This thesis addresses one of the emerging issue in survey research: how to draw inference for non-probability samples and survey data integration. It contributes to the existing literature by a) providing a deeper understanding of the literature, identifying current trends and research gaps for future investigations, b) developing an original framework to combine probability and non-probability online surveys in a manner that improves analytic inference while also reducing survey costs and c) developing a modular framework that allows to build composite smart indicators in order to augment the information available in traditional sources through digital trace data. Each of the three objectives is addressed in one of the chapters.

Questa tesi affronta uno dei problemi emergenti nel campo della survey resarch: come fare inferenza da campioni non probabilistici e come integrare le survey probabilistiche con fonti alternative. Il presente lavoro contribuisce alla letteratura esistente a) fornendo una comprensione più profonda della letteratura, identificando le tendenze attuali e di ricerca futura, b) sviluppando una metodologia originale per combinare survey online da campioni probabilistici e non, in modo da migliorare l'inferenza sui parametri di regressione logistica, riducendo anche i costi di indagine e c) sviluppando un framework modulare che consenta di costruire smart composite indicators al fine di aumentare le informazioni disponibili nelle fonti tradizionali attraverso i digital trace data. Ciascuno dei tre obiettivi è affrontato in uno dei capitoli.

(2023). Essays on Inference for Non-Probability Samples and Survey Data Integration. (Tesi di dottorato, Università degli Studi di Milano-Bicocca, 2023).

Essays on Inference for Non-Probability Samples and Survey Data Integration

SALVATORE, CAMILLA
2023

Abstract

This thesis addresses one of the emerging issue in survey research: how to draw inference for non-probability samples and survey data integration. It contributes to the existing literature by a) providing a deeper understanding of the literature, identifying current trends and research gaps for future investigations, b) developing an original framework to combine probability and non-probability online surveys in a manner that improves analytic inference while also reducing survey costs and c) developing a modular framework that allows to build composite smart indicators in order to augment the information available in traditional sources through digital trace data. Each of the three objectives is addressed in one of the chapters.
LOVAGLIO, PIETRO GIORGIO
BIFFIGNANDI, SILVIA
Selection Bias; Volunteer web survey; Digital trace data; Bayesian Inference; Smart Indicators
Selection Bias; Volunteer web survey; Digital trace data; Bayesian Inference; Smart Indicators
SECS-S/03 - STATISTICA ECONOMICA
English
15-mag-2023
34
2021/2022
open
(2023). Essays on Inference for Non-Probability Samples and Survey Data Integration. (Tesi di dottorato, Università degli Studi di Milano-Bicocca, 2023).
File in questo prodotto:
File Dimensione Formato  
phd_unimib_839357.pdf

Accesso Aperto

Descrizione: Tesi
Tipologia di allegato: Doctoral thesis
Dimensione 5.2 MB
Formato Adobe PDF
5.2 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10281/415797
Citazioni
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
Social impact