aktivity

kľúč:

  • Stupeň obtiažnosti: ľahká jednoduchý , stredne stredná tvrdé usilovne , veľmi ťažké veľmi ťažké
  • vyžaduje matematiku ( vyžaduje matematiku )
  • vyžaduje kódovanie ( vyžaduje kódovanie )
  • zber dát ( zber dát )
  • moje obľúbené ( môj obľúbený )

  1. [ usilovne , vyžaduje matematiku ] V kapitole, bol som veľmi pozitívne o post-stratifikácie. Avšak, to nie je vždy zlepšiť kvalitu odhadov. Konštruovať situácie, kedy môže post-stratifikácie môže znížiť kvalitu odhadov. (Pre nádychom, pozrite Thomsen (1973) ).

  2. [ usilovne , zber dát , vyžaduje kódovanie ] Dizajn a vykonať prieskum non-pravdepodobnostné na Amazon MTurk požiadať o vlastníctve zbraní ( "Naozaj, alebo má niekto vo vašej domácnosti, vlastniť zbraň, pušku alebo pištoľ? Je to vy alebo niekto iný vo vašej domácnosti?") A postoje voči kontroly zbrane ( "Čo myslíte, že je dôležitejšie, chrániť právo Američanov vlastniť zbrane, alebo ku kontrole držania zbraní?").

    1. Ako dlho trvá váš prieskum trvať? Koľko to stojí? Ako sa demografie Vašej vzorky v porovnaní s demografia obyvateľov USA?
    2. Čo je to surové odhad vlastníctva zbraní pomocou svojho vzorky?
    3. Správne pre non-reprezentatívnosť svojho vzorky za použitia post-rozvrstvenia alebo nejakú inú techniku. A teraz, čo je odhad držanie strelných zbraní?
    4. Ako sa vaše odhady v porovnaní s posledným odhadom z Pew Research Center? Čo si myslíte vysvetliť nezrovnalosti, ak existuje?
    5. Opakujte cvičenie 2-5 pre postojov na ovládanie zbrane. Ako sa vaše výsledky líšia?

  3. [ veľmi ťažké , zber dát , vyžaduje kódovanie ] Goel a jeho kolegovia (2016) podávať non-pravdepodobnosti založenú na prieskum skladajúci sa z 49 multiple-choice postojoch otázky čerpaných od General Social Survey (GSS) a vyberte prieskumov Pew Research Center na Amazonu MTurk. Oni potom nastaviť pre non-reprezentatívnosti dát pomocou založené na modeli post-vrstvenie (Mr. P) a porovnať upravené odhady s tými odhadnúť pomocou pravdepodobnostných na báze prieskumy GSS / lavice. Vykonať rovnaký prieskum na MTurk a pokúsiť sa replikovať Obrázok 2a a 2b Porovnaním upravené odhady s odhadmi z posledných kolách GSS / Pew (pozri prílohu tabuľku A2 pre zoznam 49 otázok).

    1. Porovnajte svoje výsledky s výsledkami z lavice a GSS.
    2. Porovnajte svoje výsledky s výsledkami z prieskumu MTurk v Goel, Obeng, and Rothschild (2016) .

  4. [ stredná , zber dát , vyžaduje kódovanie ] Mnoho štúdií používať selfreportových opatrení dát mobilný telefón aktivity. Jedná sa o zaujímavý nastavenia, kde môžu vedci porovnávať s vlastným hlásených správania s prihláseného správania (pozri napr Boase and Ling (2013) ). Dva bežné správanie opýtať sa volanie a posielanie SMS správ, a dva spoločné časových rámcoch sú "včera" a "v minulom týždni."

    1. Pred odberom všetky údaje, ktoré self-report opatrenia Myslíte si, že je presnejší? Prečo?
    2. Zamestnať 5 svojich priateľov, aby sa vo svojom prieskume. Prosím stručne zhrnúť, ako boli tieto 5 priateľov odobraté vzorky. Môže to postup pri odbere vzoriek vyvolať špecifické predsudky vo svojich odhadoch?
    3. Spýtajte sa im nasledujúce micro-prieskum:
    • "Koľkokrát ste použili mobilný telefón pre volania ostatné včera?"
    • "Koľko textových správ ste poslať včera?"
    • "Koľkokrát ste používať svoj mobilný telefón pre volania ostatným v posledných siedmich dňoch?"
    • "Koľkokrát ste pomocou mobilného telefónu odosielať a prijímať textové správy SMS / v posledných siedmich dňoch?" Po dokončení prieskumu, spýtajte sa kontrolovať ich dáta o využití ako je zaznamenaná ich telefónu alebo poskytovateľa služieb.
    1. Ako sa využitie self-správa v porovnaní s záznam dát? Čo je najpresnejšie, čo je najmenej presné?
    2. Teraz kombinovať dáta, ktoré ste zhromaždené s údajmi od iných ľudí vo svojej triede (ak robíte túto aktivitu pre triedu). S touto väčšou dátovej sady, zopakovať vybranú časť (d).

  5. [ stredná , zber dát ] Schuman a Presser (1996) tvrdí, že otázka predbežné opatrenia by záležať na dva typy vzťahov medzi otázky: čiastočný časť otázok, kde dve otázky sú na rovnakej úrovni špecifickosti (napr hodnotenie dvoch prezidentských kandidátov); aj čiastočný celej otázky, kde všeobecná otázka nasleduje konkrétnejšie otázku (napr otázkou: "Ako ste spokojný s vašou prácou?" nasleduje "Ako ste spokojný so svojím životom?").

    Ďalej charakterizujú dva typy otázka objednávky efektu: efekty konzistencia nastať pri odpovedi na otázku, neskôr sa priblíži (než by inak bolo) s ustanoveniami uvedenými na predchádzajúcu otázku; kontrastné efekty nastať, keď existujú väčšie rozdiely medzi odpoveďou na dve otázky.

    1. Vytvorenie páru čiastočný čiastkových otázok, ktoré si myslíte, že bude mať veľký vplyv otázka poradí, pár otázok na čiastočný celok, ktorý si myslíte, že bude mať veľký vplyv objednávky a ďalší pár otázok, ktorých poradie si myslíte, že by nevadilo. Spustiť prieskumu experiment na MTurk otestovať vaše otázky.
    2. Ako veľký bol čiastočne súčasťou efekt ste boli schopní vytvoriť? Bol to konzistencie alebo kontrastný účinok?
    3. Ako veľký bol vplyv na čiastočný celá ste boli schopní vytvoriť? Bol to konzistencie alebo kontrastný účinok?
    4. Bola tam otázka poradí efekt v páre, kde ste si nemyslel, že objednávka by na tom?

  6. [ stredná , zber dát ] V nadväznosti na prácu Schumana a Presser, Moore (2002) opisuje samostatný rozmer otázka objednávky efektu: aditívne a subtraktívnu. Kým kontrastu a konzistencia účinky sú produkované ako dôsledok hodnotenia respondentov oboch položiek v súvislosti s každým iným, prísady a subtraktívnu účinky sú produkované, keď sú respondenti viac citlivý na širšieho rámca, v ktorom sú otázky položené. Prečítajte Moore (2002) , potom navrhnúť a prevádzkovať prieskumu experiment na MTurk demonštrovať aditívne alebo subtraktívnu účinky.

  7. [ usilovne , zber dát ] Christopher Antoun a jeho kolegovia (2015) vykonali štúdiu porovnávajúcej vzorky so zmiešaným získaných zo štyroch rôznych zdrojov online náboru: MTurk, Craigslist, Google AdWords a Facebook. Navrhnúť jednoduchý prieskum a počtu účastníkov prostredníctvom najmenej dvoch rôznych zdrojov, on-line náboru (môžu byť z rôznych zdrojov zo štyroch zdrojov používaných v Antoun et al. (2015) ).

    1. Porovnanie nákladov za regrúta, z hľadiska času a peňazí medzi rôznymi zdrojmi.
    2. Porovnávajú zloženie vzoriek získaných z rôznych zdrojov.
    3. Porovnať kvalitu dát medzi jednotlivými vzorkami. Pre predstavy o tom, ako merať kvalitu dát od respondentov, pozri Schober et al. (2015) .
    4. Aký je váš preferovaný zdroj? Prečo?

  8. [ stredná ] YouGov, založený na internete, prieskum trhu firma, vykonali online hlasovanie panelom asi 800 tisíc respondentov vo Veľkej Británii a použitý P. predpovedať výsledok referenda EÚ (tj Brexit), kde voliči UK voliť buď zostať alebo opustiť európsku úniu.

    Podrobný popis YouGov je štatistického modelu je tu (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Zjednodušene povedané, YouGov priečky voliča do typov založených na 2015 všeobecných volieb hlasovania voľby, veku, vzdelania, pohlavie, dátum pohovoru, rovnako ako volebný obvod žijú v. Po prvé, oni používali údaje zozbierané z panelistov YouGov odhadnúť, medzi tými, ktorí volia, podiel ľudí každého druhu voličov, ktorí majú v úmysle voliť odísť. Oni odhadujú účasť každého typu voličov pomocou britskej štúdie z roku 2015 volebné (BES) povolebnej face-to-face prieskumu, ktorý potvrdené účasť od voličov. Nakoniec sa odhadnúť, koľko ľudí existuje pre každý typ voličov v voličov na základe najnovšieho sčítania ľudu a ročné analýze populácie (s nejakým pridávania informácií od BES, údaje prieskumu YouGov z celého všeobecných volieb, a informácie o tom, koľko ľudí hlasovalo pre každá strana v každom volebnom obvode).

    Tri dni pred hlasovaním YouGov ukázal dve bodový náskok na vstup. V predvečer hlasovania, hlasovanie ukázal príliš blízko k volanie (49 až 51 Zostáva). Konečný on-the-dňový štúdie predpovedá 48/52 v prospech Zostávajú (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). V skutočnosti je tento odhad minul konečný výsledok (52 - 48 dovolenke) o štyri percentuálne body.

    1. Použite celkový rámec chýb prieskum popisované v tejto kapitole posúdiť, čo sa mohlo pokaziť.
    2. YouGov odpoveď po voľbách (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/~~HEAD=pobj) vysvetlil: "To sa zdá byť vo veľkej časti kvôli volebná účasť - niečo, povedali sme po celú dobu bude rozhodujúci pre výsledok takého jemne vyvážené rasy. Naša účasť model bol sčasti založený na tom, či respondentov hlasovali v posledných všeobecných voľbách a úroveň účasť vyššia ako všeobecných volieb narušiť modelu, najmä na severe. "Znamená to zmeniť svoju odpoveď na časti (a)?

  9. [ stredná , vyžaduje kódovanie ] Napísať simulácie pre ilustráciu každý z chýb zastúpenie na obrázku 3.1.

    1. Vytvára situáciu, kedy tieto chyby v skutočnosti vyruší.
    2. Vytvára situáciu, kedy k chybám zlúčenina navzájom.

  10. [ veľmi ťažké , vyžaduje kódovanie ] Výskum Blumenstock a kolegovia (2015) zúčastňuje budovanie učenia modelu stroj, ktorý mohol používať digitálne dáta trasovanie predpovedať odpovedí v prieskume. Teraz sa pokúsime to isté s iným dátovej sady. Kosinski, Stillwell, and Graepel (2013) zistili, že Facebook má rád môže predvídať individuálne vlastnosti a atribúty. Prekvapivo, tieto predpovede môžu byť ešte presnejší než u priateľov a kolegov (Youyou, Kosinski, and Stillwell 2015) .

    1. Prečítajte si Kosinski, Stillwell, and Graepel (2013) , a replikovať Obrázok 2. sú tu k dispozícii Ich údaje: http://mypersonality.org/
    2. Teraz replikovať Obrázok 3.
    3. Napokon, skúste svoj model na svojom vlastnom údajom na Facebooku: http://applymagicsauce.com/. Ako dobre to funguje pre vás?

  11. [ stredná ] Toole et al. (2015) detail použitia záznamy Call (CDR) z mobilných telefónov predvídať súhrnné trendy v nezamestnanosti.

    1. Porovnať a odlíšiť dizajn Toole et al. (2015) s Blumenstock, Cadamuro, and On (2015) .
    2. Myslíte si, že CDR by mala nahradiť tradičné prieskumy, dopĺňať je alebo nie je možné použiť vôbec pre vládnej politiky, aby sledovať nezamestnanosť? Prečo?
    3. Aké dôkazy by vás presvedčiť, že CDR môžu úplne nahradiť tradičné opatrenia miery nezamestnanosti?

Powered by Open Review Toolkit