ఈ అధ్యాయంలో ఉన్న అనేక థీమ్లు కూడా Dillman (2002) , Newport (2011) , Santos (2014) , మరియు Link (2015) Santos (2014) వంటి వాటికి సంబంధించిన అమెరికన్ అసోసియేషన్ ఆఫ్ పబ్లిక్ ఒపీనియన్ రీసెర్చ్ (AAPOR) వద్ద ఇటీవల అధ్యక్ష ఎన్నికల్లో ప్రతిధ్వనించబడ్డాయి. Link (2015) .
సర్వే పరిశోధన మరియు లోతైన ఇంటర్వ్యూల మధ్య వ్యత్యాసాలకు సంబంధించి, Small (2009) చూడండి Small (2009) . లోతైన ఇంటర్వ్యూలకు సంబంధించి ఎథ్నోగ్రఫీ అని పిలువబడే విధానాల కుటుంబం. ఎథ్నోగ్రఫిక్ పరిశోధనలో, పరిశోధకులు వారి సహజ వాతావరణంలో పాల్గొనే వారితో ఎక్కువ సమయం గడుపుతారు. Jerolmack and Khan (2014) లోతైన ఇంటర్వ్యూ మధ్య తేడాలు మరింత కోసం, Jerolmack and Khan (2014) . డిజిటల్ ఎథ్నోగ్రఫీపై మరింత సమాచారం కోసం, Pink et al. (2015) చూడండి Pink et al. (2015) .
సర్వే పరిశోధన చరిత్ర గురించి నా వర్ణన జరిగే ఉత్తేజకరమైన అభివృద్ధిని చేర్చడానికి చాలా తక్కువగా ఉంది. చారిత్రిక నేపథ్యం కోసం, Smith (1976) , Converse (1987) మరియు Igo (2008) . సర్వే పరిశోధన యొక్క మూడు యుగాల ఆలోచన గురించి మరింత తెలుసుకోవడానికి, Groves (2011) మరియు Dillman, Smyth, and Christian (2008) (ఇది మూడు వేర్వేరు పద్ధతులను కొద్దిగా భిన్నంగా విచ్ఛిన్నం చేస్తుంది) చూడండి.
Groves and Kahn (1979) ముఖాముఖి మరియు టెలిఫోన్ సర్వే మధ్య ఒక వివరణాత్మక తల- to- తల పోలిక చేయడం ద్వారా సర్వే పరిశోధనలో మొదటి నుండి రెండవ శకంలో పరివర్తన లోపల ఒక పీక్ అందిస్తున్నాయి. ( ??? ) యాదృచ్ఛిక-అంకెల-డయలింగ్ నమూనా పద్ధతుల యొక్క చారిత్రక అభివృద్ధిలో తిరిగి చూస్తుంది.
సమాజంలో మార్పులకు ప్రతిస్పందనగా గతంలో సర్వే పరిశోధన ఎలా మారుతోంది అనేదానికి, Tourangeau (2004) , ( ??? ) , మరియు Couper (2011) .
(ఉదా, Baumeister, Vohs, and Funder (2007) ) మరియు సామాజిక శాస్త్రవేత్తలు (ఉదా., Jerolmack and Khan (2014) ; Maynard (2014) ; Cerulo (2014) ; Vaisey (2014) Cerulo (2014) Vaisey (2014) , Jerolmack and Khan (2014) గమనించటం మధ్య వ్యత్యాసం కూడా ఆర్ధిక శాస్త్రంలో ఉత్పన్నమవుతుంది, ఇక్కడ పరిశోధకులు పేర్కొన్న మరియు బయట ఉన్న ప్రాధాన్యతలను గురించి మాట్లాడతారు.ఉదాహరణకు, ఒక పరిశోధకుడు వారు ఐస్ క్రీమ్ తినడం లేదా జిమ్ (ప్రకటిత ప్రాధాన్యతలను) లేదా ఐస్ క్రీంను ఎంత తరచుగా తినడం మరియు జిమ్ (వెల్లడి ప్రాధాన్యతలను) వెళ్ళండి Hausman (2012) లో వివరించిన విధంగా ఆర్థికశాస్త్రంలో నిర్దిష్ట రకాలుగా పేర్కొన్న ప్రాధాన్యత సమాచారం గురించి లోతైన సంశయవాదం ఉంది.
ఈ చర్చల నుండి ఒక ప్రధాన అంశం నివేదించిన ప్రవర్తన ఎల్లప్పుడూ ఖచ్చితమైనది కాదు. అయితే, 2 వ అధ్యాయంలో వివరించిన విధంగా, పెద్ద సమాచార వనరులు ఖచ్చితమైనవి కాకపోవచ్చు, అవి ఒక నమూనా నమూనాలో సేకరించబడవు, మరియు వారు పరిశోధకులకు అందుబాటులో ఉండకపోవచ్చు. అందువలన, నేను భావిస్తున్నాను, కొన్ని సందర్భాల్లో, నివేదన ప్రవర్తన ఉపయోగపడుతుంది. ఇంకా, ఈ చర్చల నుండి రెండవ ముఖ్య ఉద్దేశ్యం ఏమిటంటే భావోద్వేగాలు, జ్ఞానం, అంచనాలు మరియు అభిప్రాయాల గురించి నివేదికలు ఎల్లప్పుడూ ఖచ్చితమైనవి కావు. అయితే, ఈ అంతర్గత రాష్ట్రాల్లోని సమాచారం పరిశోధకులచే అవసరమైతే-కొన్ని ప్రవర్తనను వివరించడానికి లేదా వివరించడానికి సంబంధించిన విషయం-అవసరమైతే, అప్పుడు అడగడం సముచితం కావచ్చు. అయితే, ప్రశ్నలను అడగడం ద్వారా అంతర్గత రాష్ట్రాల గురించి నేర్చుకోవడం సమస్యాత్మకంగా ఉంటుంది, ఎందుకంటే కొన్నిసార్లు ప్రతివాదులు తమ అంతర్గత రాష్ట్రాల గురించి తెలుసుకునేవారు కాదు (Nisbett and Wilson 1977) .
Groves (2004) యొక్క అధ్యాయం 1 మొత్తం సర్వే లోపం ప్రణాళికను వివరించడానికి సర్వే పరిశోధకులచే అప్పుడప్పుడు అస్థిరమైన పదజాలాన్ని సమన్వయపరుస్తుంది. మొత్తం సర్వే లోపం చట్రం యొక్క పుస్తకం-పొడవు చికిత్స కోసం, Groves et al. (2009) చూడండి Groves et al. (2009) , మరియు చారిత్రాత్మక అవలోకనం కొరకు, Groves and Lyberg (2010) .
పక్షపాతం మరియు వైవిధ్యం లోకి లోపాలు కుళ్ళిపోయే ఆలోచన కూడా యంత్ర అభ్యాసలో వస్తుంది; ఉదాహరణకు, Hastie, Tibshirani, and Friedman (2009) యొక్క విభాగం 7.3 చూడండి. ఇది తరచూ పరిశోధకులు "పక్షపాత వైవిధ్యం" వర్తకం గురించి మాట్లాడటానికి దారితీస్తుంది.
ప్రాతినిధ్య పరంగా, nonresponse మరియు nonresponse పక్షపాత సమస్యలకు ఒక గొప్ప పరిచయం నేషనల్ రీసెర్చ్ కౌన్సిల్ రిపోర్ట్ Nonresponse సోషల్ సైన్స్ సర్వేస్: ఎ రీసెర్చ్ అజెండా (2013) . మరో ఉపయోగకరమైన పర్యావలోకనం Groves (2006) చే అందించబడింది. అలాగే, జర్నల్ ఆఫ్ ఎఫీషియల్ స్టాటిస్టిక్స్ , పబ్లిక్ ఒపీనియన్ క్వార్టర్లీ , మరియు అన్నల్స్ ఆఫ్ ది అమెరికన్ అకాడమీ ఆఫ్ పొలిటికల్ అండ్ సోషల్ సైన్స్ యొక్క ప్రత్యేక అంశములు స్పందన లేని అంశంపై ప్రచురించబడ్డాయి. చివరగా, ప్రతిస్పందన రేటును గణించే అనేక మార్గాలు ఉన్నాయి; ఈ విధానాలు పబ్లిక్ ఒపీనియన్ పరిశోధకులు అమెరికన్ అసోసియేషన్ (AAPOR) రూపొందించిన నివేదికలో వివరంగా ఇవ్వబడ్డాయి ( ??? ) .
1936 లిటరరీ డైజెస్ట్ పోల్ లో మరిన్ని వివరాల కొరకు, Bryson (1976) , Squire (1988) , Cahalan (1989) మరియు Lusinchi (2012) . అయోమయ డేటా సేకరణకు వ్యతిరేకంగా ఉపమాన హెచ్చరికగా ఈ పోల్ యొక్క మరొక చర్చ కోసం, Gayo-Avello (2011) . 1936 లో, జార్జ్ గాలప్ నమూనాలో మరింత అధునాతనమైన నమూనాను ఉపయోగించారు మరియు చాలా చిన్న నమూనాతో మరింత ఖచ్చితమైన అంచనాలను ఉత్పత్తి చేయగలిగాడు. లిటరరీ డైజెస్ట్ పై గల్లప్ విజయం, సర్వే పరిశోధన అభివృద్ధిలో ఒక మైలురాయిగా ఉంది, ఇది @ మార్పిడి_సర్వే__8787 యొక్క అధ్యాయం 3 లో వివరించబడింది; Ohmer (2006) యొక్క చాప్టర్ 4 Ohmer (2006) ; @ igo_averaged_2008 యొక్క 3 వ అధ్యాయం.
కొలమానం ప్రకారం, ప్రశ్నాపత్రాలు రూపకల్పనకు ఒక గొప్ప మొదటి వనరు Bradburn, Sudman, and Wansink (2004) . మరింత ఆధునిక చికిత్సల కొరకు, Schuman and Presser (1996) , ఇది ప్రత్యేకంగా వైఖరి ప్రశ్నలపై దృష్టి పెట్టింది, Saris and Gallhofer (2014) , ఇది చాలా సాధారణమైనది. కొలతకు కొద్దిగా భిన్నమైన విధానం సైకోమెట్రిక్స్లో తీసుకోబడింది, దీనిని ( ??? ) వివరించారు. Presser and Blair (1994) , Presser et al. (2004) , మరియు Groves et al. (2009) యొక్క 8 వ అధ్యాయం Groves et al. (2009) . సర్వే ప్రయోగాల్లో మరిన్నింటి కోసం, Mutz (2011) .
ఖర్చు పరంగా, సర్వే ఖర్చులు మరియు సర్వే లోపాల మధ్య వర్తకం యొక్క క్లాసిక్, బుక్-పొడవు చికిత్స Groves (2004) .
ప్రామాణిక సంభావ్యత నమూనా మరియు అంచనా యొక్క రెండు క్లాసిక్ బుక్- Särndal, Swensson, and Wretman (2003) ట్రీట్మెంట్స్ Lohr (2009) (మరింత పరిచయ) మరియు Särndal, Swensson, and Wretman (2003) (మరింత అధునాతనమైనవి). పోస్ట్-స్ట్రాటిఫికేషన్ మరియు సంబంధిత పద్ధతుల యొక్క క్లాసిక్ బుక్-పొడవు చికిత్స Särndal and Lundström (2005) . కొంతమంది డిజిటల్-వయస్సు సెట్టింగులలో, పరిశోధకులు కొందరు గతంలో నిజాయితీ లేనివారు కాదని కొందరు తెలుసు. Kalton and Flores-Cervantes (2003) మరియు Smith (2011) వర్ణించినట్లు పరిశోధకులకు అనుగుణంగా ఉన్నవారి గురించి సమాచారాన్ని కలిగి ఉండకపోతే, వివిధ రకాల నాన్ రిప్రెసెస్ సర్దుబాటు సాధ్యమవుతుంది.
W. Wang et al. (2015) ద్వారా Xbox అధ్యయనం W. Wang et al. (2015) మల్టీలెవెల్ రిగ్రెషన్ మరియు పోస్ట్ స్ట్రాటిఫికేషన్ ("మిస్టర్ P.") అని పిలువబడే ఒక సాంకేతికతను ఉపయోగిస్తుంది. ఈ సాంకేతికత నుండి అంచనాల నాణ్యతను గురించి కొన్ని చర్చలు ఉన్నప్పటికీ, అన్వేషించడానికి ఒక మంచి ప్రదేశంగా ఉంది. ఈ సాంకేతికతను మొట్టమొదట Park, Gelman, and Bafumi (2004) ఉపయోగించారు మరియు తరువాతి ఉపయోగం మరియు చర్చ (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) . వ్యక్తిగత బరువులు మరియు సమూహ బరువులు మధ్య కనెక్షన్ కోసం మరిన్ని, చూడండి Gelman (2007) .
వెబ్ సర్వేలను వేరే ఇతర పద్ధతులకు, Schonlau et al. (2009) చూడండి Schonlau et al. (2009) , Bethlehem (2010) , మరియు Valliant and Dever (2011) . ఆన్లైన్ ప్యానెల్లు సంభావ్యత మాదిరి లేదా సంభావ్యత నమూనాను ఉపయోగించవచ్చు. ఆన్లైన్ ప్యానెల్లో మరిన్నింటి కోసం, Callegaro et al. (2014) చూడండి Callegaro et al. (2014) .
కొన్నిసార్లు సంభావ్యత నమూనాలు మరియు సంభావ్యత నమూనాలు ఇలాంటి నాణ్యతను (Ansolabehere and Schaffner 2014) అంచనా (Ansolabehere and Schaffner 2014) పరిశోధకులు కనుగొన్నారు, కాని ఇతర పోలికలు కాని సంభావ్యత నమూనాలు మరింత అధ్వాన్నంగా (Malhotra and Krosnick 2007; Yeager et al. 2011) కనుగొనబడ్డాయి. ఈ వ్యత్యాసాల కోసం ఒక కారణం, సంభావ్యత కాని నమూనాలు కాలక్రమేణా మెరుగయ్యాయి. నాన్-ప్రోబబిలిటీ శాంప్లింగ్ (Baker et al. 2013) లో AAPOR టాస్క్ ఫోర్స్ ను చూడండి కాని సంభావ్యత నమూనా పద్ధతుల యొక్క మరింత నిరాశాజనక దృక్పధం కోసం, సారాంశ నివేదికను అనుసరిస్తున్న వ్యాఖ్యానాన్ని చదవమని నేను సిఫార్సు చేస్తున్నాను.
Conrad and Schober (2008) అనేది భవిష్యత్తు యొక్క సర్వే ఇంటర్వ్యూ ఆఫ్ ఎన్విజెన్సింగ్ పేరుతో సవరించబడిన వాల్యూమ్, మరియు ప్రశ్నలను అడగడం యొక్క భవిష్యత్తు గురించి విభిన్న అభిప్రాయాలను అందిస్తుంది. Couper (2011) ఇలాంటి ఇతివృత్తాలను మరియు Schober et al. (2015) ఒక క్రొత్త అమరికకు అనుగుణంగా ఉన్న సమాచార సేకరణ పద్ధతులు ఎలా అధిక నాణ్యత డేటాకు దారి తీయవచ్చు అనేదానికి మంచి ఉదాహరణను అందిస్తాయి. Schober and Conrad (2015) సమాజంలో మార్పులకు అనుగుణంగా సర్వే పరిశోధన యొక్క ప్రక్రియను సర్దుబాటు చేయడం గురించి మరింత సాధారణ వాదనను అందిస్తారు.
Tourangeau and Yan (2007) , సున్నితమైన ప్రశ్నలలో సాంఘిక అభిలషణీయ పక్షపాతాన్ని సమీక్షించే సమస్యలు, మరియు Lind et al. (2013) కంప్యూటర్-నిర్వహణ ఇంటర్వ్యూలో ప్రజలు మరింత సున్నితమైన సమాచారాన్ని బహిర్గతం చేయటానికి కొన్ని కారణాలను అందిస్తారు. సర్వేల్లో పెరుగుతున్న పాల్గొనే రేట్లు లో మానవ ఇంటర్వ్యూ పాత్ర యొక్క మరింత, Maynard and Schaeffer (1997) , Maynard, Freese, and Schaeffer (2010) , Conrad et al. (2013) , మరియు Schaeffer et al. (2013) . మిశ్రమ మోడ్ సర్వేలపై మరింతగా, Dillman, Smyth, and Christian (2014) .
Stone et al. (2007) పర్యావరణ క్షణిక అంచనా మరియు సంబంధిత పద్ధతుల పుస్తక-పొడవు చికిత్సను అందిస్తాయి.
పాల్గొనేవారికి ఒక ఆహ్లాదకరమైన మరియు విలువైన అనుభవాన్ని సర్వేలు చేయడానికి మరింత సలహాల కోసం, వ్యక్తీకరించిన రూపకల్పన పద్ధతి (Dillman, Smyth, and Christian 2014) పనిని చూడండి. సాంఘిక శాస్త్రం సర్వేలకు ఫేస్బుక్ అనువర్తనాలను ఉపయోగించడం మరొక ఆసక్తికరమైన ఉదాహరణ కోసం, Bail (2015) .
Judson (2007) సర్వేలు మరియు అడ్మినిస్ట్రేటివ్ డాటాను "సమాచార సమన్వయము" గా కలపడం మరియు ఈ విధానం యొక్క కొన్ని ప్రయోజనాలను చర్చిస్తుంది మరియు కొన్ని ఉదాహరణలను అందిస్తుందని వివరిస్తుంది.
సుసంపన్నంగా అడగడం గురించి, ఓటింగ్ని ధృవీకరించడానికి అనేక మునుపటి ప్రయత్నాలు ఉన్నాయి. ఆ సాహిత్యం యొక్క సమీక్ష కోసం, Belli et al. (1999) చూడండి Belli et al. (1999) , Ansolabehere and Hersh (2012) , Hanmer, Banks, and White (2014) , మరియు Berent, Krosnick, and Lupia (2016) . Berent, Krosnick, and Lupia (2016) Ansolabehere and Hersh (2012) .
కస్టడిస్ట్ నుండి డేటా నాణ్యత ద్వారా అన్సోలాబేర్ మరియు హెర్ష్ ప్రోత్సాహం అయినప్పటికీ, వాణిజ్య విక్రేతల యొక్క ఇతర అంచనాలు తక్కువ ఉత్సాహభరితంగా ఉన్నాయి. Pasek et al. (2014) మార్కెటింగ్ సిస్టమ్స్ గ్రూప్ (అక్సియోమ్, ఎక్స్పెరియన్, మరియు ఇన్ఫోఎస్ఏ) మూడు సమాచారాల నుండి డేటాను విలీనం చేసుకున్న వినియోగదారుల ఫైల్తో పోలిస్తే, సర్వే నుండి డేటాను Pasek et al. (2014) తక్కువ నాణ్యతతో గుర్తించింది. అంటే, పరిశోధకులు సరిగ్గా అంచనా వేయగల సర్వే స్పందనలతో డేటా ఫైల్ సరిపోలలేదు, వినియోగదారుల దస్త్రం పెద్ద సంఖ్యలో ప్రశ్నలకు డేటాను కోల్పోయింది మరియు తప్పిపోయిన డేటా నమూనా నివేదించిన సర్వే విలువతో సంబంధం కలిగి ఉంది (ఇతర మాటలలో, డేటా క్రమపద్ధతిలో ఉంది, యాదృచ్ఛిక కాదు).
సర్వేలు మరియు పరిపాలనా సమాచారాల మధ్య రికార్డు బంధం కోసం మరింత చూడండి Sakshaug and Kreuter (2012) మరియు Sakshaug and Kreuter (2012) Schnell (2013) . సాధారణంగా Dunn (1946) మరియు Fellegi and Sunter (1969) (చారిత్రక) మరియు Larsen and Winkler (2014) (ఆధునిక) లను చూడండి. ఇదే విధమైన విధానాలు కంప్యూటర్ సైన్స్లో పేర్లు, డేటా డిడ్యూప్సిపేషన్, ఉదాహరణ గుర్తింపు, పేరు సరిపోలిక, నకిలీ గుర్తింపు మరియు నకిలీ రికార్డు గుర్తింపు (Elmagarmid, Ipeirotis, and Verykios 2007) . వ్యక్తిగతంగా గుర్తించే సమాచారం ప్రసారం అవసరం లేని లింక్ రికార్డు కోసం గోప్యతా సంరక్షించే విధానాలు కూడా ఉన్నాయి (Schnell 2013) . ఫేస్బుక్లో పరిశోధకులు తమ రికార్డులను ఓటింగ్ ప్రవర్తనకు జోడిస్తారు (Jones et al. 2013) ; ఈ బంధం నేను ప్రయోగాత్మక 4 వ అధ్యాయంలో (Bond et al. 2012) గురించి చెప్పే ఒక ప్రయోగాన్ని విశ్లేషించడానికి జరిగింది. రికార్డు కనెక్షన్ కోసం సమ్మతి పొందేందుకు మరింతగా, Sakshaug et al. (2012) చూడండి Sakshaug et al. (2012) .
ప్రభుత్వ నిర్వహణ రికార్డులకు పెద్ద ఎత్తున సామాజిక సర్వేను కలిపే మరో ఉదాహరణ ఆరోగ్యం మరియు రిటైర్మెంట్ సర్వే మరియు సోషల్ సెక్యూరిటీ అడ్మినిస్ట్రేషన్. ఆ అధ్యయనంలో మరింత, సమ్మతి విధానం గురించి సమాచారంతో సహా, ఓల్సన్ (1996, 1999) .
నిర్వాహక రికార్డుల యొక్క అనేక వనరులను మాస్టర్ డేటాఫైల్లో కలపడం-కాటలిస్ట్ ఉద్యోగం చేసే ప్రక్రియ - కొన్ని జాతీయ ప్రభుత్వాల గణాంక కార్యాలయాలలో సాధారణం. స్టాటిస్టిక్స్ స్వీడన్కు చెందిన ఇద్దరు పరిశోధకులు ఈ అంశంపై ఒక వివరణాత్మక పుస్తకం వ్రాశారు (Wallgren and Wallgren 2007) . యునైటెడ్ స్టేట్స్లో ఒకే కౌంటీలో (ఒల్మ్స్టెడ్ కౌంటీ, మిన్నెసోటా, మాయో క్లినిక్ యొక్క నివాసం) ఈ విధానం యొక్క ఉదాహరణకి, Sauver et al. (2011) . పరిపాలనా రికార్డులలో కనిపించే లోపాలపై మరింతగా, Groen (2012) .
పరిశోధనా పరిశోధకులు పెద్ద డేటా వనరులను సర్వే పరిశోధనలో ఉపయోగించుకునే మరొక విశిష్ట విశిష్ట లక్షణాలతో ఉన్న ప్రజలకు నమూనా నమూనాగా చెప్పవచ్చు. దురదృష్టవశాత్తు, ఈ విధానం గోప్యతకు సంబంధించి ప్రశ్నలను పెంచుతుంది (Beskow, Sandler, and Weinberger 2006) .
అడుగుతూ విస్తరించిన గురించి, ఈ విధానం నేను వర్ణించారు ఎలా నుండి కనిపిస్తుంది గా కొత్త కాదు. ఇది గణాంకాలలో మూడు పెద్ద ప్రాంతాలకు లోతైన అనుసంధానాలను కలిగి ఉంది: మోడల్-ఆధారిత పోస్ట్-స్ట్రాటిఫికేషన్ (Little 1993) , ఇంపాటేషన్ (Rubin 2004) , మరియు చిన్న ప్రాంతం అంచనా (Rao and Molina 2015) . ఇది వైద్య పరిశోధనలో సర్రోగేట్ వేరియబుల్స్ ఉపయోగించడంతో సంబంధం కలిగి ఉంది (Pepe 1992) .
Blumenstock, Cadamuro, and On (2015) లలో వ్యయ మరియు సమయం అంచనాలు Blumenstock, Cadamuro, and On (2015) వ్యయం - ఒక అదనపు సర్వే యొక్క ఖర్చును ఎక్కువగా సూచిస్తాయి-కాల్ డేటాను శుద్ధి చేయడం మరియు ప్రాసెస్ చేయడం వంటి స్థిర వ్యయాలను Blumenstock, Cadamuro, and On (2015) . సాధారణంగా, విస్తృతంగా అడగడం అనేది బహుశా అధిక స్థిర వ్యయాలు మరియు డిజిటల్ ప్రయోగాలు మాదిరిగానే తక్కువ వేరియబుల్ ఖర్చులు కలిగి ఉంటుంది (అధ్యాయం 4 చూడండి). అభివృద్ధి చెందుతున్న దేశాల్లో మొబైల్ ఫోన్ ఆధారిత సర్వేల్లో మరిన్నింటి కోసం, Dabalen et al. (2016) చూడండి Dabalen et al. (2016) .
మెరుగైన అడగడం ఎలా చేయాలో గురించి ఆలోచనలు కోసం, నేను బహుళ imputation గురించి మరింత తెలుసుకోవడానికి సిఫార్సు చేస్తున్నాను (Rubin 2004) . అలాగే, పరిశోధకులు వ్యక్తిగత స్థాయి లక్షణాల కంటే సగటు మొత్తాల గురించి శ్రద్ధ వహిస్తున్నప్పుడు, King and Lu (2008) మరియు Hopkins and King (2010) లో ఉన్న పద్ధతులు ఉపయోగకరంగా ఉండవచ్చు. చివరగా, Blumenstock, Cadamuro, and On (2015) లో యంత్ర అభ్యాస విధానాల గురించి మరింత తెలుసుకోవడానికి, James et al. (2013) చూడండి James et al. (2013) (మరింత పరిచయ) లేదా Hastie, Tibshirani, and Friedman (2009) (మరింత అధునాతనమైనది).
Kosinski, Stillwell, and Graepel (2013) లో వివరించిన విధంగా ప్రజలు సర్వేలో Kosinski, Stillwell, and Graepel (2013) ఉండటానికి సున్నితమైన లక్షణాలను ఊహించటానికి ఇది విస్తరించడానికి సంబంధించి ఒక నైతిక సమస్య.