3.4.2 არასამთავრობო ალბათობა ნიმუშები: აწონვა

არასამთავრობო ალბათობა ნიმუშები, წონით შეგიძლიათ გაუქმება სხვაობა გამოწვეული აიღო შერჩევის პროცესში.

ანალოგიურად, რომ მკვლევარები წონა პასუხის ალბათობა ნიმუშები, მათ შეუძლიათ ასევე წონის პასუხის არასამთავრობო ალბათობა ნიმუშები. მაგალითად, როგორც ალტერნატივა CPS, წარმოიდგინეთ, რომ თქვენ განთავსებული ბანერი ათასობით საიტებზე მიღებისათვის მონაწილეებს გამოკითხვის, რათა დადგინდეს უმუშევრობის დონე. ბუნებრივია, თქვენ იქნება სკეპტიკურად, რომ მარტივი საშუალება თქვენი ნიმუში იქნება კარგი ხარჯთაღრიცხვა უმუშევრობის დონე. თქვენი სკეპტიციზმი ალბათ იმიტომ, რომ ფიქრობთ, რომ ზოგიერთი ადამიანი უფრო სავარაუდოა, რომ შეავსოთ თქვენი კვლევის, ვიდრე სხვები. მაგალითად, ადამიანები, რომლებიც არ ატარებენ ბევრი დრო ინტერნეტში ნაკლებად სავარაუდოა, რომ შეავსოთ თქვენი კვლევა.

როგორც დავინახეთ, ბოლო ნაწილში, თუმცა, თუ ჩვენ ვიცით, როგორ ნიმუში შეირჩა, როგორც ჩვენ ვაკეთებთ ალბათობა ნიმუშები, მაშინ ჩვენ შეგვიძლია გაუქმება სხვაობა გამოწვეული შერჩევის პროცესში. სამწუხაროდ, როდესაც მუშაობა არასამთავრობო ალბათობა ნიმუშები, ჩვენ არ ვიცით, როგორ ნიმუში შეირჩა. მაგრამ, ჩვენ შეგვიძლია ვარაუდები იმის შესახებ, შერჩევის პროცესი და შემდეგ ვრცელდება წონის იგივე გზით. თუ ეს ვარაუდი სწორია, მაშინ წონის იქნება გაუქმება სხვაობა გამოწვეული შერჩევის პროცესში.

მაგალითად, წარმოიდგინეთ, რომ საპასუხოდ თქვენი ბანერი, თქვენ დაკომპლექტდა 100,000 რესპონდენტი. თუმცა, თქვენ არ მჯერა, რომ ეს 100,000 რესპონდენტების მარტივი შემთხვევითი ნიმუში ამერიკელი მოზარდები. სინამდვილეში, როდესაც თქვენ შეადაროთ თქვენი -მა აშშ-ს მოსახლეობის, ნახავთ, რომ ადამიანი ზოგიერთი სახელმწიფოს (მაგალითად, ნიუ-იორკი) ზედმეტად წარმოდგენილი და რომ ხალხი ზოგიერთი სახელმწიფოს (მაგალითად, Alaska) არიან წარმოდგენილნი. ამდენად, უმუშევრობის თქვენი ნიმუში სავარაუდოდ ცუდი ხარჯთაღრიცხვა უმუშევრობის სამიზნე მოსახლეობა.

ერთი გზა გაუქმება დამახინჯება, რომელიც მოხდა შერჩევის პროცესი მინიჭებას წონით თითოეულ ადამიანს; ქვედა წონით ადამიანი აცხადებს, რომ ზედმეტად წარმოდგენილი ნიმუში (მაგალითად, ნიუ-იორკი) და უმაღლესი წონით ადამიანი აცხადებს, რომ წარმოდგენილი ნიმუში (მაგალითად, Alaska). უფრო კონკრეტულად, წონა თითოეული რესპონდენტი დაკავშირებული მათი გავრცელების თქვენი ნიმუში ნათესავი მათი გავრცელების აშშ მოსახლეობას. ეს წონის პროცედურა ეწოდება პოსტ-სტრატიფიკაციის, და იდეა მასით უნდა შეგახსენოთ, მაგალითად სექცია 3.4.1, სადაც გამოკითხულთა Rhode Island გადაეცათ ნაკლები წონა, ვიდრე გამოკითხულთა California. Post-სტრატიფიკაციის მოითხოვს, რომ თქვენ იცით, საკმარისია იმისათვის, რომ თქვენი გამოკითხულთა ჯგუფებად და ვიცი პროპორცია სამიზნე მოსახლეობის თითოეულ ჯგუფში.

მიუხედავად იმისა, რომ წონის ალბათობა ნიმუში და არასამთავრობო ალბათობა ნიმუში არის იგივე მათემატიკურად (იხ ტექნიკური დანართი), მათ კარგად მუშაობს სხვადასხვა სიტუაციებში. თუ მკვლევარი აქვს სრულყოფილი ალბათობა ნიმუში (ანუ, არ გაშუქება შეცდომა და არ არასამთავრობო საპასუხოდ), მაშინ წონის აწარმოოს ობიექტური შეფასებები ყველა თვისებების ყველა შემთხვევაში. ეს ძლიერი თეორიული გარანტია ამიტომ ადვოკატთა ალბათობის ნიმუშები იპოვოს მათ ასე მიმზიდველი. მეორეს მხრივ, აწონვა არასამთავრობო ალბათობა ნიმუშები იქნება მხოლოდ წარმოების ობიექტური შეფასებები ყველა თვისებების თუ პასუხი მიდრეკილებების იგივეა ყველასთვის თითოეულ ჯგუფში. სხვა სიტყვებით, ფიქრი თავში ჩვენი მაგალითად, პოსტ-სტრატიფიკაციის აწარმოოს მიუკერძოებელი შეფასებით თუ ყველას New York აქვს იგივე ალბათობა მონაწილე და ყველას Alaska აქვს იგივე ალბათობა მონაწილე და ასე შემდეგ. ეს ვარაუდი ეწოდება ერთგვაროვანი პასუხი-მიდრეკილებების ფარგლებში- ჯგუფების ვარაუდი, და ეს თამაშობს გადამწყვეტ როლს იცის, თუ პოსტ-სტრატიფიკაციის იმუშავებს კარგად არასამთავრობო ალბათობა ნიმუშები.

სამწუხაროდ, ჩვენი მაგალითად, ერთგვაროვანი პასუხი-მიდრეკილებების ფარგლებში- ჯგუფების ვარაუდი, როგორც ჩანს, ნაკლებად სავარაუდოა, რომ იყოს ჭეშმარიტი. რომ არის, ნაკლებად სავარაუდოა, რომ ყველას Alaska აქვს იგივე ალბათობა იმისა თქვენს კვლევა. მაგრამ, არსებობს სამი მნიშვნელოვანი რაოდენობა უნდა გვახსოვდეს შესახებ პოსტ-სტრატიფიკაციის, რაც მას, როგორც ჩანს უფრო პერსპექტიული.

პირველი, ერთგვაროვანი პასუხი-მიდრეკილებების ფარგლებში- ჯგუფების ვარაუდი უფრო დამაჯერებელი, როგორც რაოდენობის ჯგუფები იზრდება. და მკვლევარები არ შემოიფარგლება ჯგუფების უბრალოდ ეფუძნება ერთი გეოგრაფიული განზომილება. მაგალითად, ჩვენ შეგვიძლია შევქმნათ ჯგუფების საფუძველზე სახელმწიფო, ასაკის, სქესის, და განათლების დონე. როგორც ჩანს, უფრო დამაჯერებელი, რომ არ არის ერთგვაროვანი პასუხი მიდრეკილებების ჯგუფს 18-29, ქალი, კოლეჯის კურსდამთავრებულებს მცხოვრები Alaska, ვიდრე ჯგუფში მცხოვრები ყველა ხალხის Alaska. ამდენად, როგორც რაოდენობის ჯგუფები პოსტ-სტრატიფიკაციის იზრდება, დაშვებების საჭიროა მხარი დაუჭიროს მას უფრო გონივრული. აქედან გამომდინარე, როგორც ჩანს, მკვლევართა გვინდა რომ შევქმნათ დიდი რაოდენობით ჯგუფების პოსტ-სტრატიფიკაცია. მაგრამ, როგორც რაოდენობის ჯგუფები იზრდება, მკვლევარები გადაეყარონ სხვადასხვა პრობლემა მონაცემთა sparsity. თუ არსებობს მხოლოდ მცირე რაოდენობის ხალხი თითოეულ ჯგუფში, მაშინ შეფასებით იქნება უფრო გაურკვეველი, უკიდურეს შემთხვევაში, სადაც არ არის ჯგუფი, რომელსაც არ აქვს გამოკითხულთა, მაშინ პოსტ-სტრატიფიკაციის მთლიანად თანხიდან. არსებობს ორი გამოსავალი ამ თანდაყოლილი შორის დაძაბულობის plausibility of homogeneous- რეაქციას მიდრეკილებას ფარგლებში- ჯგუფების ვარაუდი და მოთხოვნა გონივრული ნიმუში ზომის თითოეულ ჯგუფში. ერთ-ერთი მიდგომა არის ის, რომ უფრო დახვეწილი სტატისტიკური მოდელი გაანგარიშების წონით და სხვა შეგროვება უფრო დიდი, უფრო მრავალფეროვანი ნიმუში, რომელიც უზრუნველყოფს გონივრული ნიმუში ზომის თითოეულ ჯგუფში. და, ზოგჯერ მკვლევარები ორივე, როგორც მე აღწერს უფრო დეტალურად ქვემოთ.

მეორე გათვალისწინებით, როდესაც მუშაობის შემდგომი სტრატიფიკაციის არასამთავრობო ალბათობა ნიმუშები არის, რომ ერთგვაროვანი პასუხი-მიდრეკილებას ფარგლებში- ჯგუფების ვარაუდი უკვე ხშირად გააკეთა, როცა ანალიზის ალბათობა ნიმუშები. იმ მიზეზით, რომ ეს ვარაუდი არის საჭირო ალბათობა ნიმუშები პრაქტიკაში რომ ალბათობა ნიმუშები აქვს არასამთავრობო პასუხი, და ყველაზე გავრცელებული მეთოდი მორგება არასამთავრობო პასუხი არის პოსტ-სტრატიფიკაციის როგორც ზემოთ აღწერილი. რა თქმა უნდა, მხოლოდ იმიტომ, რომ ბევრი მკვლევარი გარკვეული ვარაუდი, არ ნიშნავს იმას, რომ თქვენ უნდა გავაკეთოთ ეს ძალიან. მაგრამ, ეს იმას ნიშნავს, რომ როდესაც შედარებით არასამთავრობო ალბათობა ნიმუშები ალბათობა ნიმუშები პრაქტიკა, ჩვენ უნდა გვახსოვდეს, რომ ორივე დამოკიდებული ვარაუდები და დამხმარე ინფორმაცია, რათა აწარმოოს შეფასებები. In ყველაზე რეალისტური პარამეტრები, უბრალოდ არ არსებობს ვარაუდი, თავისუფალი მიდგომა დასკვნა.

და ბოლოს, თუ აინტერესებს ერთი შეფასებით კერძოდ ჩვენს მაგალითში, უმუშევრობის დონე, მაშინ თქვენ გჭირდებათ მდგომარეობა სუსტია, ვიდრე ერთგვაროვანი პასუხი-მიდრეკილებას ფარგლებში- ჯგუფების ვარაუდი. კერძოდ, თქვენ არ უნდა ვივარაუდოთ, რომ ყველას არ აქვს იგივე პასუხი მიდრეკილებას, თქვენ მხოლოდ უნდა ვივარაუდოთ, რომ არ არსებობს კორელაცია პასუხი მიდრეკილებას და უმუშევრობის დონე თითოეულ ჯგუფს. რა თქმა უნდა, ეს კი სუსტია, მდგომარეობა არ გამართავს ზოგიერთ სიტუაციებში. მაგალითად, წარმოიდგინეთ, შეფასებისას პროპორცია ამერიკელები, რომ ამის გაკეთება მოხალისე მუშაობს. თუ ადამიანები, რომლებიც მოხალისე მუშაობა უფრო სავარაუდოა, რომ თანახმა იყოს კვლევა, მკვლევარები სისტემატურად ზედმეტად დადგინდეს თანხის ნებაყოფლობით, მაშინაც კი, თუ მათ ამის შემდგომ სტრატიფიკაციის კორექტირებას, შედეგი, რომელიც უკვე აჩვენა, ემპირიულად მიერ Abraham, Helms, and Presser (2009) .

როგორც ვთქვი ადრე, არასამთავრობო ალბათობა ნიმუშები, რომლებიც განიხილება, დიდი სკეპტიციზმი სოციალური მეცნიერები, ნაწილობრივ იმიტომ, რომ მათი როლი ზოგიერთი ყველაზე უხერხულ წარუმატებლობის ადრეულ დღეებში კვლევა. ამის ნათელი მაგალითია, თუ რამდენად შორს მოვედით, არასამთავრობო ალბათობა ნიმუშები არის კვლევის Wei Wang, დავით Rothschild, Sharad Goel, და ანდრეა, Gelman, რომ სწორად აღდგენილი შედეგს 2012 აშშ საარჩევნო გამოყენებით არასამთავრობო ალბათობა ნიმუში ამერიკული Xbox მომხმარებლები ანუ აშკარად არასამთავრობო შემთხვევითი ნიმუში ამერიკელები (Wang et al. 2015) . მკვლევარებმა დაკომპლექტდა რესპონდენტები XBox სათამაშო სისტემა, და როგორც თქვენ შეიძლება ველოდოთ, Xbox ნიმუში არასათანადო კაცი და არასათანადო ახალგაზრდა: 18 - 29 წლამდე ასაკის შეადგინოს 19% ელექტორატი, მაგრამ 65% Xbox ნიმუში და მამაკაცი შეადგინოს 47% ელექტორატის და 93% Xbox ნიმუში (ნახაზი 3.4). იმის გამო, რომ ამ ძლიერი დემოგრაფიული მიმართულებისა, ნედლეული Xbox მონაცემები ცუდი მაჩვენებელია საარჩევნო ბრუნდება. ეს პროგნოზით, ძლიერი გამარჯვება მიტ რომნის მეტი ბარაკ ობამას. ისევ, ეს არის კიდევ ერთი მაგალითი იმისა, თუ რა საფრთხე ნედლეულის, დაუკორექტირებელი არასამთავრობო ალბათობა ნიმუშები და თქვენში Literary Digest fiasco.

Figure 3.4 დემოგრაფია გამოკითხულთა Wang et al. (2015). იმის გამო, რომ გამოკითხულთა დაკომპლექტდა XBox, ისინი უფრო სავარაუდოა, რომ იყოს ახალგაზრდა და უფრო სავარაუდოა, რომ კაცი, ნათესავი ამომრჩეველთა 2012 საარჩევნო.

Figure 3.4 დემოგრაფია გამოკითხულთა Wang et al. (2015) . იმის გამო, რომ გამოკითხულთა დაკომპლექტდა XBox, ისინი უფრო სავარაუდოა, რომ იყოს ახალგაზრდა და უფრო სავარაუდოა, რომ კაცი, ნათესავი ამომრჩეველთა 2012 საარჩევნო.

თუმცა, Wang და კოლეგებს იცოდნენ ეს პრობლემა და შეეცადნენ წონა გამოკითხულთა კორექტირება შერჩევის პროცესში. კერძოდ, ისინი გამოიყენება უფრო დახვეწილი სახით პოსტ-სტრატიფიკაციის მე გითხარით. ღირს სწავლა, ცოტა უფრო მეტი მათი მიდგომა, რადგან იგი ეფუძნება ინტუიცია პოსტ-სტრატიფიკაციის და კონკრეტული ვერსია Wang და მისმა კოლეგებმა გამოიყენეს ერთ-ერთი ყველაზე საინტერესო მიდგომები წონის არასამთავრობო ალბათობა ნიმუშები.

ჩვენი მარტივი, მაგალითად შეფასებისას უმუშევრობის სექცია 3.4.1, ჩვენ გაყოფილი მოსახლეობის ჯგუფების საფუძველზე სახელმწიფო საცხოვრებელი. ამის საპირისპიროდ, Wang და კოლეგებს გაყოფილი მოსახლეობის შევიდა 176.256 ჯგუფების განისაზღვრება: გენდერული (2 კატეგორია), რასის (4 კატეგორია), ასაკი (4 კატეგორია), განათლება (4 კატეგორიები), სახელმწიფო (51 კატეგორია), party ID (3 კატეგორიები), იდეოლოგია (3 კატეგორია) და 2008 vote (3 კატეგორიაში). უფრო ჯგუფები, მკვლევარები იმედი გამოთქვა, რომ სულ უფრო და უფრო სავარაუდოა, რომ თითოეულ ჯგუფს, პასუხი მიდრეკილებას იყო uncorrelated მხარდაჭერა ობამას. შემდეგი, ვიდრე აშენებს ინდივიდუალურ დონეზე Weights, როგორც ჩვენ გავაკეთეთ ჩვენი მაგალითად, Wang და მისმა კოლეგებმა გამოიყენეს კომპლექსური მოდელი, რათა დადგინდეს პროპორცია ხალხის თითოეულ ჯგუფში, რომელიც ხმას ობამას. და ბოლოს, ისინი კომბინირებული ამ ჯგუფის შეფასებით მხარდაჭერა ცნობილი ზომა თითოეული ჯგუფის წარმოების სავარაუდო საერთო დონის მხარდაჭერა. სხვა სიტყვებით, ისინი დაჭრილი მოსახლეობის სხვადასხვა ჯგუფების, სავარაუდო მხარდაჭერა ობამას თითოეულ ჯგუფში, შემდეგ კი საშუალო შეწონილი ჯგუფის შეფასებით წარმოების საერთო შეფასებით.

ასე რომ, დიდი გამოწვევაა მათი მიდგომა, რათა დადგინდეს ობამას მხარდაჭერა თითოეულ ამ 176.256 ჯგუფები. მიუხედავად იმისა, რომ მათი პანელი შედის 345.858 უნიკალური მონაწილეებს, დიდი რაოდენობით სტანდარტების არჩევნების საარჩევნო, ბევრი, ბევრი ჯგუფების რისთვისაც Wang და კოლეგები თითქმის არ რესპონდენტი. ამიტომ, რათა დადგინდეს მხარდაჭერა თითოეულ ჯგუფში ისინი გამოყენებული ტექნიკა მოუწოდა მრავალსართულიანი რეგრესია პოსტ-სტრატიფიკაციის, რომელიც მკვლევართა სიყვარულით მოვუწოდებთ ბ-ნი პ არსებითად, რათა დადგინდეს მხარდაჭერა ობამას კონკრეტული ჯგუფის, ბატონ პ აუზი ინფორმაცია ბევრი მჭიდროდაა დაკავშირებული ჯგუფები. მაგალითად, განვიხილოთ გამოწვევა შეფასებისას მხარდაჭერა ობამას შორის ქალი, Hispanics, შორის 18-29 წლის, რომელიც კოლეჯის კურსდამთავრებულებს, რომლებიც რეგისტრირებული არიან დემოკრატები, რომლებიც თვითმმართველობის იდენტიფიცირება, როგორც ზომიერი და ვინ დაუჭირა მხარი ობამას 2008 წელს არის ძალიან, ძალიან კონკრეტული ჯგუფი, და შესაძლებელია, რომ არავინ არ არის ნიმუში ამ მახასიათებლები. ამიტომ, რათა შეფასებით ამ ჯგუფის შესახებ, ბ-ნი პ აუზი ერთად აფასებს ხალხს ძალიან ჰგავს ჯგუფები.

გამოყენება ამ ანალიზი, სტრატეგია, Wang და კოლეგებს შეძლეს გამოიყენოთ XBox არასამთავრობო ალბათობა ნიმუში ძალიან მჭიდროდ დადგენა მთლიანი მხარდაჭერა, რომელიც ობამამ მიიღო 2012 წლის არჩევნების (ნახაზი 3.5). სინამდვილეში მათი შეფასებები უფრო ზუსტი, ვიდრე აგრეგატის საზოგადოებრივი აზრის გამოკითხვა. ამდენად, ამ შემთხვევაში, აწონვა, კერძოდ ბატონ პ-, როგორც ჩანს, გავაკეთოთ კარგი სამუშაო კორექტირება მიმართულებისა არასამთავრობო ალბათობა მონაცემები; მიმართულებისა, რომლებიც ჩანს, როდესაც თქვენ შეხედეთ შეფასებით საწყისი დაუკორექტირებელი Xbox მონაცემები.

Figure 3.5: შეფასებით Wang et al. (2015). დაუკორექტირებელი XBox ნიმუში წარმოებული არასწორი შეფასებით. მაგრამ შეწონილი XBox ნიმუში წარმოებული შეფასებით, იყო უფრო ზუსტი, ვიდრე საშუალოდ ალბათობა დაფუძნებული სატელეფონო კვლევები.

Figure 3.5: შეფასებით Wang et al. (2015) . დაუკორექტირებელი XBox ნიმუში წარმოებული არასწორი შეფასებით. მაგრამ შეწონილი XBox ნიმუში წარმოებული შეფასებით, იყო უფრო ზუსტი, ვიდრე საშუალოდ ალბათობა დაფუძნებული სატელეფონო კვლევები.

არსებობს ორი ძირითადი გაკვეთილები შესწავლა Wang და კოლეგებს. პირველი, დაუკორექტირებელი არასამთავრობო ალბათობა ნიმუშები შეიძლება გამოიწვიოს ცუდი შეფასებები; ეს არის გაკვეთილი, რომ ბევრი მკვლევარი არ გამიგია. თუმცა, მეორე გაკვეთილი ის არის, რომ არასამთავრობო ალბათობა ნიმუშები, როდესაც შეწონილი სწორად, შეიძლება რეალურად აწარმოოს საკმაოდ კარგი შეფასებები. ფაქტობრივად, მათი შეფასებები უფრო ზუსტი, ვიდრე შეფასებით pollster.com, an აგრეგაციას უფრო ტრადიციული არჩევნებზე.

და ბოლოს, არსებობს მნიშვნელოვანი შეზღუდვები, რისი სწავლა შეგვიძლია ამ ერთი კონკრეტული კვლევა. მხოლოდ იმიტომ, რომ პოსტ-სტრატიფიკაციის კარგად მუშაობდა, ამ კონკრეტულ შემთხვევაში, არ არსებობს გარანტია, რომ კარგად მუშაობს სხვა შემთხვევებში. ფაქტობრივად, არჩევნების არის ალბათ ერთ ერთი ყველაზე იოლი პარამეტრების რადგან სოციოლოგებს უკვე სწავლობს არჩევნები თითქმის 100 წლის განმავლობაში, არსებობს რეგულარული კავშირი (ვხედავთ ვინ გაიმარჯვებს არჩევნებში) და პარტიის იდენტიფიკაცია და დემოგრაფიული მახასიათებლები შედარებით პროგნოზირების კენჭისყრით. ამ ეტაპზე, ჩვენ არ გააჩნიათ მყარი თეორია და ემპირიული გამოცდილება, ვიცი, როდესაც წონის კორექტირებას არასამთავრობო ალბათობა ნიმუშები წარმოების საკმარისად ზუსტი შეფასებით. ერთი რამ არის ნათელი, თუმცა, თუ იძულებითი მუშაობა არასამთავრობო ალბათობა ნიმუშები, მაშინ არსებობს მყარი საფუძველი ვიფიქრო, რომ დაზუსტებული შეფასებები უკეთესი იქნება, ვიდრე არასამთავრობო მორგებული შეფასებით.