அடுத்ததை வாசிப்பது என்ன

• அறிமுகம் (பிரிவு 3.1)

Dillman (2002) , Newport (2011) , Santos (2014) , மற்றும் Link (2015) Santos (2014) ஆகியவற்றால் நடத்தப்பட்ட பொது கருத்து ஆய்வுக்கான (AAPOR) அமெரிக்க சங்கத்தின் சமீபத்திய அத்தியாயங்களில் இந்த அத்தியாயத்தில் பல கருப்பொருள்கள் எதிரொலித்தன. Link (2015) .

கணக்கெடுப்பு ஆராய்ச்சி மற்றும் ஆழமான நேர்காணல்கள் ஆகியவற்றிற்கு இடையிலான வேறுபாடுகளுக்கு, Small (2009) . ஆழமான நேர்காணல்களுக்கு தொடர்புடையது Ethnography எனப்படும் அணுகுமுறைகளின் ஒரு குடும்பமாகும். இன பூகோள ஆராய்ச்சியில், ஆராய்ச்சியாளர்கள் பொதுவாக தங்கள் இயற்கை சூழலில் பங்கேற்பாளர்களுடன் அதிக நேரத்தை செலவிடுகிறார்கள். Ethnography மற்றும் ஆழமான நேர்காணல்களுக்கு இடையே உள்ள வேறுபாடுகளுக்கு, Jerolmack and Khan (2014) . மேலும் டிஜிட்டல் இனத்துவவியலில், Pink et al. (2015) .

கணக்கெடுப்பு ஆராய்ச்சியின் வரலாறு பற்றிய எனது விளக்கங்கள் மிகுந்த சுருக்கமானவை. மேலும் வரலாற்று பின்னணிக்கு, Smith (1976) , Converse (1987) மற்றும் Igo (2008) . சர்வே ஆராய்ச்சியின் மூன்று காலங்களின் யோசனைக்கு மேலும், Groves (2011) மற்றும் Dillman, Smyth, and Christian (2008) (இது மூன்று முரண்பாடுகளை சிறிது வித்தியாசமாக உடைக்கிறது).

Groves and Kahn (1979) முதன்முதலில் இருந்து நேர்காணல் மற்றும் தொலைபேசி கணக்கெடுப்புக்கு இடையே ஒரு விரிவான தலை-தலை-தலை ஒப்பீடு செய்வதன் மூலம் கணக்கெடுப்பு ஆராய்ச்சியில் இரண்டாவது சகாப்தத்திற்குள் மாற்றத்தை வழங்குகின்றன. ( ??? ) சீரற்ற-இலக்க-டயல் மாதிரி முறைகளின் வரலாற்று வளர்ச்சியைக் கவனியுங்கள்.

சமுதாயத்தில் மாற்றங்களை எதிர்கொள்ளும் வகையில் கடந்த காலத்தில் ஆய்வு ஆய்வில் எப்படி மாற்றப்பட்டது என்பதற்கு, Tourangeau (2004) , ( ??? ) , மற்றும் Couper (2011) .

• கவனிப்பதைக் கேட்பது (பிரிவு 3.2)

கேட்கப்பட்டு நுண்ணோக்குவதின் பலம் மற்றும் பலவீனங்களை உளவியலாளர்கள் (எ.கா., விவாதித்து வருகின்றனர் வேண்டும் Baumeister, Vohs, and Funder (2007) ) மற்றும் சமூகவியல் (எ.கா., Jerolmack and Khan (2014) ; Maynard (2014) ; Cerulo (2014) ; Vaisey (2014) , Jerolmack and Khan (2014) ஆகியவற்றுடன் கேட்கும் மற்றும் கவனிப்பதற்கான வித்தியாசம் பொருளாதாரத்தில் எழுகிறது, ஆராய்ச்சியாளர்கள் அறிவித்த மற்றும் வெளிப்படுத்தியுள்ள விருப்பங்களைப் பற்றி பேசுகின்றன.உதாரணமாக, ஒரு ஆராய்ச்சியாளர், ஐஸ் கிரீம் சாப்பிடுவது அல்லது ஜிம்மிற்கு (அறிவிக்கப்படும் விருப்பத்தேர்வுகள்), அல்லது மக்கள் அடிக்கடி ஐஸ் கிரீம் சாப்பிட்டு ஜிம் (வெளிப்படுத்தப்படும் விருப்பத்தேர்வுகள்) சென்று பார்க்கவும். Hausman (2012) விவரிக்கப்பட்டுள்ள பொருளாதரத்தில் குறிப்பிட்ட வகை தரவுகளைப் பற்றி ஆழமான சந்தேகம் உள்ளது.

இந்த விவாதங்களில் இருந்து ஒரு முக்கிய கருத்து, நடத்தை நடத்தை எப்போதும் துல்லியமாக இல்லை. ஆனால், 2-ஆம் அதிகாரத்தில் விவரிக்கப்பட்டுள்ளபடி, பெரிய தரவு ஆதாரங்கள் துல்லியமானதாக இருக்காது, அவை ஒரு மாதிரி வட்டி மீது சேகரிக்கப்படாமல் இருக்கலாம், மேலும் அவர்கள் ஆராய்ச்சியாளர்களுக்கு அணுக முடியாது. எனவே, நான் நினைக்கிறேன், சில சூழ்நிலைகளில், அறிக்கை நடத்தை பயனுள்ளதாக இருக்க முடியும். மேலும், விவாதங்கள், அறிவு, எதிர்பார்ப்புகள் மற்றும் கருத்துக்களைப் பற்றிய தகவல்கள் எப்பொழுதும் துல்லியமானவை அல்ல என்பதுதான் இந்த விவாதங்களின் இரண்டாவது முக்கிய கருத்தாகும். ஆனால், இந்த உள் மாநிலங்களைப் பற்றிய தகவல்கள் ஆராய்ச்சியாளர்களால் தேவைப்பட்டால்-அல்லது சில நடத்தைகளை விவரிக்க உதவுதல் அல்லது விளக்கப்பட வேண்டிய விஷயம்- தேவைக்கேற்ப கேட்டு இருக்கலாம். நிச்சயமாக, கேள்விகளைக் கேட்பதன் மூலம் உள் மாநிலங்களைப் பற்றி அறிந்து கொள்வது பிரச்சினைக்குரியதாக இருக்கலாம், ஏனெனில் சில நேரங்களில் பதிலளிப்பவர்கள் தங்களின் உள்ளக மாநிலங்களை (Nisbett and Wilson 1977) பற்றி தெரியாது.

• மொத்த கணக்கெடுப்பு பிழை (பிரிவு 3.3)

மொத்த ஆய்வுப் பிழை கட்டமைப்பை விவரிக்க ஆய்வு ஆராய்ச்சியாளர்களால் பயன்படுத்தப்படும் சில நேரங்களில் சீரற்ற சொற்களால் சமரசம் செய்யப்படும் ஒரு சிறந்த வேலையை Groves (2004) பாடம் 1. மொத்த கணக்கெடுப்பு பிழை கட்டமைப்பின் புத்தக நீள சிகிச்சைக்காக, Groves et al. (2009) , மற்றும் ஒரு வரலாற்று கண்ணோட்டத்திற்காக, Groves and Lyberg (2010) .

பிழைகள் மற்றும் மாறுபாடுகள் மீது பிழைகள் சிதைவதை யோசனை இயந்திர கற்றல் வருகிறது; உதாரணமாக, Hastie, Tibshirani, and Friedman (2009) பிரிவு 7.3 ஐக் காண்க. இது பெரும்பாலும் ஆய்வாளர்களை ஒரு "சார்பு-மாறுபாடு" வர்த்தகம் பற்றி பேச வழிவகுக்கிறது.

பிரதிநிதித்துவம் அடிப்படையில், nonresponse மற்றும் nonresponse சார்பற்ற சிக்கல்கள் ஒரு பெரிய அறிமுகம் தேசிய ஆராய்ச்சி கவுன்சில் அறிக்கை சமூக அறிவியல் ஆய்வுகள் அல்லாத மறுஆய்வு: ஒரு ஆராய்ச்சி நிகழ்ச்சிநிரல் (2013) . மற்றொரு பயனுள்ள கண்ணோட்டம் Groves (2006) வழங்கியுள்ளது. மேலும், உத்தியோகபூர்வ புள்ளிவிவரங்களின் ஜர்னல் ஆஃப் பப்ளிக் ஒபினியன் காமர்ஸ் , மற்றும் அனல்ஸ் ஆஃப் தி அமெரிக்கன் அகாடமி ஆஃப் பொலிடிகல் அண்ட் சோஷியல் சயின்ஸ் ஆகியவற்றின் சிறப்பு வினாக்கள் மறுமொழியின் தலைப்பில் வெளியிடப்பட்டுள்ளன. இறுதியாக, பதிலளிப்பு விகிதத்தை கணக்கிடும் பல வழிகள் உள்ளன; இந்த அணுகுமுறைகள் பொது கருத்து ஆராய்ச்சியாளர்கள் அமெரிக்க சங்கம் (AAPOR) ஒரு அறிக்கையில் விரிவாக விவரிக்கப்பட்டுள்ளன ( ??? ) .

1936 இலக்கிய டைஜெஸ்ட் கருத்துக்கணிப்பில் மேலும் பார்க்க Bryson (1976) , Squire (1988) , Cahalan (1989) மற்றும் Lusinchi (2012) . இந்தத் Gayo-Avello (2011) மற்றொரு கலந்துரையாடலுக்காக அச்சமற்ற தரவு சேகரிப்புக்கு எதிராக ஒரு உவமை எச்சரிக்கை என, Gayo-Avello (2011) . 1936 இல், ஜார்ஜ் கல்லுப் மிகவும் சிக்கலான மாதிரி மாதிரியைப் பயன்படுத்தினார், மிகச் சிறிய அளவிலான மாதிரியை மிகவும் துல்லியமான மதிப்பீடுகளை உருவாக்க முடிந்தது. கல்லுப்பின் வெற்றிக்கான இலக்கிய டைஜஸ்ட் வெற்றிகரமாக, ஆராய்ச்சி ஆராய்ச்சிக்கு ஒரு மைல்கல் ஆகும், இது @ interverse_survey_1987 இன் மூன்றாம் அதிகாரத்தில் விவரிக்கப்பட்டுள்ளது; Ohmer (2006) 4 Ohmer (2006) அத்தியாயம் 4 Ohmer (2006) ; @ igo_averaged_2008 இன் அத்தியாயம் 3.

அளவீட்டு அடிப்படையில், கேள்விகளை வடிவமைப்பதற்கான பெரிய முதல் ஆதாரம் Bradburn, Sudman, and Wansink (2004) . மேலும் மேம்பட்ட சிகிச்சைகள், Schuman and Presser (1996) , இது குறிப்பாக அணுகுமுறை கேள்விகளை மையமாகக் கொண்டது, மற்றும் Saris and Gallhofer (2014) , இது மிகவும் பொதுவானது. விவரித்துள்ளார் அளவிடுதலுக்கான சிறிது வேறுபட்ட அணுகுமுறை, மனோ-அளவைகள் எடுத்து செல்லப் படுகிறது ( ??? ) . Pretesting மேலும் பிரவுர் Presser and Blair (1994) , Presser et al. (2004) , மற்றும் Groves et al. (2009) 8 வது அத்தியாயம் Groves et al. (2009) . ஆய்வுப் பரிசோதனையைப் பொறுத்தவரை, பார்க்க Mutz (2011) .

செலவின்படி, கணக்கெடுப்பு செலவுகள் மற்றும் கணக்கெடுப்பு பிழைகள் ஆகியவற்றிற்கு இடையேயான கிளாசிக், புத்தக நீள சிகிச்சை, Groves (2004) .

• யார் கேட்க வேண்டும் (பிரிவு 3.4)

Särndal, Swensson, and Wretman (2003) Lohr (2009) (மேலும் Särndal, Swensson, and Wretman (2003) ) மற்றும் Särndal, Swensson, and Wretman (2003) (மிகவும் மேம்பட்டவை) ஆகிய இரண்டு தரமான புத்தக அளவீடுகளை தரநிலை நிகழ்தகவு மாதிரிகள் மற்றும் மதிப்பீடு Särndal, Swensson, and Wretman (2003) . Post-stratification மற்றும் தொடர்புடைய வழிமுறைகளின் உன்னதமான புத்தக நீளம் சிகிச்சை Särndal and Lundström (2005) . சில டிஜிட்டல் வயது அமைப்புகளில், ஆய்வாளர்கள் கடந்த காலங்களில் உண்மையாக இல்லாத காரணமற்றவர்கள் பற்றி மிகவும் கொஞ்சம் அறிந்திருக்கிறார்கள். Kalton and Flores-Cervantes (2003) மற்றும் Smith (2011) ஆகியோரால் விவரிக்கப்படுபவை ஆராய்ச்சியாளர்கள் Kalton and Flores-Cervantes (2003) பற்றிய தகவல்களைப் Kalton and Flores-Cervantes (2003) சரிசெய்தல் சாத்தியம்.

W. Wang et al. (2015) பல்பணி மறுபயன்பாடு மற்றும் பிந்தைய அடுக்கு ("திரு. பி.") என்று அழைக்கப்படும் ஒரு நுட்பத்தை பயன்படுத்துகிறது. இந்த நுட்பத்தின் மதிப்பீட்டின் தரத்தைப் பற்றி சில விவாதங்கள் இருந்தாலும், அதை ஆராய்வதற்கான ஒரு நம்பிக்கைக்குரிய பகுதியாக இருக்கிறது. Park, Gelman, and Bafumi (2004) முதன்முதலில் நுட்பம் பயன்படுத்தப்பட்டது, மேலும் தொடர்ந்து பயன்படுத்தப்பட்டு விவாதிக்கப்பட்டது (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) . தனிப்பட்ட எடைகள் மற்றும் குழு எடையுடனான இணைப்பு தொடர்பாக மேலும் அறிய Gelman (2007) .

எடையிடும் வலை ஆய்வுகள் மற்ற அணுகுமுறைகள், பார்க்க Schonlau et al. (2009) , Bethlehem (2010) , மற்றும் Valliant and Dever (2011) . ஆன்லைன் பேனல்கள் நிகழ்தகவு மாதிரி அல்லது அல்லாத நிகழ்தகவு மாதிரியைப் பயன்படுத்தலாம். மேலும் ஆன்லைன் பேனல்களுக்கு, Callegaro et al. (2014) .

சில நேரங்களில், நிகழ்தகவு மாதிரிகள் மற்றும் அல்லாத நிகழ்தகவு மாதிரிகள் ஒத்த தர மதிப்பீடு (Ansolabehere and Schaffner 2014) மதிப்பீடு (Ansolabehere and Schaffner 2014) சில ஆராய்ச்சியாளர்கள் கண்டறிந்துள்ளனர், ஆனால் மற்ற ஒப்பீடுகள், அல்லாத நிகழ்தகவு மாதிரிகள் மோசமாக (Malhotra and Krosnick 2007; Yeager et al. 2011) . இந்த வேறுபாடுகளுக்கு ஒரு சாத்தியக்கூறு காரணம், நிகழ்தகவு அல்லாத மாதிரிகள் காலப்போக்கில் மேம்பட்டவை. அல்லாத நிகழ்தகவு மாதிரி முறைகள் மிகவும் நம்பிக்கையற்ற பார்வை அல்லாத சார்பற்ற மாதிரி (Baker et al. 2013) மீது ஆப்போர் பணி படை பார்க்க, மற்றும் நான் சுருக்க அறிக்கை பின்வருமாறு வர்ணனை படித்து பரிந்துரைக்கிறேன்.

• எப்படி கேட்க வேண்டும் (பிரிவு 3.5)

Conrad and Schober (2008) என்பது எதிர்கால கணக்கெடுப்பு நேர்காணல் என்ற தலைப்பில் திருத்தப்பட்ட தொகுப்பாகும், இது கேள்விகளை கேட்கும் எதிர்காலத்தைப் பற்றி பல கருத்துருக்களை வழங்குகிறது. Couper (2011) இதே கருப்பொருள்களையும் மற்றும் Schober et al. (2015) முகவரியிடும் Schober et al. (2015) ஒரு புதிய அமைப்பை வடிவமைக்கப்பட்டுள்ள தரவு சேகரிப்பு முறைகள் எவ்வாறு உயர் தரத் தரவை ஏற்படுத்தலாம் என்பதற்கான ஒரு நல்ல எடுத்துக்காட்டு. Schober and Conrad (2015) சமுதாயத்தில் மாற்றங்களைப் பொருத்துவதற்கான ஆய்வு ஆய்வு செயல்முறையை மாற்றுவதைப் பற்றி மேலும் பொதுவான வாதத்தை வழங்குகின்றன.

Tourangeau and Yan (2007) முக்கியமான கேள்விகளை சமூக ஆர்வத்தன்மையின் சார்பின் பகுப்பாய்வு சிக்கல்கள் மற்றும் Lind et al. (2013) ஒரு கணினி நிர்வாக நேர்காணலில் மக்கள் மிகவும் முக்கியமான தகவலை மக்கள் வெளியிடும் சில காரணங்களை வழங்குகிறார்கள். Maynard and Schaeffer (1997) , Maynard, Freese, and Schaeffer (2010) , Conrad et al. (2013) , மற்றும் Schaeffer et al. (2013) . கலப்பு முறை ஆய்வுகள் பற்றி மேலும் அறிய, Dillman, Smyth, and Christian (2014) .

Stone et al. (2007) சுற்றுச்சூழல் தார்மீக மதிப்பீடு மற்றும் தொடர்புடைய வழிமுறைகளை ஒரு புத்தகம் நீளம் சிகிச்சை வழங்குகின்றன.

பங்கேற்பாளர்களுக்கு ஒரு அனுபவமிக்க மற்றும் மதிப்புமிக்க அனுபவத்தை ஆய்வுகள் செய்வதற்கு அதிக அறிவுரைகளுக்கு, வடிவமைக்கப்பட்ட வடிவமை முறை (Dillman, Smyth, and Christian 2014) . சமூக விஞ்ஞான ஆராய்ச்சிக்கான பேஸ்புக் பயன்பாடுகளைப் பயன்படுத்துவதற்கான இன்னுமொரு சுவாரசியமான உதாரணம், Bail (2015) .

• பெரிய தரவு ஆதாரங்களுடன் தொடர்புடைய இணைப்புகள் (பிரிவு 3.6)

Judson (2007) ஆய்வுகள் மற்றும் நிர்வாகத் தரவுகளை "தகவல் ஒருங்கிணைப்பு" என்று ஒருங்கிணைத்து, இந்த அணுகுமுறையின் சில நன்மைகள் மற்றும் அத்துடன் சில எடுத்துக்காட்டுகளை விவரிக்கிறது.

செறிவான கோரிக்கை குறித்து, வாக்குகளை மதிப்பிடுவதற்கு முந்தைய பல முயற்சிகள் இருந்தன. அந்த இலக்கியத்தின் கண்ணோட்டத்திற்கு, Belli et al. (1999) , Ansolabehere and Hersh (2012) , Hanmer, Banks, and White (2014) , மற்றும் Berent, Krosnick, and Lupia (2016) . Ansolabehere and Hersh (2012) வழங்கப்பட்ட முடிவுகளின் சந்தேகத்திற்குரிய பார்வைக்கு Ansolabehere and Hersh (2012) , Ansolabehere and Hersh (2012) Berent, Krosnick, and Lupia (2016) ஆகியவற்றைப் பார்க்கவும்.

அன்டாலபெர்ஹெர் மற்றும் ஹெர்ஷ் ஆகியோரால் காடலிஸ்ட்டின் தரவின் தரத்தால் உற்சாகப்படுத்தப்பட்டாலும், வணிக விற்பனையாளர்களின் மற்ற மதிப்பீடுகள் குறைவாக ஆர்வத்துடன் இருந்தன என்பதை கவனத்தில் கொள்ள வேண்டியது அவசியம். Pasek et al. (2014) ஒரு கணக்கீட்டின் தரவு மார்க்கெட்டிங் சிஸ்டம்ஸ் க்ரூப் (நுகர்வோர் கோப்பகத்துடன் ஒப்பிடுகையில்), இது மூன்று வழங்குநர்களிடமிருந்து தரவுகளை ஒன்றிணைத்து: Acxiom, Experian, and InfoUSA). அதாவது, ஆராய்ச்சியாளர்கள் சரியானதாக கருதப்படும் கணக்கெடுப்பு பதில்களுடன் ஒப்பிடுகையில் தரவுக் கோப்பு பொருந்தவில்லை, நுகர்வோர் கோப்பினைக் கேள்விக்குறியாக பல கேள்விகளுக்கு தரவு காணாமல் போனது மற்றும் காணாமல் போன தரவு முறை மதிப்பீட்டு மதிப்பீட்டு மதிப்போடு தொடர்புடையது (வேறு வார்த்தைகளில் கூறுவதானால், காணவில்லை தரவு முறையானதாக இருந்தது, சீரற்றது அல்ல).

ஆய்வுகள் மற்றும் நிர்வாகத் தரவுகள் ஆகியவற்றுக்கு இடையேயான தொடர்பு தொடர்பாக மேலும், Sakshaug and Kreuter (2012) மற்றும் Sakshaug and Kreuter (2012) Schnell (2013) . Dunn (1946) மற்றும் Fellegi and Sunter (1969) (வரலாற்று) மற்றும் Larsen and Winkler (2014) (நவீன) ஆகியவற்றைப் பார்க்கவும். இதே போன்ற அணுகுமுறைகளும் கணினி விஞ்ஞானத்தில் தரவு துல்லியமாக்கல், (Elmagarmid, Ipeirotis, and Verykios 2007) அடையாளங்கள், பெயர் பொருத்துதல், நகல் கண்டுபிடிப்பு மற்றும் நகல் பதிவு கண்டறிதல் (Elmagarmid, Ipeirotis, and Verykios 2007) . தனிப்பட்ட முறையில் அடையாளம் காணும் தகவல் பரிமாற்றம் தேவையில்லை என்று இணைப்பு பதிவு செய்ய தனியுரிமை-பாதுகாக்கும் அணுகுமுறைகள் உள்ளன (Schnell 2013) . ஃபேஸ்புக்கில் உள்ள ஆராய்ச்சியாளர்கள் வாக்குப்பதிவு நடத்தை (Jones et al. 2013) தங்கள் பதிவை இணைப்பதற்கான ஒரு செயல்முறையை உருவாக்கினர்; இந்த இணைப்பு நான் அத்தியாயம் 4 (Bond et al. 2012) பற்றி நீங்கள் சொல்ல வேண்டும் என்று ஒரு பரிசோதனையை மதிப்பீடு செய்யப்பட்டது. பதிவு இணைப்பிற்கான அனுமதியைப் பெறுவதற்கு, Sakshaug et al. (2012) .

அரசாங்க நிர்வாக பதிவேடுகளுக்கு ஒரு பெரிய அளவிலான சமூக ஆய்வுகளை இணைப்பதற்கான மற்றொரு உதாரணம் சுகாதார மற்றும் ஓய்வூதிய சர்வே மற்றும் சமூக பாதுகாப்பு நிர்வாகத்தில் இருந்து வருகிறது. அந்த ஆய்வில் மேலும், ஒப்புதல் செயல்முறை பற்றிய தகவல்கள் உட்பட, பார்க்கவும் ஆல்சன் (1996, 1999) .

நிர்வாக பதிவுகள் பல ஆதாரங்களை ஒரு மாஸ்டர் டேனிஃபைலில் இணைக்கும் செயல்முறையாகும் - இது காடடிஸ்ட் பயன்படுத்துகின்ற செயல்முறை - சில தேசிய அரசாங்கங்களின் புள்ளிவிவர அலுவலகங்களில் பொதுவானது. புள்ளிவிபரம் ஸ்வீடன் இருந்து இரண்டு ஆராய்ச்சியாளர்கள் தலைப்பில் ஒரு விரிவான புத்தகம் எழுதியுள்ளனர் (Wallgren and Wallgren 2007) . அமெரிக்காவில் ஒரு ஒற்றை மாவட்டத்தில் (Olmstead County, மினசோட்டா, மயோ கிளினிக்கின் வீட்டில்) இந்த அணுகுமுறைக்கு எடுத்துக்காட்டாக, Sauver et al. (2011) . நிர்வாக பதிவில் தோன்றும் பிழைகள் குறித்து மேலும் பார்க்க Groen (2012) .

ஆய்வாளர்கள் பெரிய தரவு ஆதாரங்களை ஆராய்ச்சியில் ஆராய்வதற்கு மற்றொரு வழி குறிப்பிட்ட குணாதிசயங்களுடன் மக்களுக்கு ஒரு மாதிரி சட்டமாக உள்ளது. துரதிருஷ்டவசமாக, இந்த அணுகுமுறை தனியுரிமை தொடர்பான கேள்விகளை எழுப்புகிறது (Beskow, Sandler, and Weinberger 2006) .

இதைப் பற்றி பெருமளவில் கேட்டால், இந்த அணுகுமுறை புதியது அல்ல. புள்ளிவிவரங்களில் மூன்று பெரிய இடங்களுக்கு ஆழமான தொடர்புகள் உள்ளன: மாதிரி அடிப்படையிலான பிந்தைய அடுக்குகள் (Little 1993) , ஊடுருவல் (Rubin 2004) , மற்றும் சிறு பகுதி மதிப்பீடு (Rao and Molina 2015) . இது மருத்துவ ஆராய்ச்சியில் சர்க்கரட் மாறிகள் பயன்பாடு தொடர்பானது (Pepe 1992) .

Blumenstock, Cadamuro, and On (2015) இல் செலவு மற்றும் நேர மதிப்பீடுகள் மாறி செலவிற்கான கூடுதல் செலவில்-ஒரு கூடுதல் கணக்கெடுப்புக்கான செலவைக் குறிப்பிடுகின்றன-மேலும் அழைப்புத் தரவை சுத்தம் செய்தல் மற்றும் செயலாக்கும் செலவு போன்ற நிலையான செலவுகள் சேர்க்கப்படாது. பொதுவாக, பெருமளவிலான தேவைக்கேற்ப, உயர்ந்த நிலையான செலவுகள் மற்றும் டிஜிட்டல் பரிசோதனைகள் போன்றவற்றைப் போன்ற குறைந்த மாறி செலவுகள் (அத்தியாயம் 4 ஐப் பார்க்கவும்). வளரும் நாடுகளில் மொபைல் போன் அடிப்படையிலான ஆய்வுகள் பற்றி மேலும் அறிய, Dabalen et al. (2016) .

சிறந்தது என்னவென்று கேட்பது பற்றி யோசனைகளுக்காக, நான் பல imputation (Rubin 2004) பற்றி மேலும் அறிய பரிந்துரைக்கிறேன். மேலும், ஆய்வாளர்கள் தனிப்பட்ட அளவிலான குணநலன்களைக் காட்டிலும் மொத்த எண்ணிக்கையைப் பற்றி கவனமாக கேட்டுக்கொண்டால், King and Lu (2008) மற்றும் Hopkins and King (2010) ஆகியவற்றில் அணுகுமுறை பயனுள்ளதாக இருக்கலாம். கடைசியாக, Blumenstock, Cadamuro, and On (2015) இல் இயந்திர கற்றல் அணுகுமுறைகள் பற்றி மேலும் அறிய James et al. (2013) (மேலும் அறிமுக) அல்லது Hastie, Tibshirani, and Friedman (2009) (மிகவும் மேம்பட்டது).

பெருமளவிலான கேள்விகளைக் கேட்கும் ஒரு நெறிமுறைப் பிரச்சினை என்னவென்றால், Kosinski, Stillwell, and Graepel (2013) ஆகியவற்றில் விவரிக்கப்பட்டுள்ளபடி, மக்கள் கணக்கெடுப்பில் வெளிப்படுத்த விரும்பாத முக்கியமான குணநலன்களைச் சுட்டிக்காட்ட இது பயன்படுகிறது.