djelatnost

Ključ:

  • stupanj težine: lako lako , srednji srednji , tvrdi teško , vrlo teško vrlo teško
  • traži matematike ( traži matematike )
  • zahtijeva kodiranje ( zahtijeva kodiranje )
  • prikupljanje podataka ( prikupljanje podataka )
  • moji omiljeni ( moj favorit )
  1. [ teško , traži matematike ] U poglavlju, bio sam vrlo pozitivno mišljenje o post-raslojavanja. Međutim, to nije uvijek poboljšati kvalitetu procjena. Konstruirati situaciju u kojoj se mogu postavljati-stratifikacija može smanjiti kvalitetu procjena. (Za savjet, pogledajte Thomsen (1973) ).

  2. [ teško , prikupljanje podataka , zahtijeva kodiranje ] Dizajn i provesti anketu ne-vjerojatnosti na Amazonu MTurk pitati o posjedovanju oružja ( "Da li ti, ili bilo tko u Vašem kućanstvu, pištolj, pušku ili pištolj? Je li to vi ili netko u vašem kućanstvu?") I stavovi prema kontroli oružja ( "Što misliš da je važnije za zaštitu prava Amerikanaca da posjeduju oružje, ili za kontrolu posjedovanja oružja?").

    1. Koliko dugo traje vaš anketa uzeti? Koliko to kosta? Kako demografija vašem uzorku usporediti s demografije američkog stanovništva?
    2. Što je sirova procjena o posjedovanju oružja koristeći svoj uzorak?
    3. Ispravna za ne-reprezentativnosti vašeg uzorka upotrebom post-slojevitost ili neku drugu tehniku. Sada ono što je procjena o posjedovanju oružja?
    4. Kako vaši procjene usporediti s najnovijim procjenama iz Pew Research Center? Što misliš objasniti odstupanja, ako postoji bilo?
    5. Ponovite vježbu 2-5 za stavova prema kontroli oružja. Kako vaši rezultati razlikuju?
  3. [ vrlo teško , prikupljanje podataka , zahtijeva kodiranje ] Goel i kolege (2016) daju pregled ne temeljen na vjerojatnosti a koji se sastoji od 49 višestrukim izborom stavovima pitanja izvući iz Opće Social Survey (GSS) i odaberite istraživanja Pew Research Center na Amazon MTurk. Oni su zatim prilagoditi za ne-reprezentativnosti podataka korištenjem modela temeljenih post-slojevitost (G. P), i usporediti prilagođene procjene s onima procjenjuje vjerojatnosti temeljene GSS / Pew anketama. Provesti isto istraživanje o MTurk i pokušati ponoviti sliku 2a i 2b Sliku uspoređujući svoje prilagođene procjene s procjenama iz najnovijih rundi GSS / Pew (Vidi Dodatak Tablica A2 za popis od 49 pitanja).

    1. Usporedite svoje rezultate s rezultatima iz Pew i GSS.
    2. Usporedite svoje rezultate s rezultatima iz MTurk ankete u Goel, Obeng, and Rothschild (2016) .
  4. [ srednji , prikupljanje podataka , zahtijeva kodiranje ] Mnoge studije koriste mjere samostalno izvješće podataka mobilnih telefona aktivnosti. Ovo je zanimljiva postavka gdje znanstvenici mogu usporediti samo-prijavio ponašanje sa prijavljeni ponašanja (vidi npr Boase and Ling (2013) ). Dvije zajedničke ponašanja pitati o zovete i tkanina, te dva zajednička vremenskim okvirima su "jučer" i "u posljednjih tjedan dana."

    1. Prije prikupljanja podataka, koje je samo-izvješće mjere Mislite li da je točniji? Zašto?
    2. Zaposliti 5 svojih prijatelja da se u svom istraživanju. Molimo ukratko ponoviti kako su ti 5 prijatelja su uzorci. Možda je ovaj postupak uzorkovanja izazvati određene predrasude u vašim procjenama?
    3. Zamolite ih sljedeće mikro-istraživanje:
    • "Koliko puta ste koristili mobilni telefon zvati druge jučer?"
    • "Koliko tekst poruke si poslao jučer?"
    • "Koliko puta ste koristiti svoj mobilni telefon za pozivanje drugih u posljednjih sedam dana?"
    • "Koliko puta ste koristiti svoj mobilni telefon za slanje ili primanje SMS poruka / SMS-a u posljednjih sedam dana?" Nakon što je istraživanje završeno, molimo da provjerite svoje podatke o korištenju koje su prijavljeni po svojoj telefona ili davatelja usluga.
    1. Kako uporaba self-izvješće usporediti prijaviti podatke? Koji je najpreciznije, što je najmanje točna?
    2. Sada kombinirati podatke koje ste prikupili s podacima iz drugih ljudi u svom razredu (ako se radi ovaj posao za klasu). Uz ovaj veći skup podataka, ponavljam dio (d).
  5. [ srednji , prikupljanje podataka ] Schuman i pegler (1996) tvrde da pitanje narudžbe bi bilo važno za dvije vrste odnosa između pitanja: part-dio pitanja gdje se dva pitanja su na istoj razini specifičnosti (npr ocjene dvaju predsjedničkih kandidata); i izvanredni cijeli pitanja gdje opći pitanje slijedi više specifičnih pitanja (npr pita "Koliko ste zadovoljni svojim radom?", a zatim "Kako ste zadovoljni sa svojim životom?").

    Oni dalje karakterizirati dvije vrste pitanje reda snazi: konzistencije učinci pojavljuju kada odgovori na neki kasniji pitanje su doveli bliže (nego što bi to inače bilo) da bi one dane u ranijem pitanju; kontrastom pojaviti kada postoje veće razlike između odgovora na dva pitanja.

    1. Napravite par dijelova cjeline pitanja koje mislite da će imati veliku pitanje narudžbe efekt, par dijelova i cjeline pitanja koje mislite da će imati veliki učinak red, i još par pitanja čiji bi li da ne bi bilo važno. Pokreni eksperiment Anketa o MTurk testirati svoja pitanja.
    2. Koliko velik je bio dio dijela efekt ste bili u mogućnosti to stvoriti? Je li to bio dosljednost ili kontrast učinak?
    3. Koliko velik je bio dio-cijeli efekt ste bili u mogućnosti to stvoriti? Je li to bio dosljednost ili kontrast učinak?
    4. Je li bilo kako bi učinak pitanje u svom paru gdje nisi mislim da je red bi bilo važno?
  6. [ srednji , prikupljanje podataka ] Nadovezujući se na rad Schumana i šivaću, Moore (2002) opisuje zasebnu dimenziju pitanje reda snagu: aditiva i odbijene. Dok su kontrast i dosljednost učinci nastaju kao posljedica procjene ispitanika dvaju predmeta u odnosu na svaku drugu, aditiva i odbijajuće učinci proizvedeni kada su ispitanici su više osjetljivi na širem okviru unutar kojeg se postavljaju pitanja. Pročitajte Moore (2002) , a zatim osmisliti i pokrenuti eksperiment Anketa o MTurk pokazati aditivni ili odbijajuće djelovanje.

  7. [ teško , prikupljanje podataka ] Christopher Antoun i suradnici (2015) su proveli istraživanje uspoređujući uzorke praktičnost dobivenih iz četiri različite mrežnih izvora zapošljavanje: MTurk, Craigslist, Google AdWords i Facebook. Dizajn jednostavan upitnik i regrutirati sudionike kroz najmanje dva različita izvora online zapošljavanje (oni mogu biti različiti izvori iz četiri izvora koji se koriste u Antoun et al. (2015) ).

    1. Usporedite cijene po regruta, u smislu novca i vremena, između različitih izvora.
    2. Usporediti sastav uzoraka dobivenih iz različitih izvora.
    3. Usporediti kvalitetu podataka između uzoraka. Za ideje o tome kako mjeriti kvalitetu podataka od ispitanika, vidi Schober et al. (2015) .
    4. Koji je vaš preferirani izvor? Zašto?
  8. [ srednji ] YouGov, internet-based tvrtka za istraživanje tržišta, provela online anketa panela od oko 800.000 ispitanika u Velikoj Britaniji, a koristi se gospodinu P. predvidjeti rezultat referenduma u EU (tj Brexit), gdje su britanski birači glasuju da ostane ili ostaviti u Europsku uniju.

    Detaljan opis YouGov je statistički model je ovdje (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Grubo govoreći, YouGov particija birače na tipove 2015. opći izbori izbor glasovanja, dobi, stručnoj spremi, spol, datum razgovora, kao i izborne jedinice u kojoj žive. Prvo, oni su koristili podatke prikupljene od YouGov panelisti procijeniti, među onima koji glasuju, udio ljudi svake vrste birača koji namjeravaju glasovati Ostaviti. Oni procjenjuju odaziv od svake vrste birača pomoću 2015. britanski izbornog studija (BES) postizborni licem u lice geodetski projekt, koji provjeravaju skupilo iz biračkih popisa. Konačno, oni procijeniti koliko ljudi ima svake vrste birača u izbornoj jedinici na temelju najnovijeg popisa stanovništva i Godišnje istraživanje populacije (s nekim dodatnim informacijama iz BES, YouGov istraživanja podaci iz cijelog opće izbore i informacije o tome koliko je ljudi glasovalo za svaka stranka u svakoj izbornoj jedinici).

    Tri dana prije izbora, YouGov pokazao dva koševa za odlazak. Uoči glasovanja, anketa je pokazala preblizu nazvati (49-51 ostati). Konačni na-dan Studija je predvidjela 48/52 u korist ostati (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). U stvari, ova procjena propustili konačni rezultat (52-48 dopust) za četiri postotna boda.

    1. Koristite ukupan okvir Anketa o pogrešci spominju u ovom poglavlju procijeniti što bi moglo biti krivo.
    2. YouGov odgovor nakon izbora (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/~~HEAD=pobj) objasnio: "To se čini u velikom dijelu zbog odaziva - nešto što je smo rekli svi zajedno biti presudna za ishod takvog fino uravnotežen utrke. Naš odaziv model temelji, djelomično, o tome da li ispitanici su glasovali na posljednjim općim izborima, a količina odaziv iznad toga općih izbora poremetiti model, posebno na sjeveru. "Ova promjena ne svoj odgovor na dijelu (a)?
  9. [ srednji , zahtijeva kodiranje ] Napišite simulacije kako bi ilustrirali svaki od pogrešaka zastupljenosti na slici 3.1.

    1. Stvoriti situaciju u kojoj te pogreške zapravo poništava.
    2. Stvoriti situaciju u kojoj su greške prolijeka jedni druge.
  10. [ vrlo teško , zahtijeva kodiranje ] Istraživanje Blumenstock i kolege (2015) koji su uključeni izgradnji modela strojnog učenja koji bi mogli koristiti digitalne podatke u tragovima predvidjeti odgovore na anketu. Sada, ti si idući u pokušati istu stvar s drugom skupu podataka. Kosinski, Stillwell, and Graepel (2013) je utvrdio da Facebook ne voli može predvidjeti individualne osobine i atribute. Začudo, ta predviđanja može biti još precizniji od onih prijatelja i kolega (Youyou, Kosinski, and Stillwell 2015) .

    1. Pročitajte Kosinski, Stillwell, and Graepel (2013) , i ponoviti Slika 2. Njihovi podaci su dostupni ovdje: http://mypersonality.org/
    2. Sada, replicirati Slika 3.
    3. Konačno, pokušajte svoj model na svom Facebook podataka: http://applymagicsauce.com/. Koliko dobro to radi za vas?
  11. [ srednji ] Toole et al. (2015) Primjena detalje o pozivima (CDR) iz mobitela predvidjeti trendove nezaposlenosti.

    1. Usporediti i kontrast dizajn Toole et al. (2015) s Blumenstock, Cadamuro, and On (2015) .
    2. Mislite li da CDR-treba zamijeniti tradicionalne ankete, da ih nadopuniti ili ne može koristiti na svim za vladine politike za praćenje nezaposlenosti? Zašto?
    3. Koje dokaze bi vas uvjeriti da CDR-može u potpunosti zamijeniti tradicionalne mjere stopu nezaposlenosti?