مقدمه ای بر اندازه گیری و شاخص ها

هدف اندازه گیری به دست آوردن داده های قابل اعتمادی است که با آن می توان به سؤالات تحقیق پاسخ داد و نظریه های تغییر را ارزیابی کرد. اندازه‌گیری نادرست می‌تواند منجر به داده‌های غیرقابل اعتماد شود، که از آن‌ها نتیجه‌گیری معتبر دشوار است. این بخش مفاهیم کلیدی اندازه گیری، ابزارهای جمع آوری داده ها، که داده ها باید از آنها جمع آوری شود و منابع رایج خطاهای اندازه گیری را پوشش می دهد. بخش زیر، طراحی نظرسنجی، این مفاهیم را در طراحی سوالات و پاسخ های نظرسنجی به کار می گیرد. همچنین به مخزن ما از منابع طراحی اندازه گیری و نظرسنجی مراجعه کنید که خوانندگان را با ابزارهای اندازه گیری، مشکلات و راه حل ها در طیف وسیعی از موضوعات آشنا می کند.

ملزومات

آزمایش تئوری تغییر (ToC) به داده‌هایی در مورد نیازها، ورودی‌ها، خروجی‌ها، نتایج واسطه‌ای و تأثیر نیاز دارد.

شما باید داده‌های مربوط به متغیرهای کمکی را جمع‌آوری کنید (مخصوصاً اگر فکر می‌کنید اثرات درمانی ناهمگنی وجود خواهد داشت)، پیش‌بینی‌کننده‌های انطباق، و معیارهای انطباق واقعی با درمان. جمع آوری اطلاعات در زمینه زمینه، اثربخشی هزینه و اطلاعات کیفی ("چرا" و "چگونه") می تواند مفید باشد.

داده های ثانویه (به عنوان مثال، داده های اداری، داده های سرشماری) می توانند مکمل یا حتی جایگزین جمع آوری داده های اولیه شوند. اگر قصد دارید از داده‌های ثانویه استفاده کنید، هنگام طراحی نظرسنجی، حتماً در نظر بگیرید که چگونه این دو منبع داده را ادغام می‌کنید.

مشکلات اندازه گیری زمانی ایجاد می شود که:

ساختارها (مفهومی که باید اندازه گیری شود) مبهم یا ضعیف هستند

اندیکاتورها معیارهای ناقص ساختار زیربنایی هستند

پاسخ‌های فردی منحرف می‌شوند، مثلاً از طریق حواس‌پرتی، بیماری، درک ضعیف و غیره.

خطاهای انسانی/دستگاهی منجر به مقادیر اشتباه می شود

انواع مختلفی از خطاهای اندازه گیری وجود دارد که در اینجا به سه دسته کلی دسته بندی می شوند:

مسائل سؤال: اینها به دلیل سؤالات ضعیف ایجاد می شوند. نگرانی‌ها عبارتند از ابهام، منفی‌ها، سؤالات دوگانه، پیش‌فرض‌ها، همپوشانی مقوله‌ها و تأثیرات چارچوب (در داخل سؤالات و در کل پرسشنامه).

مسائل مربوط به پاسخ: این موارد به دلیل استفاده از دسته‌های ناقص یا همپوشانی در پاسخ‌ها به وجود می‌آیند، به عنوان مثال، خطاهای مربوط به ساخت گزینه‌های پاسخ.

مسائل پاسخگو: اینها به دلیل تعصبات ذاتی پاسخ دهنده در هنگام پاسخ دادن به سؤالات به وجود می آیند. آنها شامل سوگیری یادآوری، لنگر انداختن، جانبداری، سوگیری مطلوبیت اجتماعی، تلسکوپی، سوگیری گزارش و خطاهای پاسخ تفاضلی هستند.

سوگیری که با درمان مرتبط است، جدی تر از سوگیری است که اینطور نیست.

هدف و عمل اندازه گیری

برخی از تصمیمات مرتبه اول:

• چه چیزی را برای اندازه گیری نیاز دارید؟
• چه نوع داده ای برای اندازه گیری این مورد نیاز است؟
• چگونه باید جمع آوری شود؟
• از چه کسی باید آن را جمع آوری کرد؟

چه چیزی را برای اندازه گیری نیاز دارید؟

شما باید اطلاعاتی را جمع آوری کنید تا مفروضات خود را در هر مرحله از تئوری تغییر (ToC) از ورودی ها تا نتایج نهایی آزمایش کنید. مطمئن شوید که نقشه راه نظری پروژه خود را در زمینه خاص خود روشن کرده اید. داده ها در هر نقطه ای که ممکن است زنجیره منطقی ToC شما از بین برود، مورد نیاز است.

همچنین جمع آوری داده ها در مورد موارد زیر اغلب مفید است:

متغیرهای متغیر: اگر فکر می کنید اثر درمانی ممکن است با توجه به ویژگی های خاص شرکت کنندگان یا محل مطالعه ، مانند جنسیت ، مکان شهری در مقابل روستایی ، فاصله تا نزدیکترین بیمارستان و غیره متفاوت باشد ، حتماً داده هایی را در مورد این خصوصیات جمع آوری کنید. تصمیم گیری در مورد طبقه بندی بر روی ویژگی های خاص ، که به شما کمک می کند تا از شما در تشخیص اثرات درمانی ناهمگن استفاده کنید ، مفید است. توجه داشته باشید که این تصمیمات برنامه ریزی دیگر را تحت تأثیر قرار می دهد: در صورت طبقه بندی ، حتماً این امر را در محاسبات برق و بودجه بندی حساب کنید. در صورت نوشتن یک برنامه قبل از تجزیه و تحلیل ، متغیرهای متغیر برای طبقه بندی باید گنجانده شوند. برای نمونه ای از مقاله ای که اثرات درمانی ناهمگن را اندازه گیری می کند ، به Angelucci ، Karlan و Zinman (2013) مراجعه کنید.

پیش بینی کننده انطباق و اقدامات مربوط به رعایت واقعی درمان (در سطح فردی و گروهی): به عنوان مثال ، برای مداخله پزشکی شامل قرص گرفتن ، ممکن است بخواهیم اطلاعات را در ابتدا جمع آوری کنیم که آیا پاسخ دهنده روزانه هر قرص می گیرد - و چند بارآنها به یاد می آورند که این کار را انجام دهند - و سپس در انتهای این که چند بار قرص های خود را می گرفتند.

زمینه (برای اعتبار خارجی/تعمیم پذیری): مثالها شامل قرار گرفتن در معرض سایر برنامه های مشابه ، نزدیکی مدارس/بیمارستان ها در صورت لزوم و غیره است. این به طور طولانی در سخنرانی در مورد نتایج اندازه گیری ، تأثیرات و شاخص های مربوط به ارزیابی برنامه های اجتماعی تحت پوشش قرار می گیرد. واد

هزینه ها: محاسبه اثربخشی هزینه به داده های مربوط به هزینه های مداخله و همچنین داده های مربوط به قیمت هر محصول جایگزین ، هرگونه پس انداز تحقق یافته/هزینه های ناشی از پاسخ دهندگان به دلیل مداخله و غیره نیاز دارد. برای اطلاعات بیشتر ، به راهنمای تجزیه و تحلیل اثربخشی J-Pal مراجعه کنید.

اطلاعات کیفی ("چرا" و "چگونه"): به عنوان مثال ، اگر یک پاسخ دهنده در انتهای آن پاسخ دهد که فرزندشان بیشتر از گذشته در مدرسه شرکت کرده است ، یک سؤال پیگیری می تواند درباره دلیل اصلی این امر سؤال کند.

بیشتر نظرسنجی ها خیلی طولانی هستند ، که می تواند منجر به خستگی پاسخ دهنده و در نتیجه کیفیت داده های ضعیف شود. شما باید دقیقاً آنچه را که برای پاسخ به سؤالات تحقیق خود - یا سؤالات بالقوه تحقیق در آینده - اندازه گیری می کنید ، اندازه گیری کنید اما فراتر از آن نیست. اگر تصور روشنی در مورد نحوه استفاده از آنها ندارید یا اینکه به یک سؤال تحقیق خاص مربوط نمی شوند ، سؤالاتی را شامل نمی شوید. اطلاعات بیشتر در مورد طراحی نظرسنجی را در اینجا مشاهده کنید.

چه نوع داده مورد نیاز است؟

در صورت استفاده از داده های اولیه یا داده های جمع آوری شده ، تعدادی تصمیم اولیه دیگر وجود دارد که باید اتخاذ شود:

از شخص در مقابل به طور خودکار تولید می شود؟

داده های جمع آوری شده با افراد می تواند شامل نظرسنجی ها ، امتحانات ، بازی ها ، ویگنت ها ، مشاهده مستقیم ، دفتر خاطرات/سیاههها ، گروه های متمرکز یا مصاحبه ها باشد

داده های تولید شده به طور خودکار از یک دستگاه یا فرآیند ، به عنوان مثال ، دما ، Windspeed جمع آوری می شود

از نظرسنجی های موجود یا از ابزارهای جدید نظرسنجی؟

نظرسنجی های موجود: بر اساس نظرسنجی های جدید در مورد نظرسنجی های موجود که نتایج را با موفقیت ضبط کرده اند قبل از صرفه جویی در وقت و منابع (این نظرسنجی قبلاً توسعه یافته ، آزمایش شده و مورد استفاده قرار گرفته است) و ممکن است به این معنی باشد که ابزار شما کمتر احتمال دارد که مشکلاتی را داشته باشد. منابع نظرسنجی های موجود را می توان در منبع طراحی نظرسنجی یافت.

نظرسنجی های جدید: می تواند متناسب با مشخصات دقیق شما باشد اما برای توسعه و آزمایش نیاز به زمان دارد. اطلاعات بیشتری در مورد منابع در طراحی نظرسنجی مشاهده کنید.

بررسی مقطعی یا پانل؟

اکثر RCT ها از داده های تابلویی استفاده می کنند، زیرا هدف دنبال کردن نتایج افرادی است که درمان خاصی دریافت کرده اند یا دریافت نکرده اند، اما اگر فکر می کنید احتمال زیادی وجود دارد که شرکت کنندگان تغییر کنند، ممکن است استدلالی برای استفاده از داده های مقطعی وجود داشته باشد. رفتار به واسطه شرکت در مطالعه. برای اطلاعات بیشتر به منبع نظارت بر پیاده سازی مراجعه کنید.

داده‌های ثانویه می‌توانند داده‌های اداری (به عنوان مثال، سوابق نگهداری شده توسط دولت‌ها و سایر سازمان‌ها، مانند تولد، مرگ، اظهارنامه مالیاتی، نتایج امتحانات و غیره برای عملیات) یا داده‌های غیر اداری (یعنی داده‌های جمع‌آوری‌شده برای تحقیقات یا غیر اداری باشند. اهداف). ملاحظات کلیدی هنگام استفاده از داده های ثانویه عبارتند از:

آیا داده وجود دارد و آیا قابل دسترسی است؟

اگر داده ها قابل دسترسی نیستند، آیا فرآیندی برای مذاکره یا درخواست دسترسی وجود دارد؟

محدوده تاریخ چیست و آیا داده ها به طور مداوم در آن محدوده تاریخ جمع آوری شده است؟

آیا مجموعه داده جمعیت مورد نظر را پوشش می دهد؟آیا خطر پوشش ناهموار یا مغرضانه وجود دارد؟

آیا مجموعه داده نتایج مورد علاقه را پوشش می دهد؟

آیا مجموعه داده قابل اعتماد است و بعید است که دستکاری شده باشد؟

برای اطلاعات بیشتر در مورد داده‌های اداری - از جمله چرایی و نحوه استفاده از آن، و منابع احتمالی سوگیری - به منابع استفاده از داده‌های اداری برای ارزیابی‌های تصادفی و ارزیابی مداخلات مبتنی بر فناوری مراجعه کنید. J-PAL's IDEA Handbook اطلاعات فنی عمیقی در مورد دسترسی، حفاظت و کار با داده های اداری ارائه می دهد. برخی از منابع داده ثانویه در انتهای این راهنما فهرست شده است.

داده ها چگونه باید جمع آوری شوند؟

در حالی که این منابع بر گردآوری داده ها برای تجزیه و تحلیل کمی تمرکز دارند، سایر فعالیت های جمع آوری داده های مرتبط عبارتند از:

سرشماری: معمولاً شما نمونه ای از جمعیت هدف بزرگتر (قاب نمونه گیری) را بررسی می کنید. برای به دست آوردن نمونه ای نماینده، باید با استفاده از داده های سرشماری موجود یا جمع آوری اطلاعات خود، از گروه بزرگتر نمونه برداری کنید. این در منبع تصادفی سازی بیشتر توضیح داده شده است.

کار کیفی را می توان برای اطلاع رسانی در مورد طراحی مداخله، درک چگونگی اجرا، شناسایی زمینه پیرامون عدم انطباق یا فرسایش و موارد دیگر مورد استفاده قرار داد. تکنیک های داده های کیفی شامل مصاحبه های نیمه ساختاریافته، ارزیابی ها، بازی ها، مشاهدات و بحث های گروهی متمرکز است. کاربرد روش های تحقیق کیفی در تحقیقات جنسیت محور در راهنمای عملی J-PAL برای سنجش توانمندی دختران و زنان در ارزیابی تاثیر بحث شده است.

داده ها را از چه کسی جمع آوری می کنید؟

مخاطب هدف:

باید آگاه ترین فرد در مورد نتایج مورد علاقه شما باشد

ممکن است در ماژول ها متفاوت باشد. به عنوان مثال، در ماژول های تخصصی ممکن است بخواهید سرپرست خانوار، مسئول آشپزی، درآمد اولیه یا زنان در سن باروری را هدف قرار دهید.

مفاهیم اندازه گیری

جمع‌آوری داده‌های خوب مستلزم تفکر دقیق در مورد آنچه دقیقاً می‌خواهید اندازه‌گیری کنید و بهترین راه برای به دست آوردن این اطلاعات است. گاهی اوقات، سؤالات مورد نیاز برای جمع آوری داده های به ظاهر ساده (مثلاً اندازه خانوار) می تواند بسیار پیچیده باشد.

تعاریف

ساختارها: مفهومی که قابل اندازه گیری است. ممکن است انتزاعی باشد و تعاریف متعددی داشته باشد. به عنوان مثال می توان به درک، جنایت یا درآمد اشاره کرد.

شاخص ها: راهی برای اندازه گیری و نظارت بر یک نقطه عطف، نتیجه، یا ساختن و کمک به تعیین اینکه آیا مفروضات ما درست هستند یا خیر. به عنوان مثال می توان به نمرات آزمون ریاضی، سرقت های گزارش شده یا دستمزد روزانه اشاره کرد.

رابطه بین سازه ها ، شاخص ها و داده ها در زیر نشان داده شده است: 1

مسائل اندازه گیری می تواند در همه این سطوح بازی شود:

این سازه ممکن است دارای چندین جنبه یا تعاریف معتبر باشد ، و آن را به یک معیار ضعیف از مفهوم اصلی علاقه تبدیل می کند (به عنوان مثال ، جنبه های مختلف هوشمندی مانند هوش هیجانی ، هوش منطقی یا هوش زبانی وجود دارد و ممکن است ما به موضوعاتی بپردازیم ، مگر اینکه ما به این موارد بپردازیم. ما واضح هستیم که کدام یک از این موارد برای سوال تحقیق مهمترین است).

شاخص های مورد استفاده برای اندازه گیری سازه ممکن است ناقص باشد.

بسیاری از عوامل پاسخ فرد را به یک نظرسنجی یا آزمایش تعیین می کنند (به عنوان مثال ، سطح حواس پرتی ، گرسنگی ، بیماری).

خطای انسانی/دستگاه ممکن است منجر به ثبت مقدار نادرست شود.

هدف از اندازه گیری جمع آوری داده هایی است که هم از اعتبار بالایی برخوردار هستند و هم از اعتبار بالا برخوردار هستند.

اعتبار: اندازه گیری چیز درست

سوال کلیدی: این نشانگر به نتیجه چقدر خوب است ، یعنی آیا این یک اندازه گیری بی طرفانه و دقیق از نتیجه است؟

به عنوان نمونه ، فرض کنید شما از درآمد به عنوان معیار احساس امنیت مالی افراد استفاده می کنید. دلایل زیادی وجود دارد که باعث می شود درآمد کاملاً به احساس امنیت مالی نقشه نکند:

تغییر در طول زمان: درآمد بسیار ناپایدار به احتمال زیاد امنیت مالی کمتری نسبت به درآمد پایدار با ارزش متوسط برابر دارد.

هزینه ها: امنیت مالی احتمالاً بیشتر با پس انداز مرتبط است ، در حالی که درآمد فقط در صورت فراتر از هزینه ها به پس انداز کمک می کند.

قابلیت اطمینان: اندازه گیری دقیق چیز

سوال کلیدی: آیا اندازه گیری دقیق است یا پر سر و صدا؟

به عنوان نمونه ، در نظر بگیرید که چگونه اندازه گیری درآمد در روز از طریق یک سؤال فراخوان از درآمد در روز گذشته در مقابل هفته گذشته بر پاسخ ها تأثیر می گذارد:

اولی به دلیل تغییر روز به روز در درآمد ، متغیر تر از دومی خواهد بود و هر شوک های سطح روز که ممکن است اتفاق افتاده باشد روز قبل از نظرسنجی رخ داده است.

با این حال ، اندازه گیری درآمد طی یک هفته گذشته پتانسیل بیشتری را برای تعصب فراخوان معرفی می کند ، که به طور بالقوه منجر به خطای اندازه گیری سیستماتیک می شود (به عنوان مثال اگر پاسخ دهندگان تمایل دارند دسته های خاصی از درآمد را که به سختی می توان به آنها یادآوری کرد ، حذف کنند). برای اطلاعات بیشتر در مورد خطای اندازه گیری سیستماتیک به زیر مراجعه کنید.

شاخص های پروکسی

شاخص های پروکسی ممکن است هنگام ساخت و سازها یا مفاهیم اصلی مورد بررسی (مانند جرم یا درآمد) مورد استفاده قرار گیرند. شاخص های پروکسی باید باشد:

همبستگی با شاخص (و هرچه همبستگی بالاتر باشد ، پروکسی بهتر است)

قادر به تغییر در پشت سر هم با سازه است. به عنوان مثال ، جنسیت با وجود همبستگی ، یک پروکسی ضعیف برای درآمد است ، زیرا به طور کلی از طریق مداخله تغییر نمی یابد.

اطلاعات بیشتر در مورد پروکسی های رایج ، از جمله PPI (شاخص احتمال فقر) ، را می توان در منبع طراحی نظرسنجی یافت.

به حداقل رساندن خطای اندازه گیری

خطای اندازه گیری زمانی اتفاق می افتد که پاسخ ارائه شده توسط یک پاسخ دهنده با مقدار واقعی یا واقعی متفاوت باشد. خطاها ممکن است تصادفی یا منظم باشند. خطای تصادفی به طور متوسط صفر خواهد بود ، در حالی که خطای سیستماتیک چنین نخواهد بود. مهم است که خطای اندازه گیری ، که در طی فرآیند جمع آوری داده ها رخ می دهد ، از خطای اعتبار ، که زمانی اتفاق می افتد که شاخص ها به طور مناسب به مفهوم علاقه نقشه نمی روند ، مهم است. برای اطلاعات بیشتر در مورد طراحی نظرسنجی ها برای به حداقل رساندن خطای اندازه گیری ، به منبع طراحی نظرسنجی مراجعه کنید.

روند پاسخگویی به یک سوال

قبل از معرفی منابع خطای اندازه گیری ، مفید است که مراحلی را که یک مخاطب هنگام پاسخ به یک سؤال انجام می دهد ، در نظر بگیرید:

به عنوان مثال ، یک مخاطب پرسید که در این ماه چند بار برنج خوردند:

سوال را درک و تفسیر کنید.

وقتی آنها برنج می خورند به این فکر کنید.

چند روز که در هفته و در هر ماه است اضافه کنید.

جواب آنها را بدهید (یا آن را در گزینه های پاسخ قرار دهید).

تعصب می تواند در طی هر یک از این مراحل خزیده شود. مثلا:

پاسخ دهندگان ممکن است تفسیرهای مختلفی از "برنج" ، "زمان" ، "مصرف" و "این ماه" داشته باشند. به عنوان مثال ، آیا "این ماه" به 30 روز گذشته یا ماهی که در آن مخاطب مصاحبه می شود (به عنوان مثال ، ماه ژوئن) اشاره دارد؟

پاسخ دهندگان ممکن است این را فقط غلات برنج را تفسیر کنند اما محصولات برنج مانند رشته فرنگی ، شیر ، پنکیک و غیره را در نظر نگیرند.

پاسخ دهندگان ممکن است در محاسبه خطایی ایجاد کنند ، که با تفاوت در تفسیر در مرحله قبل ترکیب شده است.

پاسخ دهندگان ممکن است تصمیم بگیرند که تخمین نادرست ارائه دهند (شاید به دلیل تعصب - افراد ممکن است برنج را ناسالم بدانند و بنابراین ادعا می کنند کمتر غذا می خورند).

انواع خطای اندازه گیری

چندین منبع مختلف از خطای اندازه گیری وجود دارد.

این نوع خطاهای اندازه گیری را می توان بیشتر به 1) مسائل سؤال ، 2) مسائل مربوط به پاسخ و 3) موضوعات پاسخ دهنده تقسیم کرد.

موضوع	مثال	نکته
مبهم می تواند منجر به تفسیر پاسخ دهندگان به روشهای مختلف شود.	"چند بار در این ماه برنج مصرف کردید؟"

1. ضربه زدن به فرزند خود برای نظم و انضباط در کشور شما غیرقانونی است. آیا تا به حال به فرزند خود ضربه زده اید تا آنها را نظم دهد؟

موضوع	مثال	نکته
کامل بودن: خطاهای کامل بودن زمانی اتفاق می افتد که پاسخ دهندگان نتوانند یک دسته پاسخ مناسب پیدا کنند.	هر سؤالی در مورد آموزش باید شامل "بدون آموزش" باشد.	اطمینان حاصل کنید که دسته های پاسخ شما کاملاً جامع هستند ، و شامل "نمی دانید" ، "ترجیح می دهید پاسخ ندهید" و "دیگر (مشخص کنید)" را در هر کجا که مرتبط باشد. خلبانی پرسشنامه گسترده همچنین به شناسایی ناقص بودن در گزینه های پاسخ کمک می کند.
دسته بندی های همپوشانی: هنگامی که دسته ها با هم همپوشانی دارند ، ممکن است چندین روش وجود داشته باشد که یک مخاطب بتواند به یک سؤال پاسخ دهد.	اگر دسته بندی ها 0-5 ، 5-10 ، 10-15 و غیره را اجرا کنند ، سپس پاسخ دهندگان که پاسخ آنها 5 است ، دو دسته ممکن دارند که باید انتخاب کنند.	اطمینان حاصل کنید که همه دسته ها به صورت متقابل منحصر به فرد هستند.

موضوع	نمونه ای از رویکرد بهینه	نمونه ای از رویکرد بهتر
تعصب را به یاد بیاورید: افراد ممکن است در صحت یا کامل بودن یادآوری های آنها متفاوت باشند. یکی از راه های این امر این است که از پاسخ دهندگان بخواهید اطلاعات را در زمان واقعی ضبط کنند.	"سه شنبه 3 هفته پیش برای شام چه خوردید؟"	"من از شما خواستم که یک دفتر خاطرات غذایی نگه دارید تا آنچه را که هر روز می خورید ضبط کنید. آیا می توانید سه شنبه 3 هفته پیش دفتر خاطرات غذایی خود را به من نشان دهید؟ "
لنگر انداختن تعصب: افراد تمایل دارند بیش از حد به اولین اطلاعات (یا گاهی اوقات اخیر) اطلاعاتی که می بینند اعتماد کنند و احتمالاً پاسخی را که نزدیک به آن اطلاعات است ، می دهند. از اضافه کردن لنگرها به سؤالات در هر کجا که ممکن است خودداری کنید.	"بیشتر افراد روزانه 3 وعده غذایی دارند. به نظر شما چند وعده غذایی در روز طبیعی است؟ "	"مردم در تعداد وعده های غذایی که روزانه مصرف می کنند متفاوت است. به نظر شما چند وعده غذایی در روز طبیعی است؟ "
طرفداری: اگر یک سؤال مطرح شود ، پاسخ دهندگان ممکن است مغرضانه باشند - به ویژه اگر این سؤال یا پاسخ حاکی از تأیید یک پاسخ نسبت به دیگران باشد. تمام سوالات را تا حد ممکن بی طرفانه قاب کنید	نامزد X سیاست های خارق العاده ای در مورد بهداشت و آموزش دارد. آیا رأی دادن به نامزد X را در نظر می گیرید؟	آیا رأی دادن به نامزد X را در نظر می گیرید؟
سوگیری مطلوبیت اجتماعی: پاسخ دهندگان تمایل دارند به سؤالات به گونه ای پاسخ دهند که برای دیگران مطلوب باشد، به عنوان مثال، بر نقاط قوت تأکید کنند، معایب را پنهان کنند یا از انگ دوری کنند. آنها ممکن است تمایلی به اعتراف به رفتاری نداشته باشند که عموماً مورد تأیید نیست. سعی کنید به طور غیرمستقیم سؤال بپرسید، اطمینان حاصل کنید که پاسخ دهندگان حریم خصوصی کامل دارند (و آن را به آنها یادآوری کنید!) و سعی کنید سؤالات حساس را کمتر مشخص کنید. اطلاعات اضافی در مورد پرسیدن سوالات حساس را می توان در بخش های طراحی اندازه گیری و نظرسنجی و همچنین مخزن منابع اندازه گیری و طراحی نظرسنجی ما یافت.	کتک زدن فرزندتان برای تنبیه او در کشور شما غیرقانونی است. آیا تا به حال برای تنبیه فرزندتان ضربه ای زده اید؟	افراد راهبردهای مختلفی برای آموزش نظم و انضباط به فرزندان خود دارند. آیا تا به حال برای تنبیه فرزندتان ضربه ای زده اید؟
سوگیری تلسکوپی: مردم تمایل دارند رویدادهای اخیر را دورتر (تلسکوپی به عقب) و رویدادهای دوردست را جدیدتر (تلسکوپی به جلو) درک کنند که می تواند منجر به گزارش بیش از حد یا کم گزارش شود.	در سال گذشته چه خریدهای بزرگی انجام داده اید؟	چه خریدهای بزرگی از 20 ژانویه سال گذشته انجام داده اید؟لطفاً هیچ خریدی را که قبل از آن انجام داده اید درج نکنید.

داده های اداری

داده های اداری ممکن است از همان منابع سوگیری مانند داده های نظرسنجی رنج ببرند. از آنجایی که محقق در مرحله جمع آوری و پردازش داده ها حرفی برای گفتن ندارد، ممکن است برای ارزیابی صحت داده ها به کار بیشتری نیاز باشد. انواع متداول سوگیری در داده های اداری عبارتند از:

سوگیری گزارش‌دهی: مانند جمع‌آوری داده‌های اولیه، پاسخ‌دهندگان ممکن است انگیزه‌ای برای گزارش بیش از حد یا کمتر از آن داشته باشند. ممکن است یک فرد برای واجد شرایط بودن برای برنامه رفاه اجتماعی، درآمد خود را کمتر گزارش کند، در حالی که یک سازمان اداری مانند مدرسه ممکن است برای برآورده کردن شرایط، حضور بیش از حد را گزارش کند. در حالی که انگیزه‌های گزارش نادرست ممکن است قوی‌تر از داده‌های نظرسنجی باشد، این مشکل با این واقعیت کاهش می‌یابد که بسیاری از داده‌های اداری خود گزارش نمی‌شوند. برای رسیدگی به سوگیری گزارش دهی:

زمینه جمع آوری داده ها را مشخص کنید. آیا انگیزه هایی برای گزارش نادرست اطلاعات وجود داشت؟

متغیرهایی را انتخاب کنید که مستعد سوگیری نیستند (به عنوان مثال، بازدید از بیمارستان به جای ارزش ادعای بیمه)

پوشش افتراقی: علاوه بر مسائل ذکر شده در بالا، در داده های اداری ممکن است پوشش افتراقی دیگری بین افرادی که در گروه های درمان و کنترل هستند وجود داشته باشد: 1) توانایی افتراقی برای پیوند دادن افراد به سوابق اداری و 2) احتمال متفاوت حضور در پرونده های اداری. به عنوان مثال، قربانی شدن که با تماس برای گزارش یک جرم اندازه گیری می شود).

سوگیری انتخاب در داده‌های اداری زمانی اتفاق می‌افتد که سوابق اداری فقط برای افراد یا سازمان‌هایی که با اداره مورد نظر در تماس هستند وجود داشته باشد. این ممکن است در مورد دریافت کنندگان برنامه، متقاضیان، مدارس و بیمارستان های همکار و غیره رخ دهد.

بپرسید: دلیل سازمان برای جمع آوری این داده ها چیست؟

برای رسیدگی به پوشش دیفرانسیل و سوگیری انتخاب:

جهان داده را شناسایی کنید

کدام افراد در داده ها گنجانده شده اند و کدامیک مستثنی شده اند و چرا؟

شناسایی اینکه چگونه مداخله ممکن است بر گزارش نتایج تأثیر بگذارد

تعیین جهتی که در آن انتخاب دیفرانسیل ممکن است رخ دهد و چگونه این ممکن است بر برآوردها تأثیر بگذارد.

یک نظرسنجی پایه با شناسه برای پیوند جمع آوری کنید

این اطمینان حاصل می کند که شما به همان اندازه احتمال دارد که افراد درمان و کنترل را به سوابق آنها مرتبط کنید و پوشش متفاوت را شناسایی کنید.

خطای اندازه گیری چقدر جدی است؟

شدت خطای اندازه گیری به نوع و میزان خطا و همچنین اینکه آیا تعصب با درمان ارتباط دارد بستگی دارد.

تعصب که با درمان ارتباط ندارد ، هم بر درمان و هم در کنترل تأثیر می گذارد ، و بنابراین برآورد تفاوت بین دو گروه در انتهای آن را تعصب نخواهد کرد.

تعصب که با درمان در ارتباط است جدی تر است: این امر بر گروه های درمانی و کنترل متفاوت تأثیر می گذارد ، به این معنی که برآورد تفاوت بین گروه ها در خط پایان به طور متوسط مغرضانه است. این ممکن است منجر به نتیجه گیری نادرست در مورد علامت و بزرگی اثر درمانی شود.

منابع داده ثانویه

منابع داده اداری:

• داده های اداری در سطح ملی را می توان در وب سایت ILO (داده های کار) ، بانک جهانی (به عنوان مثال ، شاخص های توسعه جهانی از جمله داده های جمعیتی) ، سازمان ملل (به عنوان مثال ، SDGS و تجارت) و مقامات آمار ملی (تمرکز ایالات متحده) یافت.
• داده های آژانس گزارشگری اعتبار از Equifax ، Experian و TransUnion (تمرکز ایالات متحده) در دسترس است
• مرکز کمک به داده های تحقیق (RESDAC) در مورد درخواست دسترسی به داده های مراکز Medicare و Medicaid اطلاعات و کمک می کند
• محققان موجودی از مجموعه داده های مورد استفاده برای مطالعه آموزش را گردآوری کرده اند
• انجمن اقتصادی آمریکا میزبان منابع و رویه هایی برای دسترسی به داده های اداری فدرال ایالات متحده است.
• ابزار جستجوی مجموعه داده های Google که "کاربران را قادر می سازد مجموعه داده های ذخیره شده در هزاران مخزن را در وب پیدا کنند و این مجموعه داده ها را به صورت جهانی در دسترس و مفید قرار دهند."

داده های غیر اداری:

آخرین به روز شده فوریه 2022.

این منابع یک تلاش مشترک است. اگر متوجه یک اشکال هستید یا پیشنهادی برای محتوای اضافی دارید ، لطفاً این فرم را پر کنید.

ما از لیز کائو ، بن مورس و کاترینا کاپل بخاطر نظرات مفید تشکر می کنیم. همه خطاها، خطاهای خودمان است.