3.3.1 రిప్రజెంటేషన్

రిప్రజెంటేషన్ మీ ప్రతివాదులు మీ లక్ష్య జనాభా అనుమితులు నూతనముగా.

పెద్ద జనాభా ప్రతివాదులు నుండి ఊహించే ఉన్నప్పుడు ఇదే లోపాలు రకమైన అర్థం చేయడానికి, యొక్క 1936 సంయుక్త అధ్యక్ష ఎన్నికల ఫలితాన్ని అంచనా వేసేందుకు ప్రయత్నించిన లిటరరీ డైజెస్ట్ గడ్డి పోల్ పరిశీలిద్దాం. ఇది కంటే ఎక్కువ 75 సంవత్సరాల క్రితం అయినప్పటికీ, ఈ ఓటమి నేటికీ పరిశోధకులు నేర్పడానికి ఒక ముఖ్యమైన పాఠం ఉంది.

సాహిత్య డైజెస్ట్ ఒక ప్రముఖ సాధారణ అభిరుచికి పత్రిక, మరియు 1920 లో ప్రారంభమైన వారు అధ్యక్ష ఎన్నికలు ఫలితాలను అంచనా గడ్డి ఎన్నికల్లో ప్రచారం చేయటం ప్రారంభించింది. వారు అప్పుడు మంది బ్యాలెట్ల పంపుతుంది, మరియు కేవలం తిరిగి ఆ బ్యాలెట్లను లెక్కలు ఈ అంచనాల చేసేందుకు; లిటరరీ డైజెస్ట్ సగర్వంగా వారు అందుకున్న బ్యాలెట్లను చేశారు ఎవరికీ "., బరువు సర్దుబాటు, లేదా వివరించబడతాయి" ఈ ప్రక్రియ సరిగ్గా విజేత అంచనా నివేదించింది 1920, 1924, 1928 మరియు 1932 1936 లో ఎన్నికల, గ్రేట్ డిప్రెషన్ మధ్యలో, లిటరరీ డైజెస్ట్ బయటకు బ్యాలెట్లను వీరి పేర్లు ప్రధానంగా టెలిఫోన్ డైరెక్టరీలు మరియు ఆటోమొబైల్ నమోదు రికార్డుల నుండి వచ్చింది 10 మిలియన్ ప్రజలు, పంపబడుతుంది. ఇక్కడ వారు వారి పద్దతి వివరించిన ఎలా:

"ముప్పై సంవత్సరాల అనుభవం స్విఫ్ట్ ఖచ్చితత్వంతో డైజెస్ట్ యొక్క సున్నితమైన అమలు చేస్తున్న మెషీన్లో కదలికలు కఠిన వాస్తవాలపై అంశంపై తగ్గించడానికి. . . ఈ వారంలో 500 పెన్నులు ఒక రోజు ఒక మిలియన్ చిరునామాలను నాలుగింట ఒక వంతు కంటే మరింత గీయబడిన. ప్రతి రోజు ఒక గొప్ప గది మోటార్ ribboned ఫోర్త్ అవెన్యూ పై అధిక, న్యూ యార్క్ లో, 400 కార్మికులు నేర్పుగా పదార్థం తగినంత నలభై నగరపు బ్లాకులను-లోకి ప్రసంగించారు కప్పివేసి [sic] సుగమం ముద్రించబడుతుంది ఒక మిలియన్ ముక్కలు స్లయిడ్. ప్రతి గంట, డైజెస్ట్ యొక్క సొంత పోస్ట్ ఆఫీస్ సబ్స్టేషన్, మూడు విభజన తపాలా మీటరింగ్ యంత్రాలు సీలు మరియు తెలుపు oblongs స్టాంప్; నైపుణ్యం పోస్టల్ ఉద్యోగులు mailsacks ఉబ్బిన వాటిని ఒరిగిందని; విమానాల డైజెస్ట్ ట్రక్కులు వాటిని మెయిల్ రైళ్లు వ్యక్తం sped. . . తదుపరి వారం, పది మిలియన్ల నుండి మొదటి సమాధానాలు, చెప్పుకోదగ్గ బ్యాలెట్ల లోపలికి వచ్చే పోటు ప్రారంభమవుతుంది ట్రిపుల్ తనిఖీ, తనిఖీ, అయిదు సార్లు క్రాస్ క్లాసిఫైడ్ మరియు చేశాడు ఉండాలి. చివరి వ్యక్తి totted అభివృద్ధి చేసినప్పుడు మరియు తనిఖీ, గత అనుభవం ఒక లక్షణంగా ఉంటుంది, దేశం 1 శాతం నలభై మిలియన్ [ఓటర్లు] వాస్తవ ఓటు ఒక భిన్నం లోపల తెలుస్తుంది. "(ఆగస్ట్ 22, 1936)

పరిమాణం యొక్క డైజెస్ట్ యొక్క fetishization నేడు ఏ "పెద్ద డేటా" పరిశోధకుడు వెంటనే గుర్తించబడతాయి. 10 మిలియన్ బ్యాలెట్లు పంపిణీ, ఒక అద్భుతమైన 2.4 మిలియన్ బ్యాలెట్లు వచ్చి సుమారు ఆధునిక రాజకీయ పోల్స్ కంటే 1,000 రెట్లు ఎక్కువగా ఉన్నారు. ఈ 2.4 మిలియన్ ప్రతివాదులు తీర్పు స్పష్టమైంది: లిటరరీ డైజెస్ట్ ఛాలెంజర్ ఆల్ఫ్ లాండన్ అధికారంలోలేని ఫ్రాంక్లిన్ రూజ్వెల్ట్ ఓడించడానికి కొనసాగుతుందని అంచనా. కానీ, నిజానికి, ఖచ్చితమైన వ్యతిరేక జరిగింది. అత్యధిక మెజారిటీతో రూజ్వెల్ట్ లండోన్ ఓడించాడు. ఎలా లిటరరీ డైజెస్ట్ చాలా డేటా తో తప్పు? సాంప్లింగ్ మా ఆధునిక అవగాహన లిటరరీ డైజెస్ట్ తప్పులతోనే స్పష్టం చేస్తుంది మరియు మాకు భవిష్యత్తులో ఇలాంటి లోపాలు మేకింగ్ నివారించేందుకు సహాయపడుతుంది.

శాంప్లింగ్ గురించి స్పష్టంగా ఆలోచిస్తూ ప్రజల యొక్క నాలుగు వేర్వేరు సమూహాలను (మూర్తి 3.1) పరిగణలోకి అవసరం. ప్రజల మొదటి సమూహం లక్ష్య జనాభా ఉంది; ఈ పరిశోధన ఆసక్తి జనాభా నిర్వచిస్తుంది సమూహం. లిటరరీ డైజెస్ట్ విషయంలో ఎవరికి 1936 అధ్యక్ష ఎన్నికల్లో ఓటర్లు ఉంది. ఒక లక్ష్య జనాభా నిర్ణయించి తరువాత, ఒక పరిశోధకుడు తదుపరి నమూనా కోసం ఉపయోగించవచ్చు వ్యక్తుల జాబితా అభివృద్ధి అవసరం. ఈ జాబితా ఒక నమూనా సేకరణ ఫ్రేమ్ అంటారు మరియు నమూనా చట్రంలో జనాభా ఫ్రేమ్ జనాభా అంటారు. లిటరరీ డైజెస్ట్ విషయంలో ఫ్రేమ్ జనాభా వీరి పేర్లు టెలిఫోన్ డైరెక్టరీలు మరియు ఆటోమొబైల్ నమోదు రికార్డుల నుండి ప్రధానంగా వచ్చింది 10 మిలియన్ ప్రజలు ఉంది. ఆదర్శవంతంగా ఎవరికి మరియు ఫ్రేమ్ జనాభా అదే అవుతుంది కాని ఆచరణలో ఈ తరచుగా కేసు కాదు. ఎవరికి మరియు ఫ్రేమ్ జనాభా మధ్య తేడాలు కవరేజ్ లోపం అంటారు. కవరేజ్ లోపం కాదు, స్వయంగా సమస్యలు హామీ లేదు. కానీ, ఫ్రేమ్ జనాభాలో ప్రజల నుండి క్రమపద్ధతిలో భిన్నంగా ఉంటాయి కాకపోయినా ఫ్రేమ్ జనాభా అక్కడ కవరేజ్ బయాస్ ఉంటుంది. కవరేజ్ లోపం లిటరరీ డైజెస్ట్ పోల్ ప్రధాన లోపాలు మొదటిది. అవి వోటర్లను-అది గురించి తెలుసుకోవాలనుకున్నాను వారి లక్ష్యం జనాభా కానీ ధనవంతులైన ఓవర్ ప్రాతినిధ్యం వారు టెలిఫోన్ డైరెక్టరీలు మరియు ఆటోమొబైల్ రిజిస్ట్రీలు, మూలాల నుండి ఎక్కువగా నమూనాను ఫ్రేమ్ నిర్మించారు ఈ సాంకేతికతలు రెండు ఆ మద్దతు ఆల్ఫ్ లాండన్ (రీకాల్ ఎక్కువగా ఉన్నారు అమెరికన్లు, ఇది సాధారణం నేడు, సమయంలో మరియు సంయుక్త గ్రేట్ డిప్రెషన్ మధ్యలో అని) సాపేక్షంగా కొత్త ఉన్నాయి.

రిప్రజెంటేషన్ లోపాలు: 3.1 దొరుకుతుందని.

ఫ్రేమ్ జనాభా నిర్వచించు తరువాత, తదుపరి దశలో నమూనా జనాభాకు ఎంచుకోవడానికి ఒక పరిశోధకుడు ఉంది; ఈ పరిశోధకుడు ఇంటర్వ్యూ ప్రయత్నిస్తుంది ఆ ప్రజలు. నమూనా ఫ్రేమ్ జనాభా కంటే భిన్నమైన లక్షణాలు కలిగి ఉంటే, అప్పుడు మేము నమూనా లోపం పరిచయం. ఈ సాధారణంగా అంచనాలు పాటు తప్పులు కొలవవచ్చు లోపం యొక్క రకం. లిటరరీ డైజెస్ట్ అపజయం విషయంలో, అక్కడ నిజానికి ఏ నమూనా ఉంది; వారు ఫ్రేమ్ జనాభాలో అందరికీ సంప్రదించండి ప్రయత్నించారు. ఏ నమూనా లోపం ఉంది అయినప్పటికీ, స్పష్టంగా ఉన్నాయి ఇప్పటికీ లోపం ఉంది. ఇది సామాన్యంగా సర్వేలు నుండి అంచనాలు నివేదించారు లోపాలు యొక్క అంచుల సాధారణంగా మభ్యపరుస్తూ చిన్న అని స్పష్టం; వారు లోపం అన్ని వర్గాలు చేర్చవద్దు.

చివరగా, ఒక పరిశోధకుడు నమూనా జనాభా ప్రతి ఒక్కరూ ఇంటర్వ్యూ ప్రయత్నిస్తుంది. విజయవంతంగా ముఖాముఖీలు ఆ ప్రజలు ప్రతివాదులు అంటారు. ఆదర్శవంతంగా, నమూనా జనాభా మరియు ప్రతివాదులు అదే అవుతుంది కాని ఆచరణలో కాని ప్రతిస్పందన లేదు. ఆ నమూనాలో ఎంపిక వ్యక్తులు పాల్గొనేందుకు తిరస్కరించిన, ఉంది. స్పందిస్తారు వ్యక్తులు స్పందిస్తారు లేదు వారికి భిన్నంగా ఉంటాయి, అప్పుడు కాని జవాబు వివక్ష ఉంటుంది. కాని జవాబు వివక్ష లిటరరీ డైజెస్ట్ పోల్ రెండవ ప్రధాన సమస్యగా మారింది. ఒక బ్యాలెట్ పొందిన ప్రజలు మాత్రమే 24% స్పందించారు, మరియు అది లండోన్ మద్దతు వ్యక్తులు స్పందించడం ఎక్కువగా ఉన్నట్లు తేలింది.

కేవలం ప్రాతినిధ్య సిద్ధాంతాలను ప్రవేశపెట్టాలనే ఒక ఉదాహరణ బియాండ్, సాహిత్య డైజెస్ట్ పోల్ అస్తవ్యస్తంగా సాంప్లింగ్ ప్రమాదాల గురించి పరిశోధకులు జాగ్రత్తగా, ఒక తరచూ పునరావృతం ఉపమానం. దురదృష్టవశాత్తు, నేను అనేక మంది ఈ కథ నుండి డ్రా పాఠం తప్పు ఒకటి అనుకుంటున్నాను. కథ చాలా సాధారణ నైతిక పరిశోధకులు (పాల్గొనే ఎంచుకోవడం కోసం కఠినమైన సంభావ్యత ఆధారిత నియమాలు లేకుండా అనగా నమూనాలు) కాని సంభావ్యత నమూనాల నుంచి ఏదైనా నేర్చుకోవడానికి కాదు. కానీ, నేను తరువాత ఈ అధ్యాయంలో తెలియజేస్తాము, ఆ చాలా సరియే. బదులుగా, నేను ఈ కథ రెండు నీతులు నిజంగా ఉన్నాయి అనుకుంటున్నాను; వారు 1936 మొదటి ఉండటంతో నేడు నిజం అని నీతులు, అడ్డదిడ్డంగా సేకరించిన డేటా పెద్ద మొత్తం ఒక మంచి అంచనా హామీ కాదు. రెండవది, పరిశోధకులు వారు దాని నుండి అంచనాలు తయారు చేసినప్పుడు వారి డేటా సేకరించిన ఎలా ఖాతా అవసరం. ఇతర మాటలలో, సాహితీ డైజెస్ట్ పోల్ డేటా సేకరణ ప్రక్రియలో క్రమపద్ధతిలో కొన్ని ప్రతివాదులు వైపు వక్రంగా ఎందుకంటే, పరిశోధకులు ఇతరులు కంటే బరువులు కొన్ని ప్రతివాదులు మరింత మరింత క్లిష్టమైన అంచనా పద్దతి ఉపయోగించాలి. తరువాత ఈ అధ్యాయంలో, నేను మీరు అటువంటి వైటింగ్ విధానం అనంతర స్తరీకరణ-కాని సంభావ్యత నమూనాలను మంచి అంచనాలు తయారు చేసేందుకు మీరు ప్రారంభించవచ్చు తెలియజేస్తాము.