2022 Collaborative Midterm Survey (CMS)

2022年合作中期调查（CMS）是由康奈尔大学等机构联合创建的大型数据集，包含近20,000名受访者的调查数据。该数据集采用电话和在线两种调查方式，涵盖随机数字拨号、随机地址抽样等多种抽样方法，旨在评估不同抽样方法和调查模式的适用性。CMS数据集的创建过程结合了多种抽样技术和调查模式，以确保数据的多样性和代表性。该数据集主要应用于公共意见和选举调查研究，旨在帮助研究人员、政府、企业和非营利组织选择最合适的调查抽样和管理方法。

The 2022 Cooperative Midterm Survey (CMS) is a large-scale dataset jointly developed by Cornell University and other institutions, encompassing survey data from nearly 20,000 respondents. This dataset adopts two survey modes: telephone and online surveys, and covers multiple sampling methods including random digit dialing (RDD) and random address sampling, aiming to evaluate the applicability of different sampling methods and survey modalities. The development process of the CMS dataset integrates various sampling techniques and survey modes to ensure the diversity and representativeness of the data. Primarily applied in public opinion and election survey research, this dataset aims to assist researchers, governmental bodies, enterprises, and non-profit organizations in selecting the most appropriate survey sampling and management methodologies.

搜集汇总

数据集介绍

构建方式

2022 Collaborative Midterm Survey (CMS) 是一项大规模的调查项目，旨在评估不同抽样方法和调查管理模式的优劣。该项目采用了多种抽样方法和调查模式，包括电话和在线两种管理方式，以及随机数字拨号、随机地址抽样、基于概率的面板、两个非概率面板和两个非概率市场等抽样方法。调查对象包括近20,000名受访者，数据来源于选举数据、行政记录和大型政府调查等三种人群基准，并重点关注国家层面的估计以及加利福尼亚州、佛罗里达州和威斯康星州的过采样。

特点

2022 Collaborative Midterm Survey (CMS) 具有以下特点：1. 大规模样本，包括近20,000名受访者；2. 多种抽样方法和调查模式，包括电话和在线两种管理方式，以及随机数字拨号、随机地址抽样、基于概率的面板、两个非概率面板和两个非概率市场等抽样方法；3. 数据来源于选举数据、行政记录和大型政府调查等三种人群基准；4. 重点关注国家层面的估计以及加利福尼亚州、佛罗里达州和威斯康星州的过采样。

使用方法

研究人员可以使用2022 Collaborative Midterm Survey (CMS) 数据集来评估不同抽样方法和调查管理模式的优劣，并确定哪种抽样方法或组合最适合各种研究目标。数据集包括多种抽样方法和调查模式，以及三种人群基准，可以帮助研究人员评估不同抽样方法对准确性的影响，并确定最佳组合。研究人员还可以使用数据集来评估不同抽样方法在不同人群基准和地理区域中的表现，以帮助指导未来的调查设计。

背景与挑战

背景概述

在当代社会，调查研究方法面临着科技和社会变革带来的挑战，特别是随着响应率的下降和成本的增加，传统的概率抽样方法越来越难以满足研究需求。2022年协作中期调查（CMS）在这样的背景下应运而生，由美国国家科学基金会资助，由康奈尔大学、罗切斯特大学、德克萨斯大学奥斯汀分校和加州大学伯克利分校的研究人员共同开展。该调查旨在建立一个动态和透明的框架，用于评估各种抽样方法和调查管理模式的优劣。CMS收集了近20,000名受访者的数据，采用电话和在线两种管理模式，并从随机数字拨号、随机地址抽样、基于概率的面板、两个非概率面板和两个非概率市场获取数据。研究考虑了三种类型的基准（选举数据、行政记录和大政府调查），重点关注国家层面的估计以及加利福尼亚州、佛罗里达州和威斯康星州的过采样。该调查不仅记录了每种调查策略的表现，还开发了一种评估不同抽样方法组合与不同人口基准之间比较的策略，以指导研究人员结合抽样方法和来源。研究结论为公共舆论和选举调查研究人员提供了具体建议，并展示了该方法如何应用于定期进行的政府调查，以持续为研究人员、政府、企业和非营利组织提供最合适的调查抽样和管理方法的指导。

当前挑战

CMS数据集的研究背景和挑战主要围绕调查方法的适应性和有效性展开。首先，调查方法必须适应不断变化的技术和社会环境，以应对响应率下降和非响应偏差等问题。其次，成本的增加也使得传统概率抽样方法变得昂贵，难以维持。此外，研究还需要考虑地域差异、亚群体异质性和传统调查中代表性不足的群体。为了应对这些挑战，CMS采用了多种抽样方法和管理模式，并利用多种人口基准进行评估。然而，这些方法的比较和组合仍然存在挑战，例如如何确定最佳抽样方法组合的比例，以及如何在不同目标和研究问题之间权衡准确性和成本。CMS的研究结果表明，结合概率和非概率抽样方法可能是一种有前途的方法，但最佳组合取决于研究目标和调查内容。此外，随着社会和技术条件的变化，最佳组合也可能随之变化，因此需要定期进行评估和基准测试。

常用场景

经典使用场景

2022 Collaborative Midterm Survey (CMS) 作为一项大规模的民意调查，其经典使用场景在于评估不同的抽样方法和调查管理模式的优劣。通过对近20,000名受访者的数据进行分析，CMS 能够提供对各种抽样策略的准确性和适用性的深入理解。此外，CMS 还提供了电话和在线两种管理模式的调查数据，以及从随机数字拨号、随机地址抽样、基于概率的样本组、两个非概率样本组和两个非概率市场等多个来源的数据。这使得研究人员能够比较不同的抽样方法和抽样组合，以确定哪些方法最适合他们的研究目标。

实际应用

2022 Collaborative Midterm Survey (CMS) 的实际应用场景非常广泛。例如，CMS 的数据可以用于评估不同抽样方法和调查管理模式的优劣，从而为研究人员提供有关抽样方法和调查管理模式的决策依据。此外，CMS 的数据还可以用于比较不同人群的态度和行为，从而为政策制定者提供有关不同人群的需求和期望的信息。此外，CMS 的数据还可以用于评估不同抽样方法和调查管理模式的成本效益，从而为研究人员提供有关抽样方法和调查管理模式的决策依据。

衍生相关工作

2022 Collaborative Midterm Survey (CMS) 衍生了许多相关的经典工作。例如，CMS 的数据被用于评估不同抽样方法和调查管理模式的优劣，从而为研究人员提供有关抽样方法和调查管理模式的决策依据。此外，CMS 的数据还被用于比较不同人群的态度和行为，从而为政策制定者提供有关不同人群的需求和期望的信息。此外，CMS 的数据还被用于评估不同抽样方法和调查管理模式的成本效益，从而为研究人员提供有关抽样方法和调查管理模式的决策依据。