Chìa khóa:
[ , ] Trong chương này, tôi đã rất tích cực về sau phân tầng. Tuy nhiên, nó không phải luôn luôn nâng cao chất lượng dự toán. Xây dựng một tình huống mà có thể đăng bài-phân tầng có thể làm giảm chất lượng của dự toán. (Đối với một gợi ý, xem Thomsen (1973) ).
[ , , ] Thiết kế và tiến hành một cuộc điều tra không xác suất về Amazon MTurk hỏi về quyền sở hữu súng ( "Bạn có, hoặc không ai trong gia đình của bạn, sở hữu một khẩu súng, súng trường hoặc súng lục? Là bạn hoặc ai đó trong gia đình của bạn?") Và thái độ đối với việc kiểm soát súng ( "Điều gì làm bạn nghĩ là quan trọng để nhiều bảo vệ quyền của người Mỹ sở hữu súng, hoặc để kiểm soát sở hữu súng?").
[ , , ] Goel và các cộng sự (2016) quản lý một cuộc khảo sát không xác suất dựa trên bao gồm 49 câu hỏi trắc nghiệm thái độ rút ra từ khảo sát chung xã hội (GSS) và chọn khảo sát do Trung tâm Nghiên cứu Pew về Amazon MTurk. Họ sau đó điều chỉnh cho các phi-đại diện của dữ liệu sử dụng dựa trên mô hình sau phân tầng (Ông P), và so sánh dự toán điều chỉnh với những ước tính sử dụng các cuộc điều tra GSS / Pew xác suất dựa trên. Tiến hành khảo sát tương tự trên MTurk và cố gắng tái tạo hình 2a và hình 2b bằng cách so sánh dự toán điều chỉnh của bạn với các ước tính từ vòng gần đây nhất của GSS / Pew (Xem Phụ lục Bảng A2 để xem danh sách 49 câu hỏi).
[ , , ] Nhiều nghiên cứu sử dụng các biện pháp tự báo cáo dữ liệu hoạt động điện thoại di động. Đây là cài đặt thú vị mà các nhà nghiên cứu có thể so sánh hành vi tự báo cáo với hành vi đăng nhập (xem ví dụ, Boase and Ling (2013) ). Hai hành vi thường gặp để hỏi về đang kêu gọi và nhắn tin, và hai khung thời gian chung là "ngày hôm qua" và "trong tuần qua."
[ , ] Schuman và tay ép (1996) cho rằng đơn đặt hàng câu hỏi sẽ có vấn đề đối với hai loại quan hệ giữa các câu hỏi: câu hỏi bán phần mà hai câu hỏi là tại cùng một mức độ đặc hiệu (ví dụ như xếp hạng của hai ứng cử viên tổng thống); và bán toàn bộ câu hỏi mà một câu hỏi chung sau một câu hỏi cụ thể hơn (ví dụ như hỏi "Làm thế nào bạn hài lòng với công việc của bạn?" tiếp theo là "Làm thế nào bạn hài lòng với cuộc sống của bạn?").
Họ cũng đặc trưng cho hai loại hiệu ứng thứ tự câu hỏi: tác thống nhất xảy ra khi phản ứng với một câu hỏi sau đó được đưa gần hơn (so với họ nếu không sẽ) cho những người đưa ra một câu hỏi trước đó; phản ứng xảy ra khi có sự khác biệt lớn hơn giữa các câu trả lời cho hai câu hỏi.
[ , ] Xây dựng trên công việc của Schuman và Presser, Moore (2002) mô tả một khía cạnh riêng biệt của hiệu ứng thứ tự câu hỏi: phụ gia và trừ. Trong khi độ tương phản và độ hiệu ứng này được sản xuất như là một hệ quả của việc đánh giá được hỏi về hai mặt hàng liên quan đến nhau, phụ gia và các hiệu ứng trừ được tạo ra khi người được hỏi đã nhạy cảm hơn với khuôn khổ lớn hơn mà trong đó các câu hỏi được đặt ra. Đọc Moore (2002) , sau đó thiết kế và điều hành một thí nghiệm khảo sát trên MTurk để chứng minh phụ gia hay trừ các hiệu ứng.
[ , ] Christopher Antoun và các cộng sự (2015) đã tiến hành một nghiên cứu so sánh các mẫu thuận tiện thu được từ bốn nguồn tuyển dụng trực tuyến khác nhau: MTurk, Craigslist, Google AdWords và Facebook. Thiết kế một khảo sát đơn giản và tuyển dụng người tham gia thông qua ít nhất hai nguồn tuyển dụng trực tuyến khác nhau (chúng có thể là nguồn khác nhau từ bốn nguồn được sử dụng trong Antoun et al. (2015) ).
[ ] YouGov, một công ty nghiên cứu thị trường trên internet, tiến hành các cuộc thăm dò trực tuyến của một bảng điều khiển của khoảng 800.000 người được hỏi ở Anh và sử dụng ông P. để dự đoán kết quả của EU Trưng (tức là, Brexit), nơi các cử tri bỏ phiếu Anh hoặc ở lại hoặc rời khỏi Liên minh châu Âu.
Mô tả chi tiết của mô hình thống kê YouGov là đây (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Khoảng nói, YouGov phân vùng cử tri vào loại dựa trên 2015 cuộc tổng tuyển cử lựa chọn bỏ phiếu, tuổi tác, trình độ, giới tính, ngày phỏng vấn, cũng như các cử tri mà họ đang sống. Đầu tiên, họ đã sử dụng dữ liệu thu thập được từ các hội thẩm viên YouGov để ước tính, trong số những người người bỏ phiếu, tỷ lệ người dân của từng loại cử tri có ý định bỏ phiếu Rời khỏi. Họ ước tính cử tri đi bầu của cử tri từng loại bằng cách sử dụng các nghiên cứu năm 2015 của Anh bầu cử (BES) sau cuộc bầu cử mặt đối mặt cuộc điều tra, trong đó xác nhận cử tri đi bầu từ các cuộn bầu cử. Cuối cùng, họ ước tính có bao nhiêu người có của từng loại cử tri trong cử tri dựa trên điều tra dân số mới nhất và điều tra dân số hàng năm (với một số thông tin bổ sung từ các BES, số liệu điều tra của YouGov từ xung quanh cuộc bầu cử nói chung, và thông tin về bao nhiêu người bình chọn cho mỗi bên trong mỗi cử tri).
Ba ngày trước cuộc bầu cử, YouGov cho thấy một dẫn hai điểm cho Rời khỏi. Vào đêm trước ngày bầu cử, các cuộc thăm dò cho thấy quá gần để gọi (49-51 Giữ). Các nghiên cứu cuối cùng trên-một-ngày dự đoán 48/52 ủng hộ Giữ (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). Trong thực tế, ước tính này bỏ kết quả cuối cùng (52-48 Để lại) bởi bốn điểm phần trăm.
[ , ] Viết một mô phỏng để minh họa cho mỗi lỗi biểu diễn trong hình 3.1.
[ , ] Các nghiên cứu của Blumenstock và các cộng sự (2015) liên quan đến việc xây dựng một mô hình học máy có thể sử dụng dữ liệu dấu vết kỹ thuật số để dự đoán trả lời khảo sát. Bây giờ, bạn sẽ cố gắng điều tương tự với một tập dữ liệu khác nhau. Kosinski, Stillwell, and Graepel (2013) phát hiện ra rằng Facebook thích có thể dự đoán những đặc điểm cá nhân và các thuộc tính. Đáng ngạc nhiên, những dự đoán này có thể còn chính xác hơn so với những bạn bè và đồng nghiệp (Youyou, Kosinski, and Stillwell 2015) .
[ ] Toole et al. (2015) chi tiết sử dụng hồ sơ cuộc gọi (CDR) từ điện thoại di động để dự đoán tổng hợp xu hướng thất nghiệp.