ਬਹੁਤ ਸਾਰੇ ਸੈੱਲ ਹਨ ਸਹਾਇਕ ਹੈ ਵਰਤਦਾ ਹੈ. ਪਰ ਇਸ ਤਕਨੀਕ ਤੱਕ ਅਨੁਮਾਨ ਦੀ ਗੁਣਵੱਤਾ ਬਾਰੇ ਕੁਝ ਬਹਿਸ ਹੁੰਦੀ ਹੈ, ਇਸ ਨੂੰ ਇੱਕ ਹੋਨਹਾਰ ਖੇਤਰ ਦੇ ਪੜਚੋਲ ਕਰਨ ਵਰਗੇ ਲੱਗਦਾ ਹੈ. ਤਕਨੀਕ ਪਹਿਲੀ ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ ਸੀ Park, Gelman, and Bafumi (2004) , ਅਤੇ ਇਸ ਉਪਰੰਤ ਵਰਤਣ ਅਤੇ ਕੋਈ ਵਿਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ, (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) . ਵਿਅਕਤੀਗਤ ਵਜ਼ਨ ਅਤੇ ਸੈੱਲ-ਅਧਾਰਿਤ ਵਜ਼ਨ ਦੇ ਵਿਚਕਾਰ ਕੁਨੈਕਸ਼ਨ 'ਤੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਨੂੰ ਵੇਖੋ Gelman (2007) .

ਮੱਧਮਾਨ ਵੈੱਬ ਸਰਵੇਖਣ ਕਰਨ ਲਈ ਹੋਰ ਤਰੀਕੇ ਲਈ, ਵੇਖੋ Schonlau et al. (2009) , Valliant and Dever (2011) , ਅਤੇ Bethlehem (2010) .

ਨਮੂਨਾ ਮੇਲ ਦੁਆਰਾ ਪ੍ਰਸਤਾਵਿਤ ਕੀਤਾ ਗਿਆ ਸੀ Rivers (2007) . Bethlehem (2015) ਦਾ ਤਰਕ ਹੈ, ਜੋ ਕਿ ਸਧਾਰਨ ਮੇਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਅਸਲ ਵਿੱਚ ਹੋਰ ਨਮੂਨਾ ਤਰੀਕੇ (ਉਦਾਹਰਨ ਲਈ, stratified ਨਮੂਨੇ) ਅਤੇ ਹੋਰ ਵਿਵਸਥਾ ਤਰੀਕੇ (ਉਦਾਹਰਨ ਲਈ, ਪੋਸਟ-stratification) ਕਰਨ ਲਈ ਵੀ ਇਸੇ ਹੋ ਜਾਵੇਗਾ. ਆਨਲਾਈਨ ਪੈਨਲ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Callegaro et al. (2014) .

ਕਈ ਵਾਰ ਖੋਜਕਾਰ ਨੇ ਦੇਖਿਆ ਹੈ ਕਿ ਸੰਭਾਵਨਾ ਦੇ ਨਮੂਨੇ ਅਤੇ ਗੈਰ-ਸੰਭਾਵਨਾ ਨਮੂਨੇ ਇਸੇ ਗੁਣਵੱਤਾ ਦੀ ਅਨੁਮਾਨ ਅਰਪਿਤ (Ansolabehere and Schaffner 2014) , ਪਰ ਹੋਰ ਤੁਲਨਾ ਨੇ ਦੇਖਿਆ ਹੈ ਕਿ ਗੈਰ-ਸੰਭਾਵਨਾ ਨਮੂਨੇ ਬਦਤਰ ਕਰ (Malhotra and Krosnick 2007; Yeager et al. 2011) . ਇਹ ਅੰਤਰ ਲਈ ਇੱਕ ਸੰਭਵ ਕਾਰਨ ਹੈ ਕਿ ਗੈਰ-ਸੰਭਾਵਨਾ ਨਮੂਨੇ ਵਾਰ ਵੱਧ ਸੁਧਾਰ ਕੀਤਾ ਹੈ. ਗੈਰ-ਸੰਭਾਵਨਾ ਨਮੂਨਾ ਢੰਗ ਦੀ ਇੱਕ ਹੋਰ ਨਿਰਾਸ਼ਾਵਾਦੀ ਝਲਕ ਲਈ ਵੇਖੋ, ਗੈਰ-ਸੰਭਾਵਨਾ ਜਾਣਕਾਰੀ 'ਤੇ AAPOR ਟਾਸਕ ਫੋਰਸ (Baker et al. 2013) , ਅਤੇ ਮੈਨੂੰ ਇਹ ਵੀ ਟਿੱਪਣੀ ਹੈ, ਜੋ ਕਿ ਸੰਖੇਪ ਰਿਪੋਰਟ ਨੂੰ ਹੇਠ ਨੂੰ ਪੜ੍ਹਨ ਦੀ ਸਿਫਾਰਸ਼.

ਮੱਧਮਾਨ ਗੈਰ-ਸੰਭਾਵਨਾ ਨਮੂਨੇ ਵਿਚ ਪੱਖਪਾਤ ਨੂੰ ਘੱਟ ਕਰਨ ਦੇ ਪ੍ਰਭਾਵ 'ਤੇ ਇੱਕ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਲਈ, ਵਿੱਚ ਸਾਰਣੀ 2.4 ਨੂੰ ਵੇਖੋ Tourangeau, Conrad, and Couper (2013) ਹੈ, ਜੋ ਕਿ ਲੇਖਕ ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ "ਸਿੱਟਾ ਸੁਧਾਰ ਲਾਭਦਾਇਕ ਹੈ, ਪਰ ਭੁੱਲਣਹਾਰ ਠੀਕ ਹੋਣ ਲਈ ਲੱਗਦਾ ਹੈ,. . . "

• ਕਿਸ ਨੂੰ ਇਹ ਪੁੱਛਣ ਲਈ (ਹਿੱਸਾ 3.5)

Conrad and Schober (2008) ਭਵਿੱਖ ਦੇ ਸਰਵੇਖਣ ਇੰਟਰਵਿਊ ਦੀ ਕਲਪਨਾ ਦਾ ਸਿਰਲੇਖ ਇੱਕ ਸੋਧਿਆ ਵਾਲੀਅਮ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਇਸ ਨੂੰ ਇਸ ਭਾਗ ਵਿੱਚ ਥੀਮ ਦੇ ਕਈ ਐਡਰੈੱਸ. Couper (2011) ਇਸੇ ਥੀਮ ਐਡਰੈੱਸ, ਅਤੇ Schober et al. (2015) ਨੂੰ ਡਾਟਾ ਇਕੱਠਾ ਢੰਗ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਨਵ ਸੈਟਿੰਗ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ ਉੱਚ ਗੁਣਵੱਤਾ ਡਾਟਾ ਹੋ ਸਕਦਾ ਹੈ ਦੀ ਇੱਕ ਚੰਗੇ ਉਦਾਹਰਨ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ.

ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਸਰਵੇਖਣ ਲਈ ਫੇਸਬੁੱਕ ਐਪਸ ਵਰਤਣ ਦੇ ਇਕ ਹੋਰ ਦਿਲਚਸਪ ਉਦਾਹਰਨ ਲਈ, ਵੇਖੋ, Bail (2015) .

ਸਰਵੇਖਣ ਹਿੱਸਾ ਲੈਣ ਲਈ ਇੱਕ ਮਜ਼ੇਦਾਰ ਹੈ ਅਤੇ ਕੀਮਤੀ ਤਜਰਬੇ ਨੂੰ ਬਣਾਉਣ ਤੇ ਹੋਰ ਸਲਾਹ ਲਈ, ਤਿਆਰ ਡਿਜ਼ਾਈਨ ਢੰਗ 'ਤੇ ਕੰਮ ਨੂੰ ਦੇਖ (Dillman, Smyth, and Christian 2014) .

Stone et al. (2007) ਵਾਤਾਵਰਣ ਛਿੰਨ ਿਨਰਧਾਰਨ ਅਤੇ ਸਬੰਧਤ ਢੰਗ ਦੀ ਇੱਕ ਕਿਤਾਬ ਲੰਬਾਈ ਦੇ ਇਲਾਜ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ.

• ਹੋਰ ਡਾਟਾ ਜੁੜਿਆ ਸਰਵੇਖਣ (ਹਿੱਸਾ 3.6)

Judson (2007) ਦੇ ਤੌਰ ਤੇ ਸਰਵੇਖਣ ਅਤੇ ਪ੍ਰਬੰਧਕੀ ਡਾਟਾ ਦਾ ਸੰਯੋਗ ਹੈ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ "ਜਾਣਕਾਰੀ ਏਕੀਕਰਣ," ਇਸ ਪਹੁੰਚ ਦੇ ਕੁਝ ਫਾਇਦੇ ਬਾਰੇ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਅਤੇ ਕੁਝ ਉਦਾਹਰਣ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ.

ਇਕ ਹੋਰ ਤਰੀਕਾ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਡਿਜ਼ੀਟਲ ਟਰੇਸ ਅਤੇ ਪ੍ਰਬੰਧਕੀ ਡਾਟਾ ਇਸਤੇਮਾਲ ਕਰ ਸਕਦੇ ਹੋ ਖਾਸ ਗੁਣ ਦੇ ਨਾਲ ਲੋਕ ਦੇ ਲਈ ਇੱਕ ਨਮੂਨਾ ਫਰੇਮ ਹੈ. ਪਰ, ਤੱਕ ਪਹੁੰਚ ਇਹ ਰਿਕਾਰਡ ਨੂੰ ਇਹ ਵੀ ਰਹੱਸ ਨੂੰ ਸਬੰਧਤ ਸਵਾਲ ਬਣਾ ਸਕਦੇ ਹੋ, ਇੱਕ ਨਮੂਨਾ ਫਰੇਮ ਵਰਤਿਆ ਜਾ ਕਰਨ ਲਈ (Beskow, Sandler, and Weinberger 2006) .

ਉਜਾਗਰ ਪੁੱਛਣ ਬਾਰੇ, ਇਸ ਪਹੁੰਚ ਦੇ ਤੌਰ ਤੇ ਇਸ ਨੂੰ ਮੈਨੂੰ ਇਸ ਨੂੰ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕੀਤਾ ਹੈ ਤੱਕ ਵਿਖਾਈ ਹੋ ਸਕਦਾ ਹੈ ਦੇ ਰੂਪ ਵਿੱਚ ਨਵ ਨਹੀ ਹੈ. ਇਹ ਪਹੁੰਚ ਤਿੰਨ ਵੱਡੇ ਅੰਕੜੇ-ਮਾਡਲ-ਅਧਾਰਿਤ ਪੋਸਟ-stratification ਵਿਚ ਖੇਤਰ ਦਾ ਡੂੰਘਾ ਕੁਨੈਕਸ਼ਨ ਹੈ (Little 1993) , imputation (Rubin 2004) , ਅਤੇ ਛੋਟੇ ਖੇਤਰ ਦੇ ਅੰਦਾਜ਼ੇ (Rao and Molina 2015) . ਇਸ ਵਿਚ ਇਹ ਵੀ ਡਾਕਟਰੀ ਖੋਜ ਵਿੱਚ ਿਕਸੇਸਹਾਇਕ ਵੇਰੀਏਬਲ ਦੀ ਵਰਤੋ ਕਰਨ ਨਾਲ ਸਬੰਧਤ ਹੈ (Pepe 1992) .

ਡਿਜ਼ੀਟਲ ਟਰੇਸ ਡਾਟਾ ਨੂੰ ਵਰਤਣ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਨੈਤਿਕ ਮੁੱਦੇ ਨੂੰ ਇਸ ਦੇ ਨਾਲ ਚੜ੍ਹਦਾ ਪੁੱਛਣ ਲਈ ਵੀ ਸੰਵੇਦਨਸ਼ੀਲ ਔਗੁਣ ਹੈ, ਜੋ ਕਿ ਲੋਕ ਇੱਕ ਸਰਵੇਖਣ ਵਿੱਚ ਪ੍ਰਗਟ ਕਰਨ ਦੀ ਚੋਣ ਹੈ, ਨਾ ਹੋ ਸਕਦਾ ਹੈ ਮਹਤਵ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ (Kosinski, Stillwell, and Graepel 2013) .

ਵਿਚ ਲਾਗਤ ਅਤੇ ਵਾਰ ਅਨੁਮਾਨ Blumenstock, Cadamuro, and On (2015) ਅਜਿਹੇ ਦੀ ਸਾਫ਼ ਅਤੇ ਕਾਲ ਡਾਟਾ ਤੇ ਕਾਰਵਾਈ ਕਰਨ ਦੇ ਤੌਰ ਵੇਰੀਏਬਲ ਦੀ-ਇਕ ਵਾਧੂ ਸਰਵੇਖਣ-ਅਤੇ ਹੱਲ ਸ਼ਾਮਲ ਨਾ ਕਰੋ ਦੀ ਲਾਗਤ ਦੀ ਲਾਗਤ ਨੂੰ ਹੋਰ ਵੇਖੋ. ਆਮ ਤੌਰ 'ਤੇ ਚੜ੍ਹਦਾ ਪੁੱਛਣ ਸੰਭਵ ਹੈ ਕਿ ਉੱਚ ਹੱਲ ਦੀ ਲਾਗਤ ਅਤੇ ਘੱਟ ਵੇਰੀਏਬਲ ਡਿਜ਼ੀਟਲ ਪ੍ਰਯੋਗ (ਅਧਿਆਇ 4 ਦੇਖੋ) ਨੂੰ ਵੀ ਇਸੇ ਦੀ ਲਾਗਤ ਹੈ. ਵਿੱਚ ਵਰਤਿਆ ਡਾਟਾ 'ਤੇ ਹੋਰ ਵੇਰਵੇ Blumenstock, Cadamuro, and On (2015) ਕਾਗਜ਼ ਵਿੱਚ ਹਨ Blumenstock and Eagle (2010) ਅਤੇ Blumenstock and Eagle (2012) . ਮਲਟੀਪਲ imputuation ਤੱਕ ਪਹੁੰਚ (Rubin 2004) ਉਜਾਗਰ ਪੁੱਛਣ ਤੱਕ ਅਨੁਮਾਨ ਵਿਚ ਕੈਪਚਰ ਅਨਿਸ਼ਚਿਤਤਾ ਦੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ. ਖੋਜਕਾਰ ਸਿਰਫ ਪੁੱਛ ਸਾਮੂਹਿਕ ਗਿਣਤੀ ਹੈ, ਨਾ ਕਿ ਵਿਅਕਤੀਗਤ ਪੱਧਰ ਦੇ ਗੁਣ ਬਾਰੇ ਪਰਵਾਹ ਉਜਾਗਰ ਕੰਮ ਹੈ, ਜੇ, ਫਿਰ ਵਿੱਚ ਪਹੁੰਚ King and Lu (2008) ਅਤੇ Hopkins and King (2010) ਲਾਭਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ. ਵਿਚ ਮਸ਼ੀਨ ਸਿੱਖਣ ਤਰੀਕੇ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ Blumenstock, Cadamuro, and On (2015) , ਵੇਖੋ, James et al. (2013) (ਹੋਰ ਸ਼ੁਰੂਆਤੀ) ਜ Hastie, Tibshirani, and Friedman (2009) (ਹੋਰ ਤਕਨੀਕੀ). ਇਕ ਹੋਰ ਪ੍ਰਸਿੱਧ ਮਸ਼ੀਨ ਸਿੱਖਣ ਪੁਸਤਕ ਹੈ Murphy (2012) .

ਅਮੀਰ ਪੁੱਛਣ ਬਾਰੇ Ansolabehere ਅਤੇ Hersh ਵਿੱਚ ਨਤੀਜੇ (2012) , ਦੋ ਕੁੰਜੀ ਕਦਮ 'ਤੇ ਨਿਰਭਰ: 1) ਤੱਕ ਸਰਵੇਖਣ ਡਾਟਾ ਸਹੀ ਮਾਸਟਰ datafile ਨੂੰ ਪੈਦਾ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਖਿੰਡੇ ਡਾਟਾ ਸਰੋਤ ਜੋੜ ਲਈ ਹੈ ਅਤੇ 2) Catalist ਦੀ ਯੋਗਤਾ ਨੂੰ ਲਿੰਕ ਕਰਨ Catalist ਦੀ ਯੋਗਤਾ ਇਸ ਦੇ ਮਾਲਕ ਨੂੰ datafile. ਇਸ ਲਈ, Ansolabehere ਅਤੇ Hersh ਇਹ ਪਗ ਦੇ ਹਰ ਧਿਆਨ ਨਾਲ ਚੈੱਕ ਕਰੋ.

ਮਾਸਟਰ datafile ਬਣਾਉਣ ਲਈ, Catalist ਕਰਦਾ ਹੈ ਅਤੇ ਸਮੇਤ ਬਹੁਤ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਸਰੋਤ ਤੱਕ ਦੀ ਜਾਣਕਾਰੀ ਅਨੁਸਾਰ: ਹੋਰ ਰੁਕਦਾ ਵਪਾਰਕ ਮੁਹੱਈਆ ਹਰ ਰਾਜ ਦੇ ਕਈ ਵੋਟਿੰਗ ਦੇ ਰਿਕਾਰਡ ਸਨੈਪਸ਼ਾਟ, ਪੋਸਟ ਆਫਿਸ ਦਾ ਪਤਾ ਰਜਿਸਟਰੀ ਦੇ ਕੌਮੀ ਬਦਲੋ ਡਾਟਾ, ਅਤੇ ਡਾਟਾ. ਇਹ ਸਾਰੇ ਸਫਾਈ ਅਤੇ ਮਿਲਾਨ ਹੁੰਦਾ ਹੈ, ਬਾਰੇ ਕਰੂਰਤਾ ਵੇਰਵੇ ਇਸ ਪੁਸਤਕ ਦੇ ਸਕੋਪ ਪਰੇ ਹਨ, ਪਰ ਇਸ ਪ੍ਰਕਿਰਿਆ, ਕੋਈ ਵੀ ਇਸ ਮਾਮਲੇ ਨੂੰ ਧਿਆਨ ਨਾਲ, ਅਸਲੀ ਡਾਟਾ ਸਰੋਤ ਵਿੱਚ ਗਲਤੀ ਦਾ ਪ੍ਰਚਾਰ ਹੋਵੇਗਾ ਅਤੇ ਗਲਤੀ ਪੇਸ਼ ਕੀਤਾ ਜਾਵੇਗਾ. ਪਰ Catalist ਇਸ ਦੇ ਡਾਟਾ ਨੂੰ ਕਾਰਵਾਈ ਕਰਨ ਦੀ ਚਰਚਾ ਹੈ ਅਤੇ ਇਸ ਦੇ ਕੱਚੇ ਡਾਟਾ ਦੇ ਕੁਝ ਮੁਹੱਈਆ ਕਰਨ ਲਈ ਤਿਆਰ ਸੀ, ਇਸ ਨੂੰ ਸਿਰਫ਼ ਅਸੰਭਵ ਸੀ ਖੋਜਕਾਰ ਸਾਰੀ Catalist ਡਾਟਾ ਪਾਈਪਲਾਈਨ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਲਈ ਲਈ. ਇਸ ਦੀ ਬਜਾਇ, ਖੋਜਕਾਰ ਜਿੱਥੇ ਇੱਕ ਦੀ ਸਥਿਤੀ Catalist ਡਾਟਾ ਫਾਇਲ ਕੁਝ ਅਣਜਾਣ ਹੈ, ਅਤੇ ਸ਼ਾਇਦ ਅਗਾਧ, ਗਲਤੀ ਦੀ ਮਾਤਰਾ ਸੀ ਵਿਚ ਸਨ. ਇਹ ਇੱਕ ਗੰਭੀਰ ਚਿੰਤਾ ਦਾ, ਕਿਉਕਿ ਇੱਕ ਆਲੋਚਕ ਕਿਆਸ ਹੋ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ CCES 'ਤੇ ਸਰਵੇਖਣ ਰਿਪੋਰਟ ਅਤੇ Catalist ਮਾਸਟਰ ਡਾਟਾ ਫਾਇਲ ਵਿੱਚ ਵਿਹਾਰ ਨੂੰ ਦੇ ਵਿਚਕਾਰ ਵੱਡੇ ਅੰਤਰ ਮਾਸਟਰ ਡਾਟਾ ਫਾਇਲ ਵਿੱਚ ਗਲਤੀ ਦੇ ਕਾਰਨ ਸਨ, ਉੱਤਰਦਾਤਾ ਕੇ misreporting ਕੇ ਨਹੀ ਹੈ.

Ansolabehere ਅਤੇ Hersh ਡਾਟਾ ਗੁਣਵੱਤਾ ਚਿੰਤਾ ਨੂੰ ਸੰਬੋਧਨ ਕਰਨ ਲਈ ਦੋ ਵੱਖ-ਵੱਖ ਤਰੀਕੇ ਲੈ ਲਿਆ. ਪਹਿਲੀ, Catalist ਮਾਸਟਰ ਫਾਇਲ ਵਿੱਚ ਵੋਟ ਕਰਨ ਲਈ ਸਵੈ-ਦੀ ਰਿਪੋਰਟ ਵੋਟਿੰਗ ਦੀ ਤੁਲਨਾ ਕਰਨ ਦੇ ਨਾਲ, ਖੋਜਕਾਰ ਨੂੰ ਵੀ ਦੇ ਮੁਕਾਬਲੇ ਸਵੈ-ਦੀ ਰਿਪੋਰਟ ਪਾਰਟੀ ਦੇ, ਦੀ ਦੌੜ, ਵੋਟਰ ਰਜਿਸਟਰੇਸ਼ਨ ਹਾਲਤ ਨੂੰ (ਉਦਾਹਰਨ ਲਈ, ਰਜਿਸਟਰ ਕੀਤਾ ਜ ਨਾ ਦਰਜ ਕੀਤਾ) ਅਤੇ ਵੋਟਿੰਗ ਢੰਗ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਵਿਅਕਤੀ ਨੂੰ ਵਿੱਚ, ਗੈਰ ਹਾਜ਼ਰ ਬੈਲਟ, ਆਦਿ) ਜਿਹੜੇ ਮੁੱਲ Catalist ਡਾਟਾਬੇਸ ਵਿੱਚ ਲੱਭਿਆ ਹੈ. ਇਹ ਚਾਰ ਜਨ ਵੇਰੀਏਬਲ ਲਈ, ਖੋਜਕਾਰ ਵੋਟਿੰਗ ਲਈ ਵੱਧ Catalist ਮਾਸਟਰ ਫਾਇਲ ਵਿੱਚ ਸਰਵੇਖਣ ਦੀ ਰਿਪੋਰਟ ਅਤੇ ਡਾਟਾ ਵਿਚਕਾਰ ਸਮਝੌਤੇ ਦੀ ਵੀ ਬਹੁਤ ਉੱਚ ਪੱਧਰ ਪਾਇਆ. ਇਸ ਲਈ, Catalist ਮਾਸਟਰ ਡਾਟਾ ਫਾਇਲ ਜੋ ਕਿ ਸੁਝਾਅ ਇਸ ਨੂੰ ਗਰੀਬ ਸਮੁੱਚੇ ਗੁਣਵੱਤਾ ਦੀ ਨਹੀ ਹੈ, ਵੋਟ ਦੇ ਇਲਾਵਾ ਹੋਰ ਗੁਣ ਲਈ ਉੱਚ ਗੁਣਵੱਤਾ ਜਾਣਕਾਰੀ ਹੈ ਨੂੰ ਦਿਸਦਾ ਹੈ,. ਦੂਜਾ, Catalist ਤੱਕ ਡਾਟਾ ਵਰਤ ਹਿੱਸੇ ਵਿੱਚ, Ansolabehere ਅਤੇ Hersh ਕਾ ਵੋਟਿੰਗ ਦੇ ਰਿਕਾਰਡ ਦੀ ਗੁਣਵੱਤਾ ਦੇ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਉਪਾਅ ਵਿਕਸਤ ਹੈ, ਅਤੇ ਉਹ ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਵੋਟਿੰਗ ਦੀ ਵੱਧ-ਰਿਪੋਰਟਿੰਗ ਦੀ ਅੰਦਾਜ਼ਨ ਦਰ ਨੂੰ ਅਵੱਸ਼ਕ ਇਹ ਡਾਟਾ ਉੱਤਮ ਉਪਾਅ ਦੇ ਕਿਸੇ ਵੀ ਸੰਬੰਧ ਸੀ, ਇੱਕ ਖੋਜ ਹੈ, ਜੋ ਕਿ ਕਹਿੰਦੇ ਹਨ ਕਿ ਵੱਧ-ਰਿਪੋਰਟਿੰਗ ਦੀ ਉੱਚੀ ਦਰ ਬਹੁਤ ਘੱਟ ਡਾਟਾ ਗੁਣਵੱਤਾ ਦੇ ਨਾਲ counties ਦੁਆਰਾ ਚਲਾਏ ਨਾ ਕੀਤੇ ਜਾ ਰਹੇ ਹਨ.

ਇਸ ਮਾਸਟਰ ਵੋਟਿੰਗ ਫਾਇਲ ਬਣਾਉਣ ਦੀ ਮੱਦੇਨਜ਼ਰ, ਸੰਭਾਵੀ ਗਲਤੀ ਦੇ ਦੂਜੇ ਸਰੋਤ ਇਸ ਨੂੰ ਕਰਨ ਲਈ ਸਰਵੇਖਣ ਦੇ ਰਿਕਾਰਡ ਨਾਲ ਸਬੰਧਤ ਹੈ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਇਸ ਕੜੀ ਗਲਤ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿ ਇਹ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਵੋਟਿੰਗ ਵਿਵਹਾਰ ਨੂੰ ਵਿਚਕਾਰ ਫਰਕ ਦੀ ਇੱਕ ਵੱਧ-ਅੰਦਾਜ਼ਾ ਕਰਨ ਦੀ ਅਗਵਾਈ ਕਰ ਸਕਦਾ ਹੈ (Neter, Maynes, and Ramanathan 1965) . ਜੇ ਹਰ ਵਿਅਕਤੀ ਨੂੰ ਇੱਕ ਸਥਿਰ, ਵਿਲੱਖਣ ਪਛਾਣਕਰਤਾ, ਜੋ ਕਿ ਦੋਨੋ ਡਾਟਾ ਸਰੋਤ ਵਿਚ ਸੀ ਸੀ, ਫਿਰ ਸਪਲਾਈ ਮਾਮੂਲੀ ਹੋ ਜਾਵੇਗਾ. ਅਮਰੀਕਾ ਅਤੇ ਹੋਰ ਦੇਸ਼ ਵਿੱਚ, ਪਰ, ਕੋਈ ਵੀ ਵਿਆਪਕ ਪਛਾਣ ਹੈ. ਅੱਗੇ, ਵੀ, ਜੇ ਉੱਥੇ ਅਜਿਹੇ ਸਨ, ਇੱਕ ਪਛਾਣ ਲੋਕ ਸੰਭਵ ਹੈ ਕਿ ਸਰਵੇਖਣ ਖੋਜਕਾਰ ਕਰਨ ਲਈ ਇਸ ਨੂੰ ਮੁਹੱਈਆ ਕਰਨ ਲਈ ਝਿਜਕ ਹੋ ਜਾਵੇਗਾ! ਨਾਮ, ਲਿੰਗ, ਜਨਮ ਸਾਲ, ਅਤੇ ਘਰ ਦਾ ਪਤਾ: ਇਸ ਲਈ, Catalist ਨਾਮੁਕੰਮਲ ਪਛਾਣਕਰਤਾ ਹਰ ਇੱਕ ਜਵਾਬਦੇਹ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇ ਚਾਰ ਟੁਕੜੇ ਵਰਤ ਕੇ, ਇਸ ਮਾਮਲੇ 'ਚ ਕੜੀ ਨੂੰ ਕੀ ਕਰਨ ਦੀ ਸੀ. ਮਿਸਾਲ ਲਈ, Catalist ਫੈਸਲਾ ਕਰਨ ਲਈ, ਜੇ CCES ਵਿਚ Homie ਜੰਮੂ ਸਿੰਪਸਨ ਆਪਣੇ ਮਾਲਕ ਡਾਟਾ ਫਾਇਲ ਵਿੱਚ ਹੋਮਰ Jay ਸਿੰਪਸਨ ਦੇ ਤੌਰ ਤੇ ਹੀ ਵਿਅਕਤੀ ਸੀ. ਅਭਿਆਸ ਵਿੱਚ, ਮੇਲ ਇੱਕ ਮੁਸ਼ਕਲ ਅਤੇ ਘੜਮੱਸ ਪ੍ਰਕਿਰਿਆ ਹੈ, ਅਤੇ, ਮਾਮਲੇ ਖੋਜਕਾਰ ਲਈ ਬਦਤਰ ਬਣਾਉਣ ਲਈ, Catalist ਇਸ ਦੇ ਮੇਲ ਤਕਨੀਕ ਮੰਨਿਆ ਮਲਕੀਅਤ ਹੋਣ ਲਈ.

ਕ੍ਰਮ ਮੇਲ ਐਲਗੋਰਿਥਮ ਦੀ ਪੜਤਾਲ ਕਰਨ ਲਈ, ਉਹ ਦੋ ਚੁਣੌਤੀ 'ਤੇ ਭਰੋਸਾ. Mitre ਕਾਰਪੋਰੇਸ਼ਨ: ਪਹਿਲੀ, Catalist ਨੂੰ ਇੱਕ ਮੇਲ ਮੁਕਾਬਲੇ, ਜੋ ਕਿ ਇੱਕ ਸੁਤੰਤਰ, ਤੀਜੀ-ਪਾਰਟੀ ਦੁਆਰਾ ਚਲਾਇਆ ਗਿਆ ਸੀ, ਵਿਚ ਹਿੱਸਾ ਲਿਆ. Mitre ਸਾਰੇ ਭਾਗ ਲੈਣ ਦੇ ਦੋ ਰੌਲੇ ਡਾਟਾ ਫਾਇਲ ਮੁਹੱਈਆ ਮੇਲ ਕੀਤਾ ਜਾ ਕਰਨ ਲਈ, ਅਤੇ ਵੱਖ-ਵੱਖ ਟੀਮ Mitre ਤੱਕ ਬੇਹਤਰੀਨ ਮੇਲ ਨੂੰ ਵਾਪਸ ਕਰਨ ਲਈ ਮੁਕਾਬਲਾ. ਇਸ ਕਰਕੇ Mitre ਆਪਣੇ ਆਪ ਨੂੰ ਸਹੀ ਮੇਲ ਪਤਾ ਸੀ ਕਿ ਉਹ ਟੀਮ ਸਕੋਰ ਕਰਨ ਦੇ ਯੋਗ ਸਨ. 40 ਕੰਪਨੀ ਹੈ, ਜੋ ਕਿ ਮੁਕਾਬਲਾ ਦੇ, Catalist ਦੂਜੇ ਸਥਾਨ 'ਤੇ ਆਇਆ ਸੀ. ਸੁਤੰਤਰ, ਤੀਜੀ-ਪਾਰਟੀ ਮਲਕੀਅਤ ਤਕਨਾਲੋਜੀ ਦੀ ਪੜਤਾਲ ਦੀ ਇਸ ਕਿਸਮ ਦੀ ਕਾਫ਼ੀ ਦੁਰਲੱਭ ਹੈ ਅਤੇ ਅਵਿਸ਼ਵਾਸ਼ ਕੀਮਤੀ ਹੈ; ਇਹ ਸਾਨੂੰ ਭਰੋਸਾ ਹੈ ਕਿ Catalist ਦੇ ਮੇਲ ਕਾਰਵਾਈ ਰਾਜ ਦੇ--ਕਲਾ 'ਤੇ ਅਵੱਸ਼ਕ ਹਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ. ਪਰ ਰਾਜ ਦੇ--ਕਲਾ ਲਈ ਕਾਫ਼ੀ ਚੰਗਾ ਹੈ? ਇਸ ਮੇਲ ਮੁਕਾਬਲੇ ਲਈ ਇਸ ਦੇ ਨਾਲ, Ansolabehere ਅਤੇ Hersh Catalist ਲਈ ਆਪਣੇ ਖੁਦ ਦੇ ਮੇਲ ਚੁਣੌਤੀ ਬਣਾਇਆ ਹੈ. ਇੱਕ ਪਹਿਲੇ ਪ੍ਰਾਜੈਕਟ ਨੂੰ ਤੱਕ, Ansolabehere ਅਤੇ Hersh ਫਲੋਰਿਡਾ ਤੱਕ ਵੋਟਰ ਦੇ ਰਿਕਾਰਡ ਇਕੱਠੇ ਕੀਤੇ ਸੀ. ਉਹ ਆਪਣੇ ਖੇਤਰ Catalist ਨੂੰ redacted ਅਤੇ ਫਿਰ ਆਪਣੇ ਅਸਲ ਮੁੱਲ ਨੂੰ ਇਹ ਖੇਤਰ ਦੀ Catalist ਦੀ ਰਿਪੋਰਟ ਦੇ ਮੁਕਾਬਲੇ ਕੁਝ ਦੇ ਨਾਲ ਇਹ ਰਿਕਾਰਡ ਦੀ ਕੁਝ ਦਿੱਤਾ ਹੈ. ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, Catalist ਦੀ ਰਿਪੋਰਟ ਰੋਕ ਮੁੱਲ ਨੇੜੇ ਸਨ, ਜੋ ਕਿ ਵੇਖਾਏਗਾ ਕਿ Catalist ਆਪਣੇ ਮਾਲਕ ਡਾਟਾ ਫਾਇਲ ਉੱਤੇ ਅੰਸ਼ਕ ਵੋਟਰ ਦੇ ਰਿਕਾਰਡ ਨਾਲ ਮੇਲ ਕਰ ਸਕਦਾ ਹੈ. ਇਹ ਦੋ ਚੁਣੌਤੀ ਹੈ, ਇੱਕ ਤੀਜੀ-ਪਾਰਟੀ ਦੁਆਰਾ ਇੱਕ ਅਤੇ ਇੱਕ Ansolabehere ਅਤੇ Hersh ਨੇ, ਸਾਨੂੰ ਸਾਨੂੰ ਆਪਣੇ ਸਹੀ ਲਾਗੂ ਕਰਨ ਆਪ ਦਾ ਜਾਇਜ਼ਾ ਨਾ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਫਿਰ ਵੀ Catalist ਮੇਲ ਐਲਗੋਰਿਥਮ ਵਿੱਚ ਹੋਰ ਨੂੰ ਭਰੋਸਾ ਦੇਣ.

ਉੱਥੇ ਵੋਟਿੰਗ ਦੀ ਪੜਤਾਲ ਕਰਨ ਲਈ ਬਹੁਤ ਸਾਰੇ ਪਿਛਲੇ ਕੋਸ਼ਿਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ. ਹੈ, ਜੋ ਕਿ ਸਾਹਿਤ ਦੀ ਇੱਕ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ Belli et al. (1999) , Berent, Krosnick, and Lupia (2011) , Ansolabehere and Hersh (2012) , ਅਤੇ Hanmer, Banks, and White (2014) .

ਇਹ ਨੋਟ ਕਰਨਾ ਕਿ ਇਸ ਮਾਮਲੇ 'ਚ ਖੋਜਕਾਰ Catalist ਤੱਕ ਡਾਟਾ ਦੀ ਗੁਣਵੱਤਾ ਦੇ ਕੇ ਉਤਸ਼ਾਹਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਵਪਾਰਕ ਵਿਕਰੇਤਾ ਦੇ ਹੋਰ evaluations ਘੱਟ ਉਤਸ਼ਾਹ ਕੀਤਾ ਗਿਆ ਹੈ, ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ. ਖੋਜਕਾਰ ਗਰੀਬ ਗੁਣਵੱਤਾ ਨੂੰ ਲੱਭ ਲਿਆ ਹੈ, ਜਦ ਕਿ ਮਾਰਕੀਟਿੰਗ ਸਿਸਟਮ ਗਰੁੱਪ ਤੱਕ ਇੱਕ ਖਪਤਕਾਰ-ਫਾਇਲ ਕਰਨ ਲਈ ਇੱਕ ਸਰਵੇਖਣ ਡਾਟਾ (ਜੋ ਆਪਣੇ ਆਪ ਨੂੰ ਤਿੰਨ ਮੁਹੱਈਆ ਤੱਕ ਇਕੱਠੇ ਡਾਟਾ ਲੀਨ: Acxiom, Experian, ਅਤੇ InfoUSA) (Pasek et al. 2014) . ਜੋ ਕਿ ਹੈ, ਡਾਟਾ ਫਾਇਲ ਸਰਵੇਖਣ ਜਵਾਬ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਸਹੀ ਹੋਣ ਦੀ ਉਮੀਦ ਨਾਲ ਮੇਲ ਨਾ ਸੀ, datafile ਸੀ ਲਾਪਤਾ ਲਾਪਤਾ ਡਾਟਾ ਪੈਟਰਨ ਸਵਾਲ ਦੀ ਇੱਕ ਵੱਡੀ ਗਿਣਤੀ ਹੈ, ਅਤੇ ਇਸ ਲਈ ਡਾਟਾ ਦੀ ਰਿਪੋਰਟ ਸਰਵੇਖਣ ਮੁੱਲ ਤੱਕ (ਸਬੰਧਿਤ ਸੀ, ਹੋਰ ਸ਼ਬਦ ਗੁੰਮ ਡਾਟਾ ਯੋਜਨਾਬੱਧ ਸੀ , ਬੇਤਰਤੀਬ ਨਾ).

ਸਰਵੇਖਣ ਅਤੇ ਪ੍ਰਬੰਧਕੀ ਡਾਟਾ ਵਿਚਕਾਰ ਰਿਕਾਰਡ ਨੂੰ ਸਪਲਾਈ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Sakshaug and Kreuter (2012) ਅਤੇ Schnell (2013) . ਆਮ ਰਿਕਾਰਡ ਨੂੰ ਸਪਲਾਈ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Dunn (1946) ਅਤੇ Fellegi and Sunter (1969) (ਇਤਿਹਾਸਕ) ਅਤੇ Larsen and Winkler (2014) (ਆਧੁਨਿਕ). ਇਸੇ ਤਰੀਕੇ ਨੂੰ ਵੀ ਅਜਿਹੇ ਡਾਟਾ deduplication, ਮਿਸਾਲ ਪਛਾਣ, ਨਾਮ ਮੇਲ, ਡੁਪਲੀਕੇਟ ਖੋਜ ਦੇ ਰੂਪ ਵਿੱਚ ਨਾਮ ਦੇ ਤਹਿਤ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਵਿੱਚ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਅਤੇ ਰਿਕਾਰਡ ਨੂੰ ਡਿਟੈਕਸ਼ਨ ਡੁਪਲੀਕੇਟ (Elmagarmid, Ipeirotis, and Verykios 2007) . ਵੀ ਰਹੱਸ ਨੂੰ ਸਪਲਾਈ, ਜਿਸ ਨੂੰ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਜਾਣਕਾਰੀ ਨੂੰ ਪਛਾਣ ਦੇ ਪ੍ਰਸਾਰਣ ਦੀ ਲੋੜ ਨਹ ਹੈ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨ ਲਈ ਤਰੀਕੇ ਰੱਖਣ ਹਨ (Schnell 2013) . ਫੇਸਬੁੱਕ 'ਤੇ ਖੋਜਕਾਰ probabilisticsly ਵੋਟਿੰਗ ਵਤੀਰੇ ਨੂੰ ਆਪਣੇ ਰਿਕਾਰਡ ਨੂੰ ਲਿੰਕ ਕਰਨ ਲਈ ਇੱਕ ਵਿਧੀ ਵਿਕਸਤ (Jones et al. 2013) ; ਇਸ ਕੜੀ ਇੱਕ ਤਜਰਬੇ ਹੈ, ਜੋ ਕਿ ਮੈਨੂੰ ਤੁਹਾਡੇ ਅਧਿਆਇ 4 ਵਿੱਚ ਦੇ ਬਾਰੇ ਵਿੱਚ ਦੱਸ ਦੇਣਗੇ ਲਾਉਣ ਲਈ ਕੀਤਾ ਗਿਆ ਸੀ (Bond et al. 2012) .

ਸਰਕਾਰ ਨੇ ਪ੍ਰਸ਼ਾਸਨਿਕ ਰਿਕਾਰਡ ਦਾ ਕਰਨ ਲਈ ਇੱਕ ਵੱਡੇ ਪੈਮਾਨੇ ਸਮਾਜਿਕ ਸਰਵੇਖਣ ਜੋੜਨ ਦਾ ਇਕ ਹੋਰ ਉਦਾਹਰਨ ਸਿਹਤ ਅਤੇ ਿਰਟਾਇਰਮਟ ਸਰਵੇਖਣ ਅਤੇ ਸਮਾਜਿਕ ਸੁਰੱਖਿਆ ਪ੍ਰਸ਼ਾਸਨ ਤੱਕ ਮਿਲਦੀ ਹੈ. ਹੈ, ਜੋ ਕਿ ਅਧਿਐਨ ਕਰਨ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਸਹਿਮਤੀ ਵਿਧੀ ਬਾਰੇ ਜਾਣਕਾਰੀ ਵੀ ਸ਼ਾਮਲ ਹੈ, ਨੂੰ ਵੇਖ Olson (1996) ਅਤੇ Olson (1999) .

ਇੱਕ ਮਾਸਟਰ datafile-ਕਾਰਜ ਨੂੰ ਹੈ, ਜੋ ਕਿ Catalist ਕੁਝ ਕੌਮੀ ਸਰਕਾਰ ਦੇ ਅੰਕੜਾ ਦਫਤਰ ਵਿਚ ਆਮ ਕਰਮਚਾਰੀ ਹੈ ਵਿੱਚ ਪ੍ਰਬੰਧਕੀ ਦੇ ਰਿਕਾਰਡ ਦੇ ਬਹੁਤ ਸਾਰੇ ਸਰੋਤ ਦਾ ਸੰਯੋਗ ਹੈ ਦੀ ਪ੍ਰਕਿਰਿਆ. ਅੰਕੜੇ ਸਵੀਡਨ ਤੱਕ ਦੋ ਖੋਜਕਾਰ ਵਿਸ਼ੇ 'ਤੇ ਇੱਕ ਵਿਸਥਾਰ ਦੀ ਕਿਤਾਬ ਲਿਖੀ ਹੈ (Wallgren and Wallgren 2007) . (Olmstead County, ਮਿਨੀਸੋਟਾ; Mayo ਕਲੀਨਿਕ ਦੇ ਘਰ) ਸੰਯੁਕਤ ਰਾਜ ਅਮਰੀਕਾ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ County ਵਿੱਚ ਇਸ ਪਹੁੰਚ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਲਈ, ਵੇਖੋ, Sauver et al. (2011) . ਗਲਤੀ ਹੈ, ਜੋ ਕਿ ਪ੍ਰਬੰਧਕੀ ਦੇ ਰਿਕਾਰਡ ਵਿੱਚ ਵਿਖਾਈ ਦੇ ਸਕਦੇ ਹੋ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Groen (2012) .