Нэмэлт тайлбар

Энэ хэсэг нь хүүрнэл гэж уншиж болно гэхээсээ илүү, лавлагаа болгон ашиглах зорилготой юм.

  • Танилцуулга (Хэсэг 3.1)

Энэ бүлэгт сэдэв олонхи нь гэх мэт олон нийтийн судалгааны АНУ-ын Холбоо (AAPOR) дээр сүүлийн үеийн Ерөнхийлөгчийн хаягууд, давтагдаж байна Dillman (2002) , Newport (2011) , Santos (2014) , болон Link (2015) .

Судалгааны судалгааг хөгжүүлэх талаар илүү түүхэн суурь нь үзнэ үү Smith (1976) болон Converse (1987) . Судалгааны судалгааны гурван эрин үеүүд санаан дээр илүү үзнэ үү Groves (2011) болон Dillman, Smyth, and Christian (2008) (бага зэрэг өөр өөр гурван эрин үеүүд хүртэл эвдсэн).

Судалгааны судалгааны эхний хоёр дахь үеийн руу шилжих дотор нь оргил юм Groves and Kahn (1979) , хооронд нарийвчилсан толгой-толгой харьцуулалт хийдэг бол нүүр тулсан, утас судалгаа. Brick and Tucker (2007) санамсаргүй оронтой дугаар руу залгах дээж авах арга нь түүхэн хөгжлийн эргэн харж байна.

Хэрхэн судалгаа эрдэм шинжилгээний илүү нийгэмд өөрчлөлтийн хариуд өнгөрсөн хугацаанд өөрчлөгдсөн үзнэ үү Tourangeau (2004) , Mitofsky (1989) , болон Couper (2011) .

  • Ажиглах ба асуух нь (Хэсэг 3.2)

заримдаа оролцогчид өөрсдөө дотоод муж мэдэх биш юм, учир нь асуулт асууж, дотоод муж талаар суралцах нь асуудалтай байж болох юм. Жишээ нь, Nisbett and Wilson (1977) зохиогчид байгуулах баримт бичигт: "сэдвийг заримдаа (а) мэдээгүй юм:" сэтгэцийн үйл явц дээр Аман тайланг бид мэдэж болох ч илүү ярих нь: ". Evocative нэрийг нь гайхалтай цаас байна гол нь хариу нөлөө нь өдөөгч эсэх, (б) хариу оршин тогтнох, болон (в) эдийн засгийг дэмжих хариу нөлөөлж байгааг мэдэхгүй мэдэхгүй. "

Судлаачид мэдээлсэн зан, эсвэл хандлага ажиглагдсан зан илүүд үздэг байх ёстой нэмэлт өгөгдлүүд үзнэ үү Baumeister, Vohs, and Funder (2007) (сэтгэл судлалын) болон Jerolmack and Khan (2014) болон хариу (Maynard 2014; Cerulo 2014; Vaisey 2014; Jerolmack and Khan 2014) (социологи). асууж, бас ажиглаж ялгаа нь эдийн засаг, судлаачид мэдэгдсэн, илэрсэн давуу талаар ярих нь үүсдэг. Жишээ нь, судлаач тэд зайрмаг идэж, эсвэл биеийн тамирын заал руу явж илүүд үздэг эсэх (заасан тохиргоог) оролцогчдыг асуух, судалгааны хүн зайрмаг хэр их идэж ажиглаж, биеийн тамирын (илрүүлсэн тохиргоогоо) явж болох юм. Эдийн засаг-т заасан тохиргоо мэдээллийн зарим төрлийн хүчтэй эргэлзэх байдаг (Hausman 2012) .

Эдгээр мэтгэлцээнд нэгэн гол сэдэв нь тайлагнасан зан нь үргэлж зөв биш юм. Гэвч автоматаар бичигдсэн зан, үнэн зөв байх болно гэдгийг ашиг сонирхлын дээж цуглуулсан байж болох ба судлаачдын хүртээмжтэй байж болох юм. Тиймээс зарим тохиолдолд, би тайлагнасан зан нь ашигтай байж болох юм гэж бодож байна. Цаашилбал, эдгээр мэтгэлцээнд-аас хоёр дахь гол сэдэв нь сэтгэл хөдлөл, мэдлэг, хүлээлт, болон үзэл бодлын талаар тайлан нь үргэлж зөв биш байдаг. Харин эдгээр дотоод муж-ий тухай мэдээлэл шаардлагатай бол судлаачдын-бас зарим зан үйлийг тайлбарлах зүйл тайлбарлаж, дараа нь болно гэж асууж тохиромжтой байж болох туслах, эсвэл.

  • Нийт судалгаанд алдаа (Хэсэг 3.3)

Нийт судалгаанд алдаан дээр ном урт эмчилгээ үзнэ үү Groves et al. (2009) буюу Weisberg (2005) . Нийт судалгаанд алдааны хөгжлийн түүхэнд үзнэ үү Groves and Lyberg (2010) .

Судалгааны Хөтөлбөр: төлөөллийн хувьд бус хариу болон төрийн бус хариу хэвийсэн асуудалд маш их танилцуулга Нийгмийн шинжлэх ухааны судалгаагаар Nonresponse Үндэсний судалгааны зөвлөлийн тайлан юм (2013) . Өөр нэг чухал тойм гаргасан байна (Groves 2006) . Мөн албан ёсны статистикийн Journal, олон нийтийн санал улирал, улс төр, нийгмийн шинжлэх ухааны АНУ-ын ШУА-ийн түүхийн сударт бүхэлд нь тусгай асуудал бус хариу сэдвээр хэвлэгдсэн байна. Эцэст нь хэлэхэд, хариу арга хэмжээг тооцох нь үнэндээ олон янзын арга байдаг, Эдгээр хандлага нь олон нийтийн санал судлаачдын АНУ-ын Холбоо (AAPOR) гаргасан тайланд дэлгэрэнгүй тусгасан болно (Public Opinion Researchers} 2015) .

1936 оны утга зохиолын товч бүртгэл нарийвчлан судалж байна (Bryson 1976; Squire 1988; Cahalan 1989; Lusinchi 2012) . Энэ нь бас haphazard мэдээлэл цуглуулах эсрэг сануулж сургаалт зүйрлэл болгон ашиглаж байна (Gayo-Avello 2011) . 1936 онд Жорж Gallup дээж авах нь илүү боловсронгуй хэлбэрийг ашиглаж, мөн их бага дээжийг нь илүү үнэн зөв тооцоог гаргаж чадсан юм. Утга зохиол Digest буюу товч дээр Gallup-ийн амжилт нь амжилт гаргасан судалгаагаар судалгааны хөгжлийн байсан (Converse 1987, Ch 3; Ohmer 2006, Ch 4; Igo 2008, Ch 3) .

Хэмжилтийн хувьд, боловсруулах асуулга агуу анхны эх үүсвэр юм Bradburn, Sudman, and Wansink (2004) . Хандлага асуудлаар тусгайлан анхаарсан нь илүү дэвшилтэт эмчилгээний үзнэ үү Schuman and Presser (1996) . Өмнөх туршилтын асуудлаар дэлгэрэнгүй байдаг Presser and Blair (1994) , Presser et al. (2004) , мөн Бүлэг 8 Groves et al. (2009) .

Судалгааны зардал, судалгаа алдааны хоорондын худалдааны хаах сонгодог, ном хэмжээний эмчилгээ юм Groves (2004) .

  • Хэн асуух (Хэсэг 3.4)

Стандарт магадлал дээж авах, тооцоо сонгодог ном хэмжээний эмчилгээ Lohr (2009) (илүү танилцуулах) болон Särndal, Swensson, and Wretman (2003) (илүү дэвшилтэт). Дараах ангилал, холбогдох арга нь сонгодог ном хэмжээний эмчилгээ юм Särndal and Lundström (2005) . Зарим дижитал нас тохиргоо судлаачид төрийн бус оролцогчдын, өнгөрсөн хугацаанд нь үнэн байнга биш байсан талаар маш бага зэрэг мэднэ. Судлаачид-оролцогчдын бус-ий тухай мэдээлэл байх үед бус хариу тохируулга нь өөр өөр хэлбэр байж болох юм (Kalton and Flores-Cervantes 2003; Smith 2011) .

Нь Xbox судалгаа Wang et al. (2015) судлаачид эсийн маш олон эс байдаг ч гэсэн тооцох боломжийг олгодог олон талт регрессийн болон дараах ангилал нэртэй техник (MRP, заримдаа "Mister P" гэж нэрлэдэг) ашигладаг. Энэ арга нь тооцоо чанарын талаар хэлэлцэгдэж байгаа ч энэ нь судлах нь ирээдүйтэй газар шиг санагдаж байна. Техник анх хэрэглэж байсан Park, Gelman, and Bafumi (2004) , болон дараа дараагийн ашиглах, маргаантай байсаар байна (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) . Хувийн жин, эсийн суурилсан жингийн хоорондын холболтын талаар дэлгэрэнгүй үзнэ үү Gelman (2007) .

Жингийн вэб судалгаа бусад арга үзнэ үү Schonlau et al. (2009) , Valliant and Dever (2011) , болон Bethlehem (2010) .

Жишээ нь тохирсон санал болгож байсан Rivers (2007) . Bethlehem (2015) түүвэр тохирсон гүйцэтгэл үнэн хэрэгтээ бусад дээж авах арга (жишээ нь, олон давхаргат дээж авах) болон бусад тохируулах арга (жишээ нь, дараах ангилал) нь төстэй байх болно гэж үзэж байна. Онлайн хавтан талаар дэлгэрэнгүй үзнэ үү Callegaro et al. (2014) .

Заримдаа судлаачид магадлал дээж болон төрийн бус магадлал нь дээж ижил төстэй чанар тооцоо дүнд олсон байна (Ansolabehere and Schaffner 2014) , харин бусад харьцуулалт бус магадлал нь дээж муу хийж олсон байна (Malhotra and Krosnick 2007; Yeager et al. 2011) . Эдгээр ялгааны нэг болох шалтгаан нь бус магадлал нь дээж удаан хугацаанд сайжирсан байна. Бус магадлал дээж авах аргыг илүү гутранги үзэл нь бус магадлал нь дээж дээр AAPOR ажлын хүч үзнэ (Baker et al. 2013) , Би бас хураангуй тайланг дараах тайлбарыг уншиж, зөвлөж байна.

Бус магадлал сорьцонд алдааг багасгахын тулд Хувийн жин нөлөөг дээр мета-анализ хувьд Хүснэгт 2.4-т харж Tourangeau, Conrad, and Couper (2013) "тохируулга нь ашигтай хэдий ч алдаа гаргаж болзошгүй залруулга байх шиг санагддаг байгуулах зохиогчтой хүргэдэг. . . "

  • Хэрхэн асуух (Хэсэг 3.5)

Conrad and Schober (2008) нь засварлах хэмжээг ирээдүйн тухай судалгаа Ярилцлага байгуулахаар төлөвлөсөн нэртэй заасан бөгөөд энэ хэсэгт сэдэв нь судалдаг юм. Couper (2011) ижил төстэй сэдэв хандан болон Schober et al. (2015) шинэ орчинд нийцсэн мэдээлэл цуглуулах аргууд нь өндөр чанарын мэдээллийг хэрхэн хүргэж болох сайхан жишээг санал болгож байна.

Нийгмийн шинжлэх ухааны судалгааны Facebook програм ашиглан өөр нэг сонирхолтой жишээ үзнэ үү Bail (2015) .

Судалгаа оролцогчдын хувьд таатай, үнэ цэнэтэй туршлага гаргах талаар илүү зөвлөгөө, тохирсон дизайны арга ажлыг үзнэ (Dillman, Smyth, and Christian 2014) .

Stone et al. (2007) экологийн түргэн үнэлгээ, холбогдох арга нь ном урт эмчилгээ санал болгож байна.

  • Бусад мэдээ холбоотой судалгаа (Хэсэг 3.6)

Judson (2007) зэрэг судалгаа болон захиргааны мэдээллийг нэгтгэн үйл явцыг тайлбарласан "мэдээллийн нэгтгэх," Энэ хандлагын зарим давуу талтай хэлэлцэж, зарим жишээг санал болгож байна.

Судлаачид дижитал ул мөр, захиргааны мэдээллийг ашиглаж болно өөр нэг арга зам нь тодорхой шинж чанар бүхий хүмүүсийн хувьд түүврийн хүрээ юм. Гэсэн хэдий ч, эдгээр цэдгүүд мөн хувийн холбоотой асуулт бий болох түүврийн хүрээг ашиглаж болно хандах (Beskow, Sandler, and Weinberger 2006) .

олшруулсан асууж хувьд энэ хандлага нь би үүнийг тайлбарласан байсан хэр нь харагдахгүй байж болох юм шиг биш, шинэ юм. Энэ арга нь статистик загвар дээр суурилсан дараах уян хатан, гурван том газар нутагт гүн холболтуудыг байна (Little 1993) , тооцогдох (Rubin 2004) , жижиг талбай үнэлгээ (Rao and Molina 2015) . Энэ нь эрүүл мэндийн судалгаанд тээгч хувьсагчийн ашиглахтай холбоотой байна (Pepe 1992) .

Дижитал ул мөр өгөгдөлд хандахаас холбоотой ёс зүйн асуудлаар гадна, олшруулсан нь анхны бас хүмүүс судалгаанд илчлэх сонгож байж болох мэдрэмтгий чанарыг хэлж ашиглаж болно (Kosinski, Stillwell, and Graepel 2013) .

Нь зардал, цаг хугацаа тооцоо Blumenstock, Cadamuro, and On (2015) зэрэг цэвэрлэж, дуудлага мэдээлэл боловсруулах зардал гэж нэг нэмэлт судалгаа ба битгий оруулаарай тогтмол зардлыг хувьсах зардал өртөг нь илүү үзнэ үү. Ер нь, олшруулсан нь анхны магадгүй өндөр тогтмол зардал, тоон туршилт (Бүлэг 4-ийг үзнэ үү) ижил төстэй бага хувьсах зардал болно. Ашигласан мэдээллийн талаар дэлгэрэнгүй мэдээллийг Blumenstock, Cadamuro, and On (2015) цаасан дээр байгаа Blumenstock and Eagle (2010) болон Blumenstock and Eagle (2012) . Олон imputuation авсан арга барил (Rubin 2004) олшруулсан асууж нь тооцооллын барих тодорхой бус тусалж болох юм. Судлаачид нийт тооллогын гэхээсээ илүү хувь хүний ​​түвшний шинж санаа тавьдаг л асууж олшруулсан хийж буйгаа бол, дараа нь арга King and Lu (2008) болон Hopkins and King (2010) нь ашигтай байж болох юм. -Д машин сургалтын арга барилыг талаар дэлгэрэнгүй хувьд Blumenstock, Cadamuro, and On (2015) үзнэ үү James et al. (2013) (илүү танилцуулах), эсвэл Hastie, Tibshirani, and Friedman (2009) (илүү дэвшилтэт). Өөр нэг алдартай машин сургалтын сурах бичиг юм Murphy (2012) .

Баяжуулсан гуйж хувьд Ansolabehere болон Hersh үр дүнд (2012) гол хоёр үе шаттайгаар дээр нугасны: 1) судалгаагаар мэдээллийг үнэн зөв мастер datafile үйлдвэрлэх нь олон өөр өөр мэдээллийн эх үүсвэрийг нэгтгэх, 2) холбох Catalist чадвар Catalist чадвар өөрийн мастер datafile. Тиймээс Ansolabehere болон Hersh анхааралтай эдгээр үе шат бүрийг шалгах хэрэгтэй.

мастер datafile үүсгэхийн тулд Catalist хослуулсан бөгөөд түүний дотор өөр өөр олон эх сурвалжаас авсан мэдээллээр harmonizes: бусад тодорхойгүй арилжааны үзүүлэгчид муж тус бүрээс олон тооны санал өгөх бүртгэл хормын хувилбарууд, хаяг бүртгэлийн тухай Post Office-ын Үндэсний өөрчлөлтийн авсан өгөгдөл, мэдээлэл. Энэ бүх цэвэрлэх, нийлүүлэлт юу яаж тухай горы дэлгэрэнгүй мэдээлэл нь энэ номын хүрээнээс гадна юм, гэхдээ энэ үйл явц ямар ч хамаагүй хэрхэн болгоомжтой, анхны өгөгдлийн эх үүсвэрээс алдаа сурталчлах болон алдаа танилцуулах болно. Catalist өөрийн мэдээлэл боловсруулах хэлэлцэж, түүний түүхий эд мэдээллийн зарим өгөх хүсэлтэй байсан ч, энэ нь судлаачид нийт Catalist мэдээлэл дамжуулах хоолойг хянан үзэх нь зүгээр л боломжгүй байсан юм. Харин судлаачид Catalist өгөгдлийн файлын алдаа зарим нэг үл мэдэгдэх, магадгүй үл мэдэгдэх, хэмжээг байсан нь нөхцөл байдалд байсан. нь шүүмжлэгч үгүй ​​биш оролцогчдын хамт misreporting гэхэд CCES судалгаа тайлан, Catalist мастер өгөгдлийн файлын зан хоёрын хооронд том ялгаа мастер өгөгдлийн файл дахь алдаа үүссэн гэж бодох болох юм, учир нь энэ бол ноцтой асуудал юм.

Ansolabehere болон Hersh өгөгдлийн чанарын асуудлыг шийдвэрлэхэд хоёр өөр өөр арга байв. Нэгдүгээрт, Catalist мастер файл санал өөрийгөө мэдээлсэн санал хураалт харьцуулан гадна, судлаачид мөн харьцуулахад өөрийгөө мэдээлсэн нам, арьсны өнгө, сонгогчдын бүртгэлийн байдал (жишээ нь, бүртгэлтэй, эсвэл бүртгэлтэй) болон санал өгөх арга (жишээ нь, биечлэн, тавиул саналын гэх мэт) Catalist мэдээллийн санд олдсон эдгээр үнэт зүйлс юм. Энэ дөрвөн хүн ам зүйн хувьсагчуудын хувьд, судлаачид санал илүү Catalist мастер файл дахь судалгаа тайлан, мэдээ хоорондын гэрээний их хэмжээгээр илэрсэн. Тиймээс Catalist мастер өгөгдлийн файлын ядуу ерөнхий чанар биш гэдгийг харуулж, санал хураалтын бусад шинж өндөр чанартай мэдээлэл байгаа нь харагдаж байна. Хоёрдугаарт, Catalist авсан мэдээллийг ашиглан хэсэгт, Ansolabehere болон Hersh тойргийн санал хураалтын бүртгэл чанар гурван янз бүрийн арга хэмжээ, дүгнэлтийг боловсруулж, тэд санал хураалтын хэт тайлагнах тооцоолсон үнэ Эдгээр мэдээллийн чанартай арга хэмжээг аль нь үндсэндээ холбоогүй байсан нь тогтоогдсон гэж хэт тайлагнах өндөр түвшин ер бусын бага мэдээллийн чанартай орнуудад жолоодож байгаа юм биш гэдгийг харуулж байна.

Энэ мастер санал файлын үүсгэлт тул боломжит алдааг хоёр дахь эх үүсвэр нь түүнд судалгаа бүртгэлийг холбох юм. Жишээ нь, энэ уялдаа холбоо буруу хийсэн бол энэ нь мэдээлж, баталгаажуулалтыг санал зан хоорондын ялгаа нь хэт тооцоогоор хүргэж болох юм (Neter, Maynes, and Ramanathan 1965) . хүн бүр аль аль нь өгөгдлийн эх үүсвэр байсан нь тогтвортой, өвөрмөц танигчийг байсан бол, дараа нь уялдаа холбоо амархан байх болно. АНУ-ын болон бусад олон улс оронд ч, ямар ч түгээмэл тодорхойлогч юм. Цаашид ийм байсан ч тухайн тодорхойлогч хүмүүс магадгүй судлаачид судалгаа үүнийг хангах эргэлзэж байх болно! нэр, хүйс, төрсөн жил, гэрийн хаяг: Тиймээс Catalist төгс бус таних, хариуцагч тус бүрийн талаарх мэдээллийг дөрвөн ширхэг ашиглан энэ тохиолдолд уялдаа холбоог хийж байсан юм. Жишээ нь, Catalist CCES-д Homie J Simpson нь тэдний эзэн мэдээллийн файл Homer Jay Симпсон адил хүн байсан бол шийдэх ёстой байсан. Практикт тохирох судлаачдын хувьд асуудал муу хийх нь хүнд хэцүү, эмх замбараагүй үйл явц бөгөөд, Catalist өмчийн байх нь тохирсон арга гэж үздэг.

тохирсон алгоритмыг баталгаажуулах зорилгоор тэд хоёр бэрхшээл дээр тулгуурладаг байсан. MITRE корпорацийн: Нэгдүгээрт, Catalist хараат бус, гуравдагч этгээдийн ажиллуулж байгаа юм таарах тэмцээнд оролцсон байна. MITRE бүх оролцогчид хоёр, дуу чимээ ихтэй өгөгдлийн файлуудыг үзүүлэх таарч байх ёстой, өөр өөр багууд MITRE хамгийн сайн зохицох буцах өрсөлдөж байна. MITRE нь өөрөө зөв зохицох мэдэж байсан учир багууд оноо чадсан юм. өрсөлдсөн 40 компани, Catalist хоёрдугаар байрт орсон байна. өмчийн технологийн бие даасан, гуравдагч этгээдийн үнэлгээний энэ төрлийн маш ховор, маш чухал ач холбогдолтой юм; Энэ Catalist-ын тохирсон журмыг төрийн сүүлийн үеийн үед үндсэндээ байна гэж бидэнд итгэл өгөх хэрэгтэй. Харин төрийн сүүлийн үеийн хангалттай сайн юм бэ? Энэ тохирсон тэмцээнд гадна, Ansolabehere болон Hersh Catalist өөрсдийн тохирсон сорилт бий болгосон байна. өмнөх төслийн эхлэн Ansolabehere болон Hersh Флоридад сонгогчдын бүртгэлийг цуглуулсан байв. Тэд өөрсдийн салбарт Catalist нь засварлана, дараа нь тэдгээрийн бодит үнэ цэнэ нь эдгээр талбаруудыг Catalist-ын тайлан харьцуулахад зарим нь эдгээр бүртгэлийг зарим нь өгсөн. Аз болоход, Catalist-ийн тайлан Catalist нь тэдний эзэн мэдээллийн файл руу хэсэгчилсэн сонгогчдын бүртгэл тохирох боломжтой болохыг харуулж саатуулж үнэт зүйлс ойрхон байна. Энэ хоёр асуудал нь гуравдагч этгээдийн нэг, нэг Ansolabehere болон Hersh гэхэд бидэнд өөрсдийгөө тэдний яг хэрэгжилтийг хянаж чадахгүй байгаа ч, Catalist тохирсон алгоритм илүү итгэх итгэлийг өгч байна.

санал хураалт хүчин төгөлдөр олон өмнөх оролдлогууд ч гарч байлаа. Тэр уран зохиолын тоймыг үзнэ үү Belli et al. (1999) , Berent, Krosnick, and Lupia (2011) , Ansolabehere and Hersh (2012) болон Hanmer, Banks, and White (2014) .

Энэ тохиолдолд судлаачид Catalist өгөгдлийн чанар дэмжиж байсан хэдий ч, арилжааны үйлдвэрлэгчдийн бусад үнэлгээ бага зоригтой байсан гэдгийг анхаарах нь чухал юм. Судлаачид чанар муу олсон үедээ маркетингийн систем Group нь өргөн хэрэглээний файл нь судалгааны мэдээлэл (өөрөө гурван үзүүлэгчид хамтдаа мэдээллийг нэгтгэж: Acxiom, Experian, ба InfoUSA) (Pasek et al. 2014) . Энэ нь өгөгдлийн файл судлаачид зөв байх төлөвтэй судалгаа хариу таарахгүй биш, datafile асуулт олон тооны болон дутуу мэдээлэл загварын хувьд өгөгдлийг дутуу мэдээлсэн судалгаа утга (орхигдсон мэдээлэл системтэй байсан, өөрөөр хэлбэл хамааралтай байсан байсан юм , санамсаргүй биш).

Судалгаа, захиргааны мэдээллийн хооронд бүртгэл уялдаа холбоог талаар дэлгэрэнгүй үзнэ үү Sakshaug and Kreuter (2012) болон Schnell (2013) . Ер нь дээд амжилт уялдаа холбоог талаар дэлгэрэнгүй үзнэ үү Dunn (1946) болон Fellegi and Sunter (1969) (түүхэн) болон Larsen and Winkler (2014) (орчин үеийн). Ижил арга мөн ийм мэдээлэл deduplication, жишээ нь тодорхойлох, нэр тулгах, давхардсан илрүүлэх гэх мэт нэрээр компьютерийн шинжлэх ухаан хөгжиж байгаа бөгөөд рекорд илрүүлэх хуулбар байна (Elmagarmid, Ipeirotis, and Verykios 2007) . Биечлэн мэдээллийг тодорхойлох дамжуулах шаардаж болохгүй вэ уялдаа холбоог бүртгэх арга хадгалах ганцаардал бас байдаг (Schnell 2013) . Facebook-д судлаачид probabilisticsly саналын зан нь тэдний бүртгэлийг холбох журмыг боловсруулсан (Jones et al. 2013) ; Энэ уялдаа холбоо би 4-р бүлэгт талаар танд хэлж болно туршилт үнэлгээ хийж байна (Bond et al. 2012) .

төрийн захиргааны төв баримт нь том хэмжээний нийгмийн судалгаа холбох өөр нэг жишээ нь Эрүүл мэнд, тэтгэврийн судалгаа, нийгмийн аюулгүй байдлын удирдлагын ирдэг. Тэр судалгааны талаар илүү хувьд зөвшөөрөх журмын талаар мэдээлэл, түүний дотор үзнэ үү Olson (1996) болон Olson (1999) .

Catalist зарим улсын Засгийн газрын статистикийн нийтлэг ажилчид-нь мастер datafile-үйл явц руу захиргааны бүртгэлийг олон эх үүсвэрийг нэгтгэх үйл явц. Статистик Шведийн хоёр судлаачид сэдвээр дэлгэрэнгүй ном бичсэн байна (Wallgren and Wallgren 2007) . (Olmstead County, Миннесота, Mayo Clinic гэр) АНУ-д нэг тойргийн энэ хандлагын Жишээ нь харж Sauver et al. (2011) . Захиргааны бүртгэл гарч болох алдааг талаар дэлгэрэнгүй үзнэ үү Groen (2012) .