மேலும் வர்ணனை

இந்த பிரிவு ஒரு கதை என படிக்க வேண்டும் விட, ஒரு ஒப்பீடு பயன்படுத்த வேண்டும் வடிவமைக்கப்பட்டுள்ளது.

• (பிரிவு 3.1)

மேலும் இந்த அத்தியாயத்தில் கருப்பொருள்கள் பல போன்ற பொது கருத்து ஆராய்ச்சி அமெரிக்க சங்கம் (AAPOR) அண்மையில் ஜனாதிபதியின், எதிரொலிக்கின்றன Dillman (2002) , Newport (2011) , Santos (2014) , மற்றும் Link (2015) .

சர்வே ஆராய்ச்சி வளர்ச்சி பற்றி மேலும் வரலாற்று பின்னணி, பார்க்க Smith (1976) மற்றும் Converse (1987) . சர்வே ஆராய்ச்சி மூன்று காலங்களிலும் யோசனை மேலும் காண்க, Groves (2011) மற்றும் Dillman, Smyth, and Christian (2008) (இது சற்று வித்தியாசமாக மூன்று காலங்களிலும் உடையும்).

சர்வே ஆராய்ச்சி இரண்டாவது சகாப்தம் முதல் மாற்றம் உள்ளே ஒரு சிகரமான Groves and Kahn (1979) இடையே ஒரு விரிவான தலையில் இருந்து தலை ஒப்பீடு இல்லை, ஒரு நேருக்கு நேர் தொலைபேசி அளவை. Brick and Tucker (2007) சீரற்ற ஐக்கிய அழைத்தல் மாதிரி வழிமுறைகள் வரலாற்று வளர்ச்சி திரும்பிப் பார்க்கிறார்.

சமூகத்தில் மாற்றங்களை எதிர்கொள்ளும் வகையில் கடந்த காலத்தில் எப்படி சர்வே ஆராய்ச்சி மேலும் மாறிவிட்டது, பார்க்க Tourangeau (2004) , Mitofsky (1989) , மற்றும் Couper (2011) .

• கவனித்து எதிராக கேட்டு (பிரிவு 3.2)

ஏனெனில் சில நேரங்களில் பதிலளித்தவர்களில் தங்களை தங்களது உட்புற நிலைகளை உணராமல் இருக்கிறோம் கேள்விகளை கேட்டு உள் மாநிலங்களில் பற்றி கற்றல் சிக்கல் இருக்க முடியும். உதாரணமாக, Nisbett and Wilson (1977) தாளில் ஆசிரியர்கள் முடிவுக்கு: "பாடங்களில் சில நேரங்களில் (அ) தெரியாமல் இருக்கும்:" மன செயல்முறைகள் மீது வாய்மொழி அறிக்கைகள் நாங்கள் அவரை அறிய முடியாது சொல்லும்:. "சமமாகும் தலைப்பு ஒரு அற்புதமான காகித வேண்டும் முக்கியமாக ஒரு பதில் தாக்கம் என்று ஒரு ஊக்க இருப்பதை, (ஆ) பதில் இருப்பதை, மற்றும் (இ) ஊக்கப் பதில் பாதித்துள்ளது என்று தெரியாமல் தெரியாது. "

ஆராய்ச்சியாளர்கள் தகவல் நடத்தை அல்லது மனப்பான்மையை நடவடிக்கையை கவனித்தல் விரும்புகின்றனர் வேண்டும் என்று வாதங்கள், பார்க்க Baumeister, Vohs, and Funder (2007) (உளவியல்) மற்றும் Jerolmack and Khan (2014) மற்றும் பதில்களை (Maynard 2014; Cerulo 2014; Vaisey 2014; Jerolmack and Khan 2014) (சமூகவியல்). கேட்டு மேலும் கவனித்து இடையே உள்ள வேறுபாடு ஆராய்ச்சியாளர்கள் கூறினார் வெளிப்படுத்தினார் விருப்பங்களை பற்றி பேச அங்கு பொருளாதாரம், எழுகிறது. உதாரணமாக, ஒரு ஆராய்ச்சியாளர் அவர்கள் ஐஸ்கிரீம் சாப்பிடும் அல்லது உடற்பயிற்சி செய்ய போகிறேன் விரும்புகிறார்கள் என்பதை (கூறினார் விருப்பங்களை) பதிலளித்தவர்களில் கேட்க முடியும் அல்லது ஆராய்ச்சி மக்கள் ஐஸ்கிரீம் சாப்பிட எப்படி அடிக்கடி கண்காணிக்க மற்றும் உடற்பயிற்சி (தெரியவந்தது விருப்பங்களை) செல்ல முடியும். பொருளியலில் கூறினார் விருப்பங்களை தரவு சில வகையான ஆழமான சந்தேகங்கள் உள்ளன (Hausman 2012) .

இந்த விவாதங்களில் இருந்து ஒரு முக்கிய தீம் அறிவிக்கப்பட்டபடிதான் நடந்து எப்போதும் துல்லியமானது அல்ல என்று. ஆனால், தானாக பதிவு நடத்தை, துல்லியமான இருக்கலாம் வட்டி ஒரு மாதிரி சேகரிக்கப்பட்ட இருக்கலாம், மற்றும் ஆராய்ச்சியாளர்கள் அணுக முடியாமல் போகலாம். ஆகவே, சில சூழ்நிலைகளில், நான் அறிக்கை நடத்தை பயனுள்ளதாக இருக்க முடியும் என்று நினைக்கிறேன். மேலும், இந்த விவாதங்கள் இருந்து இரண்டாவது முக்கிய தீம் உணர்வுகளை, அறிவு, எதிர்பார்ப்புகள், மற்றும் கருத்துக்களை பற்றி அறிக்கைகள் எப்போதும் துல்லியமாக இல்லை என்று. ஆனால், இந்த உள்நாட்டுப் மாநிலங்கள் பற்றிய தகவல்கள் மூலம் தேவை என்றால் ஆராய்ச்சியாளர்கள்-ஒன்று சில நடத்தை விளக்க உதவும் அல்லது விஷயம் விளக்கினார்-பின்னர் வேண்டும் என கேட்டு பொருத்தமான இருக்கலாம்.

• மொத்த கணக்கெடுப்பு பிழை (பகுதி 3.3)

மொத்த கணக்கெடுப்பு பிழை புத்தகம் நீளம் சிகிச்சைகளுக்கு பார்க்க Groves et al. (2009) அல்லது Weisberg (2005) . மொத்த கணக்கெடுப்பு பிழை வளர்ச்சி ஒரு வரலாற்றை அறிய Groves and Lyberg (2010) .

ஒரு ஆராய்ச்சி நிகழ்ச்சி நிரல்: பிரதிநிதித்துவம் அடிப்படையில், அல்லாத பதில் மற்றும் அல்லாத பதில் கோடல் பிரச்சினைகள் ஒரு பெரிய அறிமுகம் சமூக அறிவியல் கணக்கெடுப்புகள் Nonresponse தேசிய ஆராய்ச்சி கவுன்சில் அறிக்கை (2013) . மற்றொரு பயனுள்ள கண்ணோட்டம் மூலம் வழங்கப்படுகிறது (Groves 2006) . மேலும், அதிகாரப்பூர்வ புள்ளியியல் ஜர்னல், பொது கருத்து காலாண்டு, அரசியல் மற்றும் சமூக அறிவியல் அமெரிக்க கழக முழு சிறப்பு பிரச்சினைகள் அல்லாத பதில் தலைப்பில் வெளியிடப்பட்டுள்ளன. இறுதியாக, பதில் விகிதம் கணக்கிடுகிறது உண்மையில் பல வழிகள் உள்ளன; இந்த அணுகுமுறைகள் பொது கருத்து ஆராய்ச்சியாளர்கள் அமெரிக்க சங்கம் (AAPOR) ஒரு அறிக்கையில் விரிவாக விவரிக்கப்பட்டுள்ளன (Public Opinion Researchers} 2015) .

1936 இலக்கிய டைஜஸ்ட் தேர்தல் விரிவாக ஆய்வு செய்யப்பட்டு வருகிறது (Bryson 1976; Squire 1988; Cahalan 1989; Lusinchi 2012) . இது ஏடாகூடமான தரவு சேகரிப்பு எதிராக எச்சரிக்க ஒரு உவமையைச் பயன்படுத்தப்பட்டு வருகிறது (Gayo-Avello 2011) . 1936 ஆம் ஆண்டில், ஜார்ஜ் கல்அப் மாதிரி ஒரு சிக்கலான வடிவம் பயன்படுத்தப்படும், மற்றும் ஒரு மிக சிறிய மாதிரி துல்லியமாக மதிப்பீடுகள் உற்பத்தி செய்ய முடிந்தது. இலக்கிய டைஜஸ்ட் மீது கேல்லப்பின் வெற்றி ஒரு மைல்கல் சர்வே ஆராய்ச்சி வளர்ச்சி ஆகும் (Converse 1987, Ch 3; Ohmer 2006, Ch 4; Igo 2008, Ch 3) .

அளவீடு அடிப்படையில், வடிவமைத்தல் கேள்வித்தாள்கள் ஒரு பெரிய முதல் வளம் உள்ளது Bradburn, Sudman, and Wansink (2004) . அணுகுமுறை கேள்விகள் மீது குறிப்பாக கவனம் ஒரு மேம்பட்ட சிகிச்சை, பார்க்க Schuman and Presser (1996) . முன் சோதனை கேள்விகள் மேலும் கிடைக்கிறது Presser and Blair (1994) , Presser et al. (2004) , மற்றும் 8-ம் அதிகாரத்தில் Groves et al. (2009) .

கணக்கெடுப்பு செலவுகள் மற்றும் ஆய்வு பிழைகள் இடையிலான வர்த்தகத்திற்கு சிறந்த புத்தக நீளத்துடன் சிகிச்சை ஆகும் Groves (2004) .

• யார் கேட்க (பிரிவு 3.4)

நிலையான நிகழ்தகவு மாதிரி மற்றும் மதிப்பான கிளாசிக் புத்தக நீளத்துடன் சிகிச்சை உள்ளன Lohr (2009) (மேலும் அறிமுக) மற்றும் Särndal, Swensson, and Wretman (2003) (இன்னும் மேம்பட்ட). பிந்தைய ஸ்டிராடிபிகேஷனால் மற்றும் தொடர்புடைய முறைகள் உன்னதமான புத்தகத்தில் நீள சிகிச்சை ஆகும் Särndal and Lundström (2005) . சில டிஜிட்டல் வயது அமைப்புகளை, ஆராய்ச்சியாளர்கள் கடந்த காலத்தில் உண்மை அடிக்கடி அல்ல இது அல்லாத பதிலளித்தவர்களில், பற்றி சிறிது தெரியும். ஆராய்ச்சியாளர்கள் அல்லாத பதிலளித்தவர்களில் பற்றி தகவல் இருக்கும்போது அல்லாத பதில் சரிசெய்தல் பல்வேறு வடிவங்களில் சாத்தியம் (Kalton and Flores-Cervantes 2003; Smith 2011) .

எக்ஸ்பாக்ஸ் ஆய்வு Wang et al. (2015) ஆராய்ச்சியாளர்கள் செல் பல, பல செல்கள் உள்ளன போது கூட பொருள் மதிப்பிட அனுமதிக்கிறது என்று படிநிலை பின்னடைவு மற்றும் பிந்தைய ஸ்டிராடிபிகேஷனால் என்றழைக்கப்படும் ஒரு நுட்பத்தை (எம்ஆர்பி சில நேரங்களில் "மிஸ்டர் பி" என்று அழைக்கப்படுகிறது) பயன்படுத்துகிறது. இந்த தொழில் நுட்பம் மதிப்பீடுகள் தரம் பற்றி சில விவாதம் இல்லை என்றாலும், அதை ஆராய ஒரு நம்பிக்கைக்குரிய பகுதியில் போல் தெரிகிறது. நுட்பம் முதல் பயன்படுத்தப்பட்டு வந்தது Park, Gelman, and Bafumi (2004) , மற்றும் அடுத்தடுத்த பயன்படுத்த மற்றும் விவாதம் எழுந்துள்ளது (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) . தனிப்பட்ட எடைகள் மற்றும் செல் சார்ந்த எடைகள் இடையே இணைப்பு பற்றி மேலும் பார்க்க Gelman (2007) .

வெயிட்டிங் வலை ஆய்வுகள் மற்ற அணுகுமுறைகள், பார்க்க Schonlau et al. (2009) , Valliant and Dever (2011) , மற்றும் Bethlehem (2010) .

மாதிரி பொருந்தும் முன்மொழியப்பட்டது Rivers (2007) . Bethlehem (2015) மாதிரி பொருந்தும் செயல்திறன் உண்மையில் மற்ற மாதிரி அணுகுமுறைகள் (எ.கா., அடுக்கு மாதிரி) மற்றும் பிற சரிசெய்தல் அணுகுமுறைகள் (எ.கா., பிந்தைய ஸ்டிராடிபிகேஷனால்) போலவே இருக்கும் என்று வாதிடுகிறார். ஆன்லைன் பேனல்கள் மேலும் காண்க, Callegaro et al. (2014) .

சில நேரங்களில் ஆராய்ச்சியாளர்கள் நிகழ்தகவு மாதிரிகள் மற்றும் அல்லாத நிகழ்தகவு மாதிரிகள் ஒத்த தரம் மதிப்பீடுகளை விளைவிக்கலாம் என்று கண்டுபிடிக்கப்பட்டுள்ளது (Ansolabehere and Schaffner 2014) , ஆனால் மற்ற ஒப்பீடுகள் அல்லாத நிகழ்தகவு மாதிரிகள் மோசமாக செய்ய என்று கண்டுபிடிக்கப்பட்டுள்ளது (Malhotra and Krosnick 2007; Yeager et al. 2011) . இந்த வேறுபாடுகள் ஒரு சாத்தியமான காரணம் என்னவென்றால் அல்லாத நிகழ்தகவு மாதிரிகள் காலப்போக்கில் மேம்படுத்தலாம் என்று உள்ளது. அல்லாத நிகழ்தகவு மாதிரி வழிமுறைகள் ஒரு கூடுதலான அவநம்பிக்கை காட்சி அல்லாத நிகழ்தகவு மாதிரி மீது AAPOR செயலணி பார்க்க (Baker et al. 2013) , மற்றும் நான் இந்த அறிக்கை பின்வருமாறு என்று வர்ணனை வாசிப்பு பரிந்துரைக்கிறோம்.

அல்லாத நிகழ்தகவு மாதிரிகள் சார்பு குறைக்க வெயிட்டிங் விளைவு ஒரு மெட்டா பகுப்பாய்வு, டேபிள் 2.4 பார்க்க Tourangeau, Conrad, and Couper (2013) மாற்றங்களை பயனுள்ள ஆனால் fallible திருத்தங்களை தெரிகிறது முடிவுக்கு வருவது "ஆசிரியர்கள் வழிவகுக்கும். . . "

• எப்படி கேட்க (பிரிவு 3.5)

Conrad and Schober (2008) எதிர்கால சர்வே பேட்டி கற்பனையாகக் என்ற தலைப்பில் ஒரு திருத்தப்பட்ட தொகுதி வழங்குகிறது, அது இந்த பிரிவில் கருப்பொருள்கள் பல முகவரிகள். Couper (2011) போன்ற கருப்பொருள்களில் முகவரிகள், மற்றும் Schober et al. (2015) ஒரு புதிய அமைப்பை ஏற்ப என்று தரவு சேகரிப்பு முறைகள் அதிக தரம் தரவு ஏற்படுத்தலாம் எப்படி ஒரு நல்ல எடுத்துக்காட்டாக வழங்குகிறது.

சமூக அறிவியல் ஆய்வுகள் பேஸ்புக் பயன்பாடுகள் பயன்படுத்தி மற்றொரு சுவாரசியமான உதாரணமாக, பார்க்க Bail (2015) .

ஆய்வுகள் பங்கேற்பாளர்கள் ஒரு சந்தோசமானது மற்றும் மதிப்புமிக்க அனுபவத்தை செய்து மேலும் அறிவுரை, வடிவமைக்கப்பட்ட டிசைன் முறை வேலை பார்க்க (Dillman, Smyth, and Christian 2014) .

Stone et al. (2007) சுற்று சூழல் தற்காலிகமானது மதிப்பீடு மற்றும் தொடர்பான முறைகள் ஒரு புத்தகம் நீளம் சிகிச்சை வழங்குகிறது.

• மற்ற தரவு இணைக்கப்பட்ட கருத்தாய்வு (பிரிவு 3.6)

Judson (2007) போன்ற ஆய்வுகள் மற்றும் நிர்வாக தரவு இணைந்த செயல்முறை விளக்கம் "தகவல் ஒருங்கிணைப்பு," இந்த அணுகுமுறையின் சில நன்மைகள் விவாதிக்கிறது, மற்றும் சில உதாரணங்கள் வழங்குகிறது.

ஆராய்ச்சியாளர்கள் டிஜிட்டல் தடயங்கள் மற்றும் நிர்வாக தரவு பயன்படுத்த முடியும் என்று மற்றொரு வழி குறிப்பிட்ட பண்புகள் மக்கள் ஒரு மாதிரி சட்டம் உள்ளது. எனினும், இந்த சாதனைகளும் தனியுரிமை தொடர்பான கேள்விகள் உருவாக்க முடியும் ஒரு மாதிரி சட்ட பயன்படுத்த வேண்டும் அணுக (Beskow, Sandler, and Weinberger 2006) .

பெருக்கப்படுகிறது கேட்டு குறித்து, இந்த அணுகுமுறை அதை நான் அதை விவரித்தார் எப்படி இருந்து தோன்றும் இருக்கலாம் என புதிய அல்ல. இந்த அணுகுமுறை புள்ளி-மாதிரி-சார்ந்த பிந்தைய ஸ்டிராடிபிகேஷனால் மூன்று பெரிய பகுதிகளில் ஆழ்ந்த தொடர்பு உள்ளது (Little 1993) , சுட்டிக்காட்டுவதற்கு (Rubin 2004) , மற்றும் சிறிய பகுதியில் மதிப்பின்படி (Rao and Molina 2015) . இது மருத்துவ ஆய்வு வாகை மாறிகள் பயன்படுத்துவது தொடர்பானதாகும் (Pepe 1992) .

டிஜிட்டல் சுவடு தரவு அணுகும் தொடர்பாக நெறிமுறை பிரச்சினைகள் கூடுதலாக, பெருக்கப்படுகிறது கேட்டு மக்கள் ஒரு கணக்கெடுப்பில் வெளிப்படுத்த தேர்வு இல்லை என்று முக்கிய பண்புகளை உய்த்துணர பயன்படுத்த முடியும் (Kosinski, Stillwell, and Graepel 2013) .

செலவு மற்றும் நேரம் மதிப்பீடுகள் Blumenstock, Cadamuro, and On (2015) போன்ற சுத்தம் மற்றும் அழைப்பு தரவு செயலாக்க செலவு மாறி செலவு ஒரு கூடுதல் கணக்கெடுப்பு-மற்றும் சேர்க்க வேண்டாம் நிலையான செலவுகளை செலவு மேலும் பார்க்கவும். பொதுவாக, பெருக்கப்படுகிறது கேட்டு ஒருவேளை உயர் செலவுகளை மற்றும் டிஜிட்டல் சோதனைகள் (அத்தியாயம் 4 பார்க்க) போல் குறைந்த மாறி செலவு செய்ய வேண்டியிருக்கும். பயன்படுத்தப்படும் தரவு மேலும் விவரங்களுக்கு Blumenstock, Cadamuro, and On (2015) காகித உள்ளன Blumenstock and Eagle (2010) மற்றும் Blumenstock and Eagle (2012) . பல imputuation அணுகுமுறைகள் (Rubin 2004) பெருக்கப்படுகிறது கேட்டு மதிப்பீடுகள் பிடிப்பு நிச்சயமற்ற உதவலாம். ஆராய்ச்சியாளர்கள் மதிப்பீட்டு எண்ணிக்கைகள், மாறாக தனிப்பட்ட நிலை பண்புக்கூறுகளாக பற்றி கவலை மட்டுமே கேட்டு பெருக்கப்படுகிறது செய்து இருந்தால், பின்னர் உள்ள அணுகுமுறைகளில் King and Lu (2008) மற்றும் Hopkins and King (2010) பயனுள்ளதாக இருக்கும். உள்ள இயந்திரக் கற்றல் அணுகுமுறைகள் பற்றி மேலும் Blumenstock, Cadamuro, and On (2015) , பார்க்க James et al. (2013) (மேலும் அறிமுக) அல்லது Hastie, Tibshirani, and Friedman (2009) (இன்னும் மேம்பட்ட). மற்றொரு பிரபலமான இயந்திர கற்றல் பாடநூல் உள்ளது Murphy (2012) .

செறிவூட்டப்பட்ட கேட்டு குறித்து, Ansolabehere மற்றும் ஹெர்ஷ் முடிவு (2012) இரண்டு முக்கிய வழிமுறைகளை கீல்: 1) கணக்கெடுப்பு தரவு ஒரு துல்லியமான மாஸ்டர் datafile தயாரிக்க பல வேறான தரவு மூலங்கள் இணைப்பது மற்றும் 2) Catalist திறனை இணைக்க Catalist திறனை அதன் மாஸ்டர் datafile. எனவே, Ansolabehere மற்றும் ஹெர்ஷ் கவனமாக இந்த வழிமுறைகளை ஒவ்வொரு பார்க்கலாம்.

மாஸ்டர் datafile உருவாக்க, Catalist ஒருங்கிணைக்கிறது மற்றும் உட்பட பல ஆதாரங்களில் இருந்து தகவல் ஒன்றிணைந்து: பிற குறிப்பிடப்படாத வணிக வழங்குநர்கள் இருந்து ஒவ்வொரு மாநில இருந்து பல வாக்கு பதிவுகள் படப்பிடிப்புகள், முகவரி பதிவகம் தபால் அலுவலகம் தேசிய மாற்றம், தரவை மற்றும் தரவு. இந்த சுத்தம் மற்றும் இணைத்தல் எப்படி நடக்கிறது என்பதை பற்றி கோரமான விவரங்களை இந்த புத்தகம் நோக்கத்திற்கு அப்பால், ஆனால் எவ்வளவு கவனமாக இந்த செயல்முறை,, அசல் தரவு மூலங்கள் உள்ள பிழைகளை பரவச் செய்வோம் மற்றும் பிழைகள் அறிமுகப்படுத்தும். Catalist அதன் தரவு செயலாக்க விவாதிக்க மற்றும் அதன் மூல தரவு சில வழங்க தயாராக இருந்தது என்றாலும், அது ஆராய்ச்சியாளர்கள் முழு Catalist தரவு குழாய் ஆய்வு செய்ய முடியாதுள்ளது இருந்தது. மாறாக, ஆராய்ச்சியாளர்கள் Catalist தரவு கோப்பு சில அறியப்படாத, மற்றும் ஒருவேளை அறிய, பிழையின் அளவு, அங்கு ஒரு சூழ்நிலை இருந்தது. ஒரு விமர்சகர் இல்லை பதிலளித்தவர்களில் மூலம் தவறான தகவல்களை மூலம், CCES கணக்கெடுப்பு அறிக்கைகள் மற்றும் Catalist முதன்மை தரவு கோப்பு நடத்தை இடையே பெரிய வேறுபாடுகள் முதன்மை தரவு கோப்பு பிழைகள் ஏற்படும் என்று ஊகம் என்பதால், இது ஒரு தீவிர கவலை இல்லை.

Ansolabehere மற்றும் ஹெர்ஷ் தரவு தரமான கவலை உரையாற்றும் இரண்டு வெவ்வேறு அணுகுமுறைகள் நடந்தது. முதல், Catalist மாஸ்டர் கோப்பு வாக்களிக்க சுய தகவல் வாக்களிக்கும் ஒப்பிட்டு கூடுதலாக, ஆராய்ச்சியாளர்கள் மேலும் ஒப்பிடுகையில் சுய தகவல் கட்சி, இனம், வாக்காளர் பதிவு நிலை (எ.கா., அல்லது பதிவு பதிவு) மற்றும் வாக்களிப்பு முறை (எ.கா., நபர், வராதவர் Catalist தரவுத்தளங்கள் காணப்படும் அந்த மதிப்புகளை வாக்கு, முதலியன). இந்த நான்கு மக்கள் தொகை மாறிகள், ஆராய்ச்சியாளர்கள் வாக்களிப்பதற்கு விட Catalist மாஸ்டர் கோப்பு கணக்கெடுப்பு அறிக்கை மற்றும் தரவு இடையே உடன்பாடு அதிக அளவில் காணப்படுகிறது. இவ்வாறு, Catalist முதன்மை தரவு கோப்பு அது ஏழை ஒட்டுமொத்த தரம் இல்லை என்று கூறி, வாக்கு விட பிற இயல்புகளுக்கான உயர் தரமான தகவல் என்று தோன்றுகிறது. இரண்டாவது, Catalist தகவல்களைப் பயன்படுத்தி பகுதியில், Ansolabehere மற்றும் ஹெர்ஷ் கவுண்டி வாக்கு பதிவுகள் தரம் மூன்று வெவ்வேறு நடவடிக்கைகளை அபிவிருத்தி, மற்றும் அவர்கள் வாக்களிக்கும் மீது புகார் மதிப்பிடப்பட்டுள்ளது விகிதம் இந்த தரவு தர அளவுகள் எந்த அடிப்படையில் தொடர்பில்லாமல் இருந்தது என்று கண்டுபிடிக்கப்பட்டது, ஒரு கண்டுபிடிப்பு என்று மீது புகார் உயர் விகிதங்கள் வழக்கத்திற்கு மாறாக குறைந்த தரவு தரம் மாவட்டங்கள் இயக்கப்பட்டு வருகின்றன இல்லை என்று கூறுகின்றன.

இந்த மாஸ்டர் வாக்கு கோப்பு உருவாக்கம் கொடுக்கப்பட்ட, சாத்தியமான பிழைகளை இரண்டாம் ஆதாரம் அது வேண்டும் கணக்கெடுப்பு பதிவுகளை இணைக்கும். உதாரணமாக, இந்த இணைப்பு தவறாக செய்யப்படுகிறது என்றால் அது தகவல் மற்றும் சரிபார்க்கப்பட்டது வாக்களிக்கும் முறை இடையே வேறுபாடு ஒரு மேல்-மதிப்பீடு வழிவகுக்கும் (Neter, Maynes, and Ramanathan 1965) . ஒவ்வொரு நபர் இரண்டு தரவு மூலங்கள் என்று ஒரு நிலையான, தனிப்பட்ட அடையாளம் இருந்தது என்றால், நம்மால் தொடர்பு அற்பமான இருக்கும். அமெரிக்க மற்றும் மற்ற பெரும்பாலான நாடுகளில், எனினும், எந்த உலகளாவிய அடையாளம் ஆகும். மேலும், அத்தகைய அங்கே இருந்தாலும் ஒரு அடையாளம் உண்டு மக்கள் ஒருவேளை ஆராய்ச்சியாளர்கள் ஆய்வு செய்ய அதை வழங்க தயக்கம் இருக்க வேண்டும்! பெயர், பாலினம், பிறந்த ஆண்டு, மற்றும் வீட்டு முகவரி: இதனால், Catalist நிறைவற்ற ஐடென்டிஃபையர்கள், ஒவ்வொரு பிரதிவாதி பற்றி தகவல் நான்கு துண்டுகளாக பயன்படுத்தி இந்த வழக்கில் இத்தொடர்பு செய்ய வேண்டியிருந்தது. உதாரணமாக, Catalist CCES உள்ள homie ஜே சிம்ப்சன் தங்கள் முதன்மை தரவு கோப்பு ஹோமர் ஜே சிம்ப்சன் அதே நபர் இருந்தால் தீர்மானிக்க வேண்டியிருந்தது. நடைமுறையில், பொருந்தும் ஆராய்ச்சியாளர்கள் மோசமாக்கிவிடுகிறாய் செய்ய, ஒரு கடினமான மற்றும் நையாண்டி செயல்பாடு, மற்றும், Catalist தனியுரிமத்திற்குரியது என அதன் பொருத்தம் நுட்பம் கருதப்படுகிறது.

பொருத்தமான வழிமுறைகள் மதிப்பிட பொருட்டு, அவர்கள் இரண்டு சவால்களை நம்பியிருந்தனர். Mitre கார்ப்பரேஷன்: முதல், Catalist ஒரு சுயாதீனமான, மூன்றாம் தரப்பு நடத்தப்படும் என்று ஒரு பொருத்தமான போட்டியில் கலந்து. Mitre அனைத்து பங்கேற்பாளர்கள் இரண்டு சத்தம் தரவு கோப்புகளை வழங்கப்படுகிறது பொருத்த வேண்டும், மற்றும் பல்வேறு அணிகள் சிறந்த பொருத்தமான Mitre திரும்ப போட்டியிட்டனர். Mitre தன்னை சரியான பொருத்தம் தெரியும், ஏனெனில் அவர்கள் அணிகள் அடித்த முடிந்தது. 40 நிறுவனங்கள் போட்டியிட்டனர் என்று, Catalist இரண்டாவது இடத்தையும். உரிமையுடைய தொழில்நுட்பமாக சுயாதீனமான, மூன்றாம் தரப்பு மதிப்பீடு இந்த வகையான மிகவும் அரிதான மற்றும் நம்பமுடியாத பெறுமதியான; அது Catalist தான் பொருந்தும் நடைமுறைகள் மாநில-ன்-கலை மணிக்கு அடிப்படையில் உள்ளன என்று எங்களுக்கு நம்பிக்கை கொடுக்க வேண்டும். ஆனால் மாநில-ன்-கலை நல்லது? இந்த பொருந்தும் போட்டி கூடுதலாக, Ansolabehere மற்றும் ஹெர்ஷ் Catalist தங்கள் சொந்த பொருந்தும் சவால் உருவாக்கப்பட்ட. முந்தைய திட்டத்தில் இருந்து, Ansolabehere மற்றும் ஹெர்ஷ் புளோரிடாவில் இருந்து வாக்காளர் பதிவுகள் திரட்டிய. அவர்கள் தங்கள் துறைகளில் Catalist செய்ய ஒழுங்குபடுத்தப்பட்டுள்ளது பின்னர் தங்கள் உண்மையான மதிப்புகள் இந்த துறைகளில் Catalist அறிக்கைகள் ஒப்பிடும்போது சில இந்த பதிவுகளை சில வழங்கப்படும். அதிர்ஷ்டவசமாக, Catalist அறிக்கைகள் Catalist தங்கள் எஜமான்களின் தரவு கோப்பு மீது பகுதி வாக்காளர் பதிவுகள் பொருத்த முடியும் என்று குறிப்பிடவும், நிறுத்தி வைக்கப்பட்டிருக்கும் மதிப்புகள் நெருக்கமாக இருந்தனர். இந்த இரண்டு சவால்களை, ஒரு மூன்றாம் தரப்பு மூலம் ஒன்று Ansolabehere மற்றும் ஹெர்ஷ், எங்களுக்கு, Catalist பொருந்தும் நெறிமுறைகள் இன்னும் நம்பிக்கையை கொடுக்க நாங்கள் தங்கள் சரியான நடைமுறை நம்மை ஆய்வு முடியாது கூட.

வாக்கு பரிசோதிக்கவும் முந்தைய பல முயற்சிகள் நடந்து வருகின்றன. பிரசுரங்களை கண்ணோட்டத்திற்கு, பார்க்க Belli et al. (1999) , Berent, Krosnick, and Lupia (2011) , Ansolabehere and Hersh (2012) , மற்றும் Hanmer, Banks, and White (2014) .

அது என்றாலும் இந்த வழக்கில் ஆராய்ச்சியாளர்கள் Catalist இருந்து தரவின் தரம் ஊக்கம் பெற்றனர், வணிக விற்பனையாளர்கள் மற்ற மதிப்பீடுகள் குறைந்த ஆர்வத்துடன் இருந்திருக்கும் என்று குறிப்பிடுவது முக்கியமாகும். ஆராய்ச்சியாளர்கள் மோசமான தரம் காணப்படும் போது மார்கெட்டிங் அமைப்புகள் குழுமத்திலிருந்து ஒரு நுகர்வோர் கோப்பு ஒரு கணக்கெடுப்பு இருந்து தரவு (தன்னை மூன்று வழங்குநர்கள் இருந்து ஒன்றாக தரவு இணைக்கப்பட்டது இது: பராமரிப்பின் கீழ், எக்ஸ்பீரியன், மற்றும் InfoUSA) (Pasek et al. 2014) . என்று தரவு கோப்பு ஆராய்ச்சியாளர்கள் சரியான இருக்கும் என்று எதிர்பார்க்கப்படுகிறது என்று ஆய்வு பதில்களை பொருந்தவில்லை, datafile கேள்விகள் ஒரு பெரிய எண், மற்றும் விடுபட்ட தரவை முறை தரவு காணாமல் போயுள்ளார் கணக்கெடுப்பு மதிப்பு (வேறு வார்த்தைகளில் விடுபட்ட தரவை திட்டமிட்ட இருந்தது தொடர்புடையதாக இருந்தது, இருக்கிறது , சீரற்ற இல்லை).

ஆய்வுகள் மற்றும் நிர்வாக தரவு இடையே சாதனை இத்தொடர்பு மீது மேலும் காண்க, Sakshaug and Kreuter (2012) மற்றும் Schnell (2013) . பொதுவாக சாதனை இத்தொடர்பு மீது மேலும் காண்க, Dunn (1946) மற்றும் Fellegi and Sunter (1969) (வரலாற்று) மற்றும் Larsen and Winkler (2014) (நவீன). இதே போன்ற அணுகுமுறைகள் போன்ற தரவு மறுநகலாக்கப், உதாரணமாக அடையாள, பெயர் பொருத்தம், போலி கண்டறிதல் பெயர்கள் கீழ் கணினி அறிவியல் உருவாக்கப்பட்டு வருகின்றன, மற்றும் பதிவு கண்டறிதல் நகல் (Elmagarmid, Ipeirotis, and Verykios 2007) . இது தனிப்பட்ட முறையில் தகவல் அடையாளம் பரிமாற்றம் தேவையில்லை இத்தொடர்பு பதிவு செய்ய அணுகுமுறைகள் பாதுகாத்தல் தனியுரிமை உள்ளன (Schnell 2013) . பேஸ்புக் சேர்ந்த ஆராய்ச்சியாளர்கள் probabilisticsly வாக்களிக்கும் முறை தங்கள் பதிவுகளை இணைக்க ஒரு நடைமுறை உருவாக்கப்பட்டது (Jones et al. 2013) ; இத்தொடர்பு நான் பாடம் 4 இல் பற்றி சொல்கிறேன் என்று ஒரு சோதனை மதிப்பீடு செய்ய செய்யப்பட்டது (Bond et al. 2012) .

அரசு நிர்வாக பதிவுகளை ஒரு பெரிய அளவிலான சமூக மதிப்பீடு இணைக்கும் மற்றொரு உதாரணம் சுகாதாரம் மற்றும் ஓய்வுக்கால சர்வே மற்றும் சமூக பாதுகாப்பு நிர்வாகம் இருந்து வருகிறது. என்று ஆய்வு மேலும், ஒப்புதல் நடைமுறை பற்றி தகவல் உட்பட, பார்க்க Olson (1996) மற்றும் Olson (1999) .

Catalist சில தேசிய அரசாங்கங்கள் புள்ளிவிவர அலுவலகங்களில் பொதுவான ஊழியர்கள்-என்று ஒரு மாஸ்டர் datafile-செயல்முறை நிர்வாக பதிவுகள் பல ஆதாரங்கள் இணைந்த செயல்முறை. புள்ளியியல் சுவீடன் ல் இரண்டு ஆராய்ச்சியாளர்கள் தலைப்பில் ஒரு விரிவான புத்தகம் எழுதியுள்ளனர் (Wallgren and Wallgren 2007) . (ஆம்ஸ்டெட்டும் உள்ளூரில், மினசோட்டா; மயோ கிளினிக் வீட்டில்) அமெரிக்காவில் ஒரு தொகுதியின் இந்த அணுகுமுறை ஒரு உதாரணமாக, பார்க்க Sauver et al. (2011) . நிர்வாக பதிவுகள் தோன்றும் என்று பிழைகள் மேலும் காண்க, Groen (2012) .