dejavnosti

Legenda:

• stopnja težavnosti: lahka , srednje , trda , zelo težko
• zahteva matematike ( )
• zahteva kodiranje ( )
• Zbiranje podatkov ( )
• moji najljubši ( )

1. [ , ] V poglavju, sem bil zelo pozitivno post-stratifikacije. Vendar pa ni vedno izboljša kakovost ocen. Zgraditi položaj, v katerem lahko objavljate, stratifikacija lahko zmanjša kakovost ocen. (Za namig, glej Thomsen (1973) ).

2. [ , , ] Design in izvesti brez verjetnosti raziskavo o Amazon MTurk vprašati o posedovanjem orožja ( "Ali ti, ali pa kdorkoli v vašem gospodinjstvu, lastnik pištolo, puško ali pištolo? Si to ti ali kdo drug v vašem gospodinjstvu?«) In odnos do nadzora pištolo ( "Kaj misliš, da je bolj pomembno, da zaščiti pravico Američanov do posedovanja orožja, ali za nadzor lastništvo pištolo?").

   1. Kako dolgo traja vaš raziskava traja? Koliko stane? Kako se demografski vašega vzorca primerjajo s demografske prebivalstva v ZDA?
   2. Kaj je surovi ocena posedovanjem orožja s svojim vzorec?
   3. Pravilna za ne-reprezentativnosti vašega vzorca z post-stratifikacije ali kakšno drugo tehniko. Zdaj, kaj je ocena posedovanjem orožja?
   4. Kako se vaše ocene primerjati z najnovejšo oceno iz Pew Research Center? Kaj misliš, da pojasni odstopanja, če obstaja?
   5. Vajo ponovite 2-5 za odnosa do nadzora pištolo. Kako se vaši rezultati razlikujejo?

3. [ , , ] Goel in sodelavci (2016) daje raziskavo, ki temelji na ne-verjetnost je sestavljen iz 49 več možnimi vedenjskih vprašanj, ki prihajajo iz družboslovne raziskave Generalne (GSS) in izberite raziskav, ki jih je Pew Research Center na Amazon MTurk. Nato prilagodite niso reprezentativnosti podatkov z uporabo modelska post-stratifikacije (g P), in primerjati prilagojene ocene s tistimi, ocenjena z uporabo, ki temelji na verjetnosti GSS / Pew ankete. Opravi isto raziskavo o MTurk in poskušajo posnemati Slika 2a in slika 2b primerjate svoje prilagojene ocene z ocenami od zadnjih krogih GSS / Pew (glej dodatek Preglednico A2 za seznam 49 vprašanj).

   1. Primerjajo svoje rezultate z rezultati iz klopi in GSS.
   2. Primerjajo svoje rezultate z rezultati ankete MTurk v Goel, Obeng, and Rothschild (2016) .

4. [ , , ] Številne študije uporabljajo ukrepe, self-poročilo podatkov mobilni telefon dejavnosti. To je zanimivo okolje, kjer lahko raziskovalci primerjate samostojno poročali vedenje z prijavljeni vedenja (glej npr Boase and Ling (2013) ). Dve skupni vedenja vprašati o kliče in pošiljanje kratkih sporočil in dva skupna rokih so "včeraj" in "v minulem tednu."

   1. Pred zbiranje kakršnih koli podatkov, ki od sebe poročila ukrepi meniš je bolj natančen? Zakaj?
   2. Recruit 5 svojih prijateljev, da se v raziskavi. Na kratko opišite, kako so bili vzorčeni teh 5 prijateljev. Lahko ta postopek vzorčenja povzroči določene predsodke pri oceni?
   3. Prosite jih naslednje mikro-anketa:
   • "Kolikokrat ste uporabili mobilni telefon poklicati druge včeraj?"
   • "Koliko besedila sporočil ste poslali včeraj?"
   • "Kolikokrat ste uporabljate svoj mobilni telefon za klic druge v zadnjih sedmih dneh?"
   • "Kolikokrat si jo uporabljate svoj mobilni telefon za pošiljanje ali prejemanje sporočil SMS / SMS v zadnjih sedmih dneh?« Ko je raziskava končana, prosimo, da preverijo svoje podatke o uporabi, kot je prijavljen s svojo telefonsko ali ponudnika storitev.
   4. Kako uporaba self-poročilo primerjati z log podatke? Kateri je najbolj natančna, ki je vsaj točni?
   5. Sedaj združujejo podatke, ki ste jih zbrali s podatki iz drugih ljudi v svojem razredu (če delaš to dejavnost za razred). S tem večji nabor podatkov, ponovite del (d).

5. [ , ] Schuman in Šivalna (1996) trdijo, da je vprašanje naročila bi pomembno za dve vrsti odnosov med vprašanj: vprašanja, del-del, kjer so dve vprašanji na isti ravni specifičnosti (npr ocene dveh predsedniških kandidatov); in s krajšim delovnim cele vprašanja, kjer splošno vprašanje sledi bolj specifično vprašanje (npr sprašuje: "Kako ste zadovoljni s svojim delom?" sledi "Kako ste zadovoljni s svojim življenjem?").

   Nadalje so značilni dve vrsti učinka vprašanje reda: doslednost učinki pojavijo, ko so odzivi na kasnejši vprašanje bližje (kot bi bili sicer) tistima na prejšnje vprašanje; V nasprotju učinki pojavijo, ko obstajajo večje razlike med odgovori na dve vprašanji.

   1. Ustvarite par del, del vprašanj, ki mislite, da imate vprašanje naročila učinek velik, par delov, celotna vprašanj, ki mislite, da bo imel velik vpliv red, in še en par vprašanj, katerih naročilo misliš, ne bi pomembno. Run raziskavo poskus na MTurk preizkusiti na vaša vprašanja.
      
   2. Kako velik je bil del, del učinek ste bili sposobni ustvariti? Je bilo usklajenost ali kontrast učinek?
   3. Kako velik je bil učinek krajšim delovnim cel ste bili sposobni ustvariti? Je bilo usklajenost ali kontrast učinek?
   4. Je bilo vprašanje učinek bi v paru, kjer nisi mislim da bi bilo to pomembno?

6. [ , ] Na podlagi dela Schuman in pritisne, Moore (2002) opisuje posebno razsežnost učinka vprašanje reda: aditiva in odštevalni. Medtem ko so kontrast in doslednost učinki nastali kot posledica ocen anketirancev obeh postavk v zvezi z drug od drugega dodatka in odštevalni učinki so proizvedeni, ko so anketiranci bolj občutljiva na širšem okviru, v katerem se zastavljajo vprašanja. Preberite Moore (2002) , nato pa oblikovati in voditi raziskavo poskus na MTurk dokazati aditivov ali odštevalni učinke.

7. [ , ] Christopher Antoun in sodelavci (2015) so izvedli študijo primerjali vzorce priročno, pridobljenih iz štirih različnih spletnih virov zaposlovanju: MTurk, Craigslist, Google AdWords in Facebook. Zasnovati preprost raziskavo in zaposliti udeležence preko vsaj dveh različnih virov ugodnih najemanju (so lahko različni viri iz štirih virov, uporabljenih pri Antoun et al. (2015) ).

   1. Primerjajte stroške na rekruta, v smislu denarja in časa, med različnimi viri.
   2. Primerjaj sestavo vzorcev, pridobljenih iz različnih virov.
   3. Primerjajte kakovost podatkov med vzorci. Za ideje o tem, kako za merjenje kakovosti podatkov od anketirancev, glej Schober et al. (2015) .
   4. Kakšen je vaš najprimernejši vir? Zakaj?

8. [ ] YouGov, internet, ki temelji tržne raziskave podjetja, ki se izvajajo spletne ankete ploskve približno 800.000 vprašanih v Veliki Britaniji in se uporablja gospoda P. napovedati rezultat referenduma EU (tj Brexit), kjer so volivci UK glasovanja bodisi ostati ali zapustiti evropsko unijo.

   Podroben opis statističnega modela YouGov je tukaj (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Grobo rečeno, YouGov pregradne volivcev v vrstah, ki temelji na 2015 splošno volilno izbiro glasov, starost, kvalifikacije, spol, datum intervjuja, kot tudi volilne živijo. Najprej so uporabili podatke, zbrane iz ugotovitvenega sveta YouGov oceniti, med tistimi, ki so glasovali, delež ljudi vsake vrste volivcev, ki nameravajo glasovati dopusta. Ocenjujejo prišlo vsake vrste volivcev s pomočjo British študijo o 2015 volitev (BES) povolilnega face-to-face raziskavo, ki je potrjena udeležba iz volilne imenike. Nazadnje so oceniti, koliko ljudi je za vsak tip volivcev v volilnem telesu, ki temelji na najnovejši popis in letni pregled prebivalstva (z nekaj dodatka informacij iz BES, anketni podatki YouGov iz celega splošnih volitvah, in informacije o tem, kako veliko ljudi je glasovalo za vsaka stranka v vsakem volilnem okraju).

   Tri dni pred glasovanjem, YouGov pokazala dva točk prednosti za pustiti. Na predvečer glasovanja je anketa pokazala, preblizu, da pokličete (49-51 Ostanite). Končna študija na kraju dan napovedano 48/52 v korist Ostanite (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). V bistvu je to ocena zgrešil končni rezultat (52-48 dopustu) za štiri odstotne točke.

   1. Uporabite skupni okvir napaki raziskava, obravnavanih v tem poglavju, da oceni, kaj bi lahko šlo narobe.
   2. YouGov odziv po volitvah (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/~~HEAD=pobj) je pojasnil: "To se zdi v veliki meri zaradi udeležbe - nekaj, kar Rekli smo vse skupaj bi bilo ključnega pomena za izid takšnega fino uravnoteženim dirki. Naša udeležba Model temelji delno na to, ali anketiranci so glasovali na zadnjih splošnih volitvah in enake volilna udeležba višja od splošnih volitev porušila model, še posebej na severu. «Ali to spremeni svoj odgovor na del (a)?

9. [ , ] Napiši simulacijo za ponazoritev vsako napak zastopanja na sliki 3.1.

   1. Ustvariti razmere, v katerih te napake dejansko izničijo.
   2. Ustvariti razmere, v katerih so napake spojine seboj.

10. [ , ] Raziskava Blumenstock in sodelavci (2015) je izbral izgradnjo stroj učni model, ki bi uporabo digitalnih podatkov o sledovih napovedati odgovore raziskovanja. Zdaj, boste poskušali isto stvar z drugo CCD. Kosinski, Stillwell, and Graepel (2013) je pokazala, da Facebook je všeč mogoče napovedati posamezne lastnosti in atribute. Presenetljivo je, da lahko te napovedi še bolj natančno kot tisti, prijateljev in sodelavcev (Youyou, Kosinski, and Stillwell 2015) .

    1. Preberite Kosinski, Stillwell, and Graepel (2013) , in posnemati sliko 2. Njihovi podatki so na voljo tukaj: http://mypersonality.org/
    2. Zdaj, ponovitev slika 3.
    3. Končno, poskusite svoj model na svojem Facebook podatkov: http://applymagicsauce.com/. Kako dobro deluje za vas?

11. [ ] Toole et al. (2015) podrobno uporaba klic evidence (CDR), od mobilnih telefonov napovedati skupnih trendih brezposelnosti.

    1. Primerjati in oblikovanje Toole et al. (2015) z Blumenstock, Cadamuro, and On (2015) .
    2. Ali menite, CDR mora nadomestiti tradicionalne raziskave, ki jih dopolnjuje ali ne sme uporabljati, sploh za vladne politike, da bi spremljali brezposelnosti? Zakaj?
    3. Kakšne dokaze bi vas prepričala, da se lahko CDR celoti nadomestiti tradicionalne ukrepe, o stopnji brezposelnosti?