អ្វីដែលត្រូវអានបន្ទាប់

• សេចក្តីផ្តើម (ផ្នែកទី 3.1)

ប្រធានបទជាច្រើននៅក្នុងជំពូកនេះក៏ត្រូវបានគេលើកឡើងផងដែរនៅក្នុងអាស័យដ្ឋានប្រធានាធិបតីថ្មីៗនៅក្នុងសមាគមស្រាវជ្រាវទស្សនៈសាធារណៈអាមេរិក (AAPOR) ដូចជា Dillman (2002) , Newport (2011) , Santos (2014) និង Link (2015) ។

សម្រាប់ព័ត៌មានបន្ថែមអំពីភាពខុសគ្នារវាងការស្រាវជ្រាវនិងការសម្ភាសស៊ីជំរៅសូមមើល Small (2009) ។ ទាក់ទងនឹងបទសម្ភាសន៍ស៊ីជម្រៅគឺជាក្រុមគ្រួសារនៃវិធីសាស្រ្តដែលហៅថា ethnography ។ ក្នុងការស្រាវជ្រាវខាង ethnographic អ្នកស្រាវជ្រាវជាទូទៅចំណាយពេលច្រើនជាមួយអ្នកចូលរួមក្នុងបរិស្ថានធម្មជាតិរបស់ពួកគេ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីភាពខុសគ្នារវាងជនជាតិដើមភាគតិចនិងការសម្ភាសស៊ីជំរៅសូមមើល Jerolmack and Khan (2014) ។ សម្រាប់ព័ត៌មានបន្ថែមអំពី ethnography ឌីជីថលសូមមើល Pink et al. (2015) ។

ការពិពណ៌នារបស់ខ្ញុំអំពីប្រវត្តិសាស្ត្រនៃការស្រាវជ្រាវស្ទង់មតិគឺខ្លីពេកក្នុងការរួមបញ្ចូលការអភិវឌ្ឍដ៏គួរឱ្យរំភើបជាច្រើនដែលបានកើតឡើង។ សម្រាប់ប្រវត្តិសាស្រ្តបន្ថែមទៀតសូមមើល Smith (1976) Converse (1987) និង Igo (2008) ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីគំនិតនៃការស្រាវជ្រាវស្ទង់មតិ 3 ដងសូមមើល Groves (2011) និង Dillman, Smyth, and Christian (2008) (ដែលបំបែកសម័យកាលបីខុសៗគ្នាបន្តិច) ។

Groves and Kahn (1979) ផ្តល់នូវការស្រាវជ្រាវមួយក្នុងដំណាក់កាលផ្លាស់ប្តូរពីដំបូងទៅយុគសម័យទីពីរក្នុងការស្រាវជ្រាវស្រាវជ្រាវដោយធ្វើការប្រៀបធៀបរវាងប្រធានបទនិងការស្ទាបស្ទង់មតិតាមទូរស័ព្ទ។ ( ??? ) សូមក្រឡេកមើលការអភិវឌ្ឍប្រវត្តិសាស្រ្តនៃវិធីសាស្រ្តគំរូលេខចៃដន្យ។

ដើម្បីដឹងពីរបៀបដែលការស្រាវជ្រាវស្ទង់មតិបានផ្លាស់ប្តូរកាលពីអតីតកាលដើម្បីឆ្លើយតបទៅនឹងការផ្លាស់ប្តូរនៅក្នុងសង្គមសូមមើល Tourangeau (2004) ( ??? ) និង Couper (2011) ។

• សួរនិងធៀបនឹងការសង្កេត (ផ្នែកទី 3.2)

ភាពខ្លាំងនិងភាពទន់ខ្សោយនៃការសួរនិងការសង្កេតត្រូវបានជជែកដោយក្រុមចិត្តសាស្ត្រ ( Baumeister, Vohs, and Funder (2007) ) និងអ្នកសង្គមវិទ្យា (ឧ។ Jerolmack and Khan (2014) Maynard (2014) Cerulo (2014) , Vaisey (2014) Jerolmack and Khan (2014) ] ភាពខុសគ្នារវាងការសួរនិងការសង្កេតក៏កើតឡើងនៅក្នុងផ្នែកសេដ្ឋកិច្ចដែលអ្នកស្រាវជ្រាវនិយាយអំពីចំណង់ចំណូលចិត្តបានបញ្ជាក់និងបង្ហាញ។ ឧទាហរណ៍អ្នកស្រាវជ្រាវអាចសួរអ្នកឆ្លើយសំណួរថាតើពួកគេចូលចិត្តការ៉េមឬទៅហាត់ប្រាណ (ចំណង់ចំណូលចិត្តដែលបានលើកឡើង) ឬអាចសង្កេតមើលថាតើមនុស្សញ៉ាំការ៉េមនិងទៅកន្លែងហាត់ប្រាណ (ចំណង់ចំណូលចិត្តដែលបានបង្ហាញ) ។ មានការសង្ស័យយ៉ាងជ្រាលជ្រៅអំពីប្រភេទនៃចំណង់ចំណូលចិត្តដែលបានលើកឡើងនៅក្នុងសេដ្ឋកិច្ចដូចជាពិពណ៌នានៅក្នុង Hausman (2012) ។

ប្រធានបទសំខាន់មួយពីការពិភាក្សាទាំងនេះគឺថាអាកប្បកិរិយាដែលបានរាយការណ៍មិនមែនតែងតែត្រឹមត្រូវទេ។ ប៉ុន្តែដូចដែលបានរៀបរាប់នៅក្នុងជំពូកទី 2 ប្រភពទិន្នន័យធំ ៗ ប្រហែលជាមិនត្រឹមត្រូវវាមិនត្រូវបានប្រមូលដោយយកចិត្តទុកដាក់ទេហើយវាប្រហែលជាមិនអាចរកបានអ្នកស្រាវជ្រាវទេ។ ដូច្នេះខ្ញុំគិតថាក្នុងស្ថានភាពខ្លះអាកប្បកិរិយាដែលបានរាយការណ៍អាចមានប្រយោជន៍។ លើសពីនេះទៅទៀតប្រធានបទសំខាន់ទីពីរពីការពិភាក្សាទាំងនេះគឺថារបាយការណ៍អំពីអារម្មណ៍អារម្មណ៍ការរំពឹងទុកនិងគំនិតមិនតែងតែត្រឹមត្រូវទេ។ ប៉ុន្តែប្រសិនបើព័ត៌មានអំពីស្ថានភាពផ្ទៃក្នុងទាំងនេះត្រូវបានអ្នកស្រាវជ្រាវត្រូវការ - ដើម្បីជួយពន្យល់ឥរិយាបថឬក៏ជារឿងដែលត្រូវបកស្រាយនោះការសួរអាចជាការសមស្រប។ ជាការពិតការរៀនសូត្រអំពីរដ្ឋផ្ទៃក្នុងដោយការសួរសំណួរអាចជាបញ្ហាពីព្រោះជួនកាលអ្នកឆ្លើយឆ្លងខ្លួនខ្លួនឯងមិនបានដឹងអំពីរដ្ឋផ្ទៃក្នុងរបស់ពួកគេ (Nisbett and Wilson 1977) ។

• កំហុសអង្កេតសរុប (ផ្នែកទី 3.3)

ជំពូកទី 1 នៃ Groves (2004) ធ្វើការងារដ៏ល្អឥតខ្ចោះការផ្សះផ្សាពាក្យវាស់វែងមិនទៀងទាត់ដែលត្រូវបានប្រើដោយអ្នកស្រាវជ្រាវស្ទង់មតិដើម្បីពិពណ៌នាអំពីក្របខ័ណ្ឌកំហុសស្ទង់មតិសរុប។ ចំពោះការព្យាបាលរយៈពេលវែងនៃក្របខ័ណ្ឌកំហុសការស្ទង់មតិសរុបសូមមើល Groves et al. (2009) និងសម្រាប់ទិដ្ឋភាពជាប្រវត្តិសាស្ត្រសូមមើល Groves and Lyberg (2010) ។

គំនិតនៃការ decomposing កំហុសចូលទៅក្នុងលំអៀងនិង variance ក៏បានមកឡើងនៅក្នុងការរៀនម៉ាស៊ីន; សូមមើលឧទាហរណ៍ផ្នែកទី 7.3 នៃ Hastie, Tibshirani, and Friedman (2009) ។ ជារឿយៗនេះនាំឱ្យក្រុមអ្នកស្រាវជ្រាវនិយាយអំពីការជួញដូរ "ភាពលំអៀង" ។

ទាក់ទងទៅនឹងការតំណាងការណែនាំដ៏ល្អចំពោះបញ្ហានៃការមិនឆ្លើយតបនិងការមិនលំអៀងគឺរបាយការណ៍របស់ក្រុមប្រឹក្សាស្រាវជ្រាវជាតិដែលមិនបានឆ្លើយតបក្នុងការស្ទង់មតិវិទ្យាសាស្រ្តសង្គម: របៀបវារៈស្រាវជ្រាវមួយ (2013) ។ ទិដ្ឋភាពទូទៅមានប្រយោជន៍មួយផ្សេងទៀតត្រូវបានផ្តល់ដោយ Groves (2006) ។ ដូចគ្នានេះផងដែរ, បញ្ហាពិសេសទាំងស្រុងនៃ ទិនានុប្បវត្តិនៃស្ថិតិផ្លូវការ មតិសាធារណជនប្រចាំត្រីមាស និង កំណត់ត្រាប្រវត្តិសាស្ត្ររបស់បណ្ឌិតសភាវិទ្យាសាស្ត្រនយោបាយនិងសង្គមរបស់អាមេរិក ត្រូវបានបោះពុម្ពផ្សាយលើប្រធានបទនៃការមិនឆ្លើយតប។ ជាចុងក្រោយមានវិធីផ្សេងគ្នាជាច្រើនក្នុងការគណនាអត្រាឆ្លើយតប។ វិធីសាស្រ្តទាំងនេះត្រូវបានពិពណ៌នាលម្អិតនៅក្នុងរបាយការណ៍មួយដោយសមាគមអាមេរិចនៃអ្នកស្រាវជ្រាវសាធារណៈ (AAPOR) ( ??? ) ។

សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការស្ទង់មតិ អក្សរសាស្ត្រអង់គ្លេស ឆ្នាំ 1936 សូមមើល Bryson (1976) , Squire (1988) , Cahalan (1989) និង Lusinchi (2012) ។ សម្រាប់ការពិភាក្សាមួយផ្សេងទៀតអំពីការស្ទង់មតិនេះជាការព្រមានពីការប្រៀបធៀបទៅនឹងការប្រមូលទិន្ន័យដែល Gayo-Avello (2011) សូមមើល Gayo-Avello (2011) ។ នៅឆ្នាំ 1936 លោក George Gallup បានប្រើគំរូគំរូទំនើបជាងមុនហើយអាចផលិតបាននូវការប៉ាន់ស្មានត្រឹមត្រូវបន្ថែមទៀតជាមួយគំរូតូចជាង។ ភាពជោគជ័យរបស់ក្រុមហ៊ុន Gallup ស្តីពី Literary Digest គឺជាព្រឹត្តការណ៍ដ៏សំខាន់ក្នុងការអភិវឌ្ឍការស្រាវជ្រាវស្ទង់មតិដូចដែលបានពិពណ៌នានៅក្នុងជំពូក 3 នៃ @ converse_survey_1987; ជំពូក 4 នៃ Ohmer (2006) ; និងជំពូក 3 នៃ @ igo_averaged_2008 ។

នៅក្នុងការវាស់វែងធនធានដំបូងសម្រាប់ការរៀបចំ Bradburn, Sudman, and Wansink (2004) សំណួរគឺ Bradburn, Sudman, and Wansink (2004) ។ ចំពោះការព្យាបាលទំនើប ៗ សូមមើល Schuman and Presser (1996) ដែលផ្តោតជាពិសេសលើសំណួរអាកប្បកិរិយានិង Saris and Gallhofer (2014) ដែលមានលក្ខណៈទូទៅជាង។ វិធីសាស្ត្រខុសគ្នាបន្តិចបន្តួចចំពោះការវាស់វែងត្រូវបានគេយកមកប្រើក្នុងចិត្តសាស្ត្រដូចបានរៀបរាប់នៅក្នុង ( ??? ) ។ ច្រើនទៀតនៅលើ pretesting គឺអាចរកបាននៅក្នុង Presser and Blair (1994) , Presser et al. (2004) និងជំពូកទី 8 នៃ Groves et al. (2009) ។ សម្រាប់ព័ត៌មានពិសោធន៍បន្ថែមទៀតសូមមើល Mutz (2011) ។

នៅក្នុងលក្ខខណ្ឌនៃការចំណាយ, ការព្យាបាលសៀវភៅរយៈពេលវែងនៃការធ្វើពាណិជ្ជកម្មរវាងការចំណាយលើការស្ទង់មតិនិងកំហុសការស្ទង់មតិគឺ Groves (2004) ។

• នរណាត្រូវសួរ (ផ្នែកទី 3.4)

ការព្យាបាលសៀវភៅរយៈពេលវែងចំនួនពីរនៃគំរូគំរូនិងការប៉ាន់ស្មានគឺ Lohr (2009) (ណែនាំបន្ថែមទៀត) និង Särndal, Swensson, and Wretman (2003) ) ។ ការព្យាបាលដែលមានរយៈពេលវែងបែបបុរាណនៃការធ្វើ stratification ក្រោយនិងវិធីសាស្រ្តដែលទាក់ទងគឺ Särndal and Lundström (2005) ។ នៅក្នុងការកំណត់តាមឌីជីថលខ្លះក្រុមអ្នកស្រាវជ្រាវដឹងបន្តិចអំពីអ្នកឆ្លើយឆ្លងព័ត៌មានដែលមិនធ្លាប់មានពីមុនមក។ ទំរង់ខុសៗគ្នានៃការឆ្លើយតបមិនឆ្លើយតបវិញអាចធ្វើទៅបាននៅពេលអ្នកស្រាវជ្រាវមានព័ត៌មានអំពីអ្នកឆ្លើយឆ្លងព័ត៌មានដែលបានរៀបរាប់ដោយ Kalton and Flores-Cervantes (2003) និង Smith (2011) ។

ការសិក្សារបស់ Xbox ដោយ W. Wang et al. (2015) ប្រើបច្ចេកទេសមួយដែលហៅថាការតំរែតំរង់ពហុវែលនិងការបែងចែកក្រោយ ("លោក P. ") ដែលអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវធ្វើការប៉ាន់ស្មានមធ្យោបាយក្រុមបើទោះបីជាមានក្រុមជាច្រើនក៏ដោយ។ ទោះបីជាមានការជជែកវែកញែកមួយចំនួនអំពីគុណភាពនៃការប៉ាន់ប្រមាណពីបច្ចេកទេសនេះក៏ដោយវាហាក់ដូចជាតំបន់មួយដែលគួរឱ្យចង់ស្វែងរក។ បច្ចេកទេសនេះត្រូវបានប្រើជាលើកដំបូងនៅក្នុង Park, Gelman, and Bafumi (2004) និងមានការប្រើប្រាស់និងការជជែកពិភាក្សាគ្នាជាបន្តបន្ទាប់ (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីទំនាក់ទំនងរវាងទម្ងន់និងទម្ងន់ជាក្រុមសូមមើល Gelman (2007) ។

ចំពោះវិធីសាស្រ្តផ្សេងទៀតដើម្បីស្ទង់មតិលើគេហទំព័រដែលមានទម្ងន់សូមមើល Schonlau et al. (2009) Bethlehem (2010) និង Valliant and Dever (2011) ។ បន្ទះអនឡាញអាចប្រើគំរូគំរូឬប្រូបាបដែលមិនទំនង។ សម្រាប់ព័ត៌មានបន្ថែមលើបន្ទះអនឡាញសូមមើល Callegaro et al. (2014) ។

ជួនកាលអ្នកស្រាវជ្រាវបានរកឃើញថាសំណាកប្រូបាបនិងសំណាកមិនប្រូបាប៊ីលីតេអាចផ្តល់នូវការប៉ាន់ស្មាននៃគុណភាពស្រដៀងគ្នា (Ansolabehere and Schaffner 2014) ប៉ុន្តែការប្រៀបធៀបផ្សេងទៀតបានរកឃើញថាសំណាកដែលមិនប្រូបាប៊ីធ្វើឱ្យកាន់តែអាក្រក់ (Malhotra and Krosnick 2007; Yeager et al. 2011) ។ មូលហេតុមួយដែលអាចទៅរួចសម្រាប់ភាពខុសគ្នាទាំងនេះគឺថាគំរូដែលមិនមានប្រូបាបអាចមានភាពប្រសើរជាងមុន។ ចំពោះទស្សនៈទុទិដ្ឋិនិយមបន្ថែមទៀតអំពីវិធីសាស្រ្តគំរូមិនអាចកើតឡើងបានសូមមើលក្រុមការងារភ្នាក់ងារ AAPOR ស្តីពីគំរូមិនអាចកើតមាន (Baker et al. 2013) , (Baker et al. 2013) ហើយខ្ញុំក៏សូមផ្តល់អនុសាសន៍ក្នុងការអានអត្ថាធិប្បាយដែលធ្វើតាមរបាយការណ៍សង្ខេប។

• របៀបសួរ (ផ្នែកទី 3.5)

Conrad and Schober (2008) គឺជាខ្លឹមសារដែលមានចំណងជើងថា ការធ្វើការស្ទង់មតិអំពីការស្ទង់មតិអំពីអនាគត ហើយវាផ្តល់នូវទស្សនៈជាច្រើនអំពីអនាគតនៃការសួរសំណួរ។ Couper (2011) និយាយអំពីប្រធានបទស្រដៀងគ្នានិង Schober et al. (2015) ផ្តល់ជូននូវឧទាហរណ៍ដ៏ល្អមួយអំពីរបៀបដែលវិធីសាស្ត្រប្រមូលទិន្នន័យដែលត្រូវបានកំណត់តាមការកំណត់ថ្មីអាចនាំឱ្យមានទិន្នន័យដែលមានគុណភាពខ្ពស់។ Schober and Conrad (2015) ផ្តល់នូវអំណះអំណាងទូទៅបន្ថែមអំពីការបន្តធ្វើការកែសម្រួលដំណើរការនៃការស្រាវជ្រាវស្ទង់មតិដើម្បីផ្គូរផ្គងការផ្លាស់ប្តូរនៅក្នុងសង្គម។

Tourangeau and Yan (2007) ពិនិត្យមើលឡើងវិញនូវបញ្ហាលំអៀងពីសំណាក់សង្គមនៅក្នុងសំណួររសើបហើយ Lind et al. (2013) ផ្តល់ជូននូវហេតុផលដែលអាចធ្វើបានមួយចំនួនដែលមនុស្សអាចបង្ហាញព័ត៌មានរសើបបន្ថែមទៀតនៅក្នុងការសម្ភាសដែលគ្រប់គ្រងដោយកុំព្យូទ័រ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីតួនាទីរបស់អ្នកសម្ភាសន៍មនុស្សក្នុងការបង្កើនអត្រាចូលរួមក្នុងការស្ទង់មតិសូមមើល Maynard and Schaeffer (1997) Maynard, Freese, and Schaeffer (2010) Conrad et al. (2013) និង Schaeffer et al. (2013) ។ សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការស្ទង់មតិរបៀបចម្រុះសូមមើល Dillman, Smyth, and Christian (2014) ។

Stone et al. (2007) ផ្តល់ជូននូវការព្យាបាលរយៈពេលវែងនៃការវាយតំលៃអេកូឡូស៊ីនិងវិធីសាស្ត្រដែលទាក់ទង។

សម្រាប់ការណែនាំបន្ថែមទៀតលើការធ្វើការស្ទង់មតិជាបទពិសោធដ៏គួរឱ្យចាប់អារម្មណ៍និងមានតម្លៃសម្រាប់អ្នកចូលរួមសូមមើលការងារស្តីពីវិធីសាស្ត្ររចនាសំលៀកបំពាក់ (Dillman, Smyth, and Christian 2014) ។ សម្រាប់ឧទាហរណ៍គួរឱ្យចាប់អារម្មណ៍មួយផ្សេងទៀតនៃការប្រើកម្មវិធី Facebook សម្រាប់ការស្ទង់មតិវិទ្យាសាស្រ្តសង្គមសូមមើល Bail (2015) ។

• ការស្ទង់មតិបានភ្ជាប់ទៅនឹងប្រភពទិន្នន័យធំ ៗ (ផ្នែក 3.6)

Judson (2007) ពិពណ៌នាអំពីដំណើរការនៃការរួមបញ្ចូលគ្នានូវការស្ទង់មតិនិងទិន្នន័យរដ្ឋបាលជា "ការរួមបញ្ចូលព័ត៌មាន" និងពិភាក្សាពីគុណសម្បត្តិមួយចំនួននៃវិធីសាស្រ្តនេះក៏ដូចជាផ្តល់ជូននូវឧទាហរណ៍មួយចំនួន។

ទាក់ទងទៅនឹងសំណើដែលបានធ្វើឱ្យមានការពេញចិត្តមានការប៉ុនប៉ងពីមុន ៗ ជាច្រើនដើម្បីបញ្ជាក់ពីការបោះឆ្នោត។ ចំពោះទិដ្ឋភាពទូទៅនៃអក្សរសិល្ប៍នោះសូមមើល Belli et al. (1999) ន Ansolabehere and Hersh (2012) Hanmer, Banks, and White (2014) និង Ansolabehere and Hersh (2012) Berent, Krosnick, and Lupia (2016) ។ សូមមើល Berent, Krosnick, and Lupia (2016) សម្រាប់ការសង្ស័យបន្ថែមទៀតនៃលទ្ធផលដែលបានបង្ហាញនៅក្នុង Ansolabehere and Hersh (2012) ។

វាជាការសំខាន់ក្នុងការកត់សម្គាល់ថាទោះបីជា Ansolabehere និង Hersh ត្រូវបានលើកទឹកចិត្តដោយគុណភាពទិន្នន័យពី Catalist ការវាយតម្លៃផ្សេងទៀតនៃអ្នកលក់ពាណិជ្ជកម្មមិនសូវមានចំណាប់អារម្មណ៍ទេ។ Pasek et al. (2014) រកឃើញថាមានគុណភាពមិនល្អនៅពេលទិន្នន័យពីការស្ទង់មតិត្រូវបានប្រៀបធៀបជាមួយឯកសារអ្នកប្រើប្រាស់ពី Marketing Systems Group (ដែលបញ្ចូលទិន្នន័យរបស់ខ្លួនពីអ្នកផ្តល់បីនាក់គឺ Acxiom, Experian និង InfoUSA) ។ នោះគឺឯកសារទិន្នន័យមិនត្រូវគ្នានឹងការស្ទង់មតិដែលអ្នកស្រាវជ្រាវរំពឹងថាត្រឹមត្រូវនោះឯកសារអ្នកប្រើប្រាស់បានបាត់ទិន្នន័យសម្រាប់សំណួរធំ ៗ ហើយលំនាំទិន្នន័យដែលបាត់គឺទាក់ទងទៅនឹងតម្លៃស្ទង់មតិដែលបានរាយការណ៍ (មានន័យថាអ្នកបាត់ខ្លួន ទិន្នន័យគឺមានលក្ខណៈជាប្រព័ន្ធមិនមែនចៃដន្យទេ) ។

សម្រាប់ព័ត៌មានបន្ថែមស្តីពីទំនាក់ទំនងរវាងការស្ទង់មតិនិងទិន្នន័យរដ្ឋបាលសូមមើល Sakshaug and Kreuter (2012) និង Schnell (2013) ។ សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការភ្ជាប់ទំនាក់ទំនងជាទូទៅសូមមើល Dunn (1946) និង Fellegi and Sunter (1969) (ប្រវត្តិសាស្រ្ត) និង Larsen and Winkler (2014) (ទំនើប) ។ វិធីសាស្ត្រស្រដៀងគ្នានេះក៏ត្រូវបានបង្កើតឡើងនៅក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រក្រោមឈ្មោះដូចជាការចម្លងទិន្នន័យ, ការសម្គាល់អត្តសញ្ញាណ, ការផ្គូរផ្គងឈ្មោះ, ការរកឃើញស្ទួននិងការថតចម្លងស្ទួន (Elmagarmid, Ipeirotis, and Verykios 2007) ។ ក៏មានវិធីសាស្រ្តអភិរក្សឯកជនភាពដើម្បីកត់ត្រាការភ្ជាប់ដែលមិនតម្រូវឱ្យមានការបញ្ជូនព័ត៌មានអត្តសញ្ញាណផ្ទាល់ខ្លួន (Schnell 2013) ។ ក្រុមអ្នកស្រាវជ្រាវនៅហ្វេសប៊ុកបានបង្កើតនីតិវិធីដើម្បីភ្ជាប់ប្រវត្តិសាស្ត្ររបស់ពួកគេទៅនឹងឥរិយាបថបោះឆ្នោត (Jones et al. 2013) probability (Jones et al. 2013) probability) (Jones et al. 2013) ។ តំណភ្ជាប់នេះត្រូវបានធ្វើដើម្បីវាយតម្លៃការពិសោធដែលខ្ញុំនឹងប្រាប់អ្នកអំពីនៅក្នុងជំពូកទី 4 (Bond et al. 2012) ។ សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការទទួលបានការយល់ព្រមសម្រាប់ការភ្ជាប់ទំនាក់ទំនងសូមមើល Sakshaug et al. (2012) ។

ឧទាហរណ៏មួយទៀតនៃការភ្ជាប់ទំនាក់ទំនងស្ទង់មតិសង្គមដ៏ធំមួយទៅនឹងកំណត់ត្រារដ្ឋបាលរបស់រដ្ឋគឺមកពីការអង្កេតសុខភាពនិងការចូលនិវត្តន៍និងរដ្ឋបាលសន្តិសុខសង្គម។ សម្រាប់ព័ត៌មានបន្ថែមអំពីការសិក្សានោះរួមមានព័ត៌មានអំពីនីតិវិធីនៃការយល់ព្រមសូមមើល Olson (1996, 1999) ។

ដំណើរការនៃការផ្សំបញ្ចូលប្រភពឯកសាររដ្ឋបាលជាច្រើនទៅជាទិន្នន័យទិន្នន័យមេដែលជាដំណើរការដែលអ្នកប្រើប្រាស់ជ្រើសរើស - ជាទូទៅនៅក្នុងការិយាល័យស្ថិតិនៃរដ្ឋាភិបាលជាតិមួយចំនួន។ អ្នកស្រាវជ្រាវពីរនាក់មកពីស្ថិតិស៊ុយអែតបានសរសេរសៀវភៅលំអិតអំពីប្រធានបទនេះ (Wallgren and Wallgren 2007) ។ ឧទាហរណ៍នៃវិធីសាស្រ្តនេះនៅឯស្រុកតែមួយនៅក្នុងសហរដ្ឋអាមេរិក (Olmstead County, Minnesota, ផ្ទះរបស់គ្លីនី Mayo), សូមមើល Sauver et al. (2011) ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីកំហុសដែលអាចបង្ហាញនៅក្នុងកំណត់ត្រារដ្ឋបាលសូមមើល Groen (2012) ។

វិធីមួយទៀតដែលអ្នកស្រាវជ្រាវអាចប្រើប្រភពទិន្នន័យដ៏ធំក្នុងការស្រាវជ្រាវស្ទង់មតិគឺជាគំរូសម្រាប់មនុស្សដែលមានលក្ខណៈជាក់លាក់។ ជាអកុសលវិធីសាស្រ្តនេះអាចលើកឡើងនូវសំណួរទាក់ទងនឹងភាពឯកជន (Beskow, Sandler, and Weinberger 2006) ។

ទាក់ទងនឹងការសាកសួរការតំរែតំរង់វិធីសាស្រ្តនេះមិនមានលក្ខណៈថ្មីដូចដែលវាអាចបង្ហាញពីរបៀបដែលខ្ញុំបានពិពណ៌នាវានោះទេ។ វាមានទំនាក់ទំនងយ៉ាងស៊ីជម្រៅទៅនឹងវិស័យធំ ៗ ចំនួនបីគឺស្ថិតិតាមគំរូ (Little 1993) ការទាយ (Rubin 2004) និងការប៉ាន់ស្មានតំបន់តូចៗ (Rao and Molina 2015) ។ វាក៏ទាក់ទងទៅនឹងការប្រើអថេរពពោះជំនួសក្នុងការស្រាវជ្រាវផ្នែកវេជ្ជសាស្ត្រ (Pepe 1992) ផងដែរ។

ការប៉ាន់ប្រមាណចំណាយនិងពេលវេលានៅក្នុង Blumenstock, Cadamuro, and On (2015) សំដៅទៅលើតម្លៃអថេរ - តម្លៃនៃការស្ទង់មតិបន្ថែមមួយហើយមិនរាប់បញ្ចូលការចំណាយថេរដូចជាការចំណាយក្នុងការសំអាតនិងការដំណើរការទិន្នន័យហៅនោះទេ។ ជាទូទៅការសួរឱ្យមានភាពទូលំទូលាយប្រហែលជានឹងមានការចំណាយថេរខ្ពស់និងការចំណាយអថេរតិចតួចស្រដៀងនឹងវត្ថុពិសោធន៍ឌីជីថល (សូមមើលជំពូក 4) ។ សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការស្ទង់មតិតាមទូរស័ព្ទចល័តនៅក្នុងប្រទេសកំពុងអភិវឌ្ឍសូមមើល Dabalen et al. (2016) ។

ចំពោះគំនិតអំពីវិធីធ្វើឱ្យមានតម្រូវការកាន់តែប្រសើរខ្ញុំសូមណែនាំឱ្យរៀនបន្ថែមអំពីការទាយច្រើន (Rubin 2004) ។ ដូចគ្នានេះផងដែរប្រសិនបើក្រុមអ្នកស្រាវជ្រាវធ្វើការពង្រីកការសួរអំពីការប្រមូលសរុបជាជាងលក្ខណៈបុគ្គលនីមួយៗនោះវិធីសាស្ត្រក្នុង King and Lu (2008) និង Hopkins and King (2010) អាចមានប្រយោជន៍។ ចុងបញ្ចប់ដើម្បីដឹងពីវិធីសាស្រ្តរៀនម៉ាស៊ីននៅ Blumenstock, Cadamuro, and On (2015) សូមមើល James et al. (2013) (ការណែនាំបន្ថែម) ឬ Hastie, Tibshirani, and Friedman (2009) (កម្រិតខ្ពស់ជាងនេះ) ។

បញ្ហាក្រមសីលធម៌មួយដែលទាក់ទងនឹងការស្នើសុំមានទំហំធំគឺថាវាអាចត្រូវបានគេប្រើដើម្បីបញ្ជាក់ពីលក្ខណៈរសើបដែលមនុស្សមិនអាចជ្រើសរើសក្នុងការស្ទង់មតិដូចដែលបានរៀបរាប់នៅក្នុង Kosinski, Stillwell, and Graepel (2013) ។