ความกังวลของคุณได้รับการพิสูจน์แล้วว่าดี น่าเสียดายที่มีวิธีการที่จะป้องกันและแก้ไขปัญหานี้ได้อย่างหลากหลายและสามารถขัดแย้งกันได้ การวิเคราะห์ต่อไปนี้ให้กรอบสำหรับการตัดสินใจว่าคุณอาจต้องการประเมินผลลัพธ์และแสดงให้เห็นว่าข้อสรุปของคุณขึ้นอยู่กับสมมติฐานที่คุณทำเกี่ยวกับการเปลี่ยนแปลงของสถานการณ์
เรามีการควบคุมผู้ชมเริ่มแรกเพียงเล็กน้อยหรือไม่มีเลย มันอาจไม่ได้เป็นตัวแทนของประชากรที่มีขนาดใหญ่ขึ้น (เช่นผู้ชมทั้งหมด) ที่เราสนใจมากขึ้น ดังนั้นความคิดเห็นจำนวนสัมบูรณ์มีความเกี่ยวข้องเพียงเล็กน้อย: สิ่งสำคัญคืออัตราที่ผู้คนอาจเปลี่ยนใจ (จากอัตราเหล่านี้เราสามารถประเมินได้ว่าประชากรผู้ฟังอาจเปลี่ยนแปลงอย่างไรให้ข้อมูลเกี่ยวกับความคิดเห็นเริ่มต้นของพวกเขาแม้ว่าสัดส่วนของความคิดเห็นในกลุ่มผู้ฟังจะแตกต่างจากผู้ชมในสตูดิโอที่โพลล์)
ผลจึงประกอบด้วยหกการเปลี่ยนแปลงที่เป็นไปได้ของความคิดเห็นและหกอัตราที่เกี่ยวข้องของการเปลี่ยนแปลง:
บรรดา "สำหรับ" ผู้ที่ฉันดัชนีจะมีสามารถเปลี่ยนความคิดของพวกเขาและจบลงอย่างใดอย่างหนึ่งกับ (มีค่าดัชนี ) ในอัตรา หรือลังเล (มีค่าดัชนี ) ในอัตรา{13}1 ,2a123a13
บรรดา "ต่อต้าน" สามารถเปลี่ยนความคิดของพวกเขาไป "สำหรับ" ในอัตราหรือ "ลังเล" ในอัตรา{23}a21a23
ผู้ที่ไม่ตัดสินใจสามารถเปลี่ยนความคิดเป็น "สำหรับ" ที่อัตราหรือ "ต่อ" ที่อัตราa31a32.
กำหนดสำหรับเพื่อให้เป็นสัดส่วนของคนดัชนีไม่เปลี่ยนความคิดaiii=1,2,3,i
คอลัมน์ของเมทริกซ์มีตัวเลขที่ไม่ติดลบซึ่งจะต้องเพิ่มความเป็นเอกภาพ (สมมติว่าทุกคนที่ตอบแบบสอบถามโพลเริ่มต้นตอบกลับไปยังอันดับสุดท้ายด้วย) ใบที่หกค่าอิสระในการกำหนดบนพื้นฐานของการเปลี่ยนแปลงจากการจัดจำหน่ายครั้งแรกในกลุ่มผู้ชมที่ , การกระจายสุดท้าย x นี่เป็นระบบที่บั่นทอนของสมการเชิงเส้น (ถูก จำกัด ) ทำให้มีความยืดหยุ่นอย่างมากในการหาคำตอบ ลองดูสามวิธีA=(aij)x=(0.18,0.42,0.40)y=(0.23,0.49,0.28)=Ax
โซลูชันที่ 1: เปลี่ยนน้อยที่สุด
เราอาจขอให้เมทริกซ์การเปลี่ยนแปลงมีขนาดเล็กที่สุดเท่าที่จะทำได้ วิธีหนึ่งคือลดสัดส่วนโดยรวมของคนที่เปลี่ยนความคิดเห็น นี่คือตัวอย่างที่ประสบความสำเร็จในการแก้ปัญหาด้วยA
A=⎛⎝⎜1000100.1250.1750.700⎞⎠⎟.
นั่นคือของผู้ไม่ตัดสินใจจบลงของพวกเขาลงเอยด้วยและไม่มีต้นฉบับ fors หรือคัดค้านเปลี่ยนความคิดของพวกเขา ใครชนะ? เห็นได้ชัดว่าเพราะการอภิปรายชักชวนสัดส่วนที่ใหญ่กว่าของลังเลที่จะชำระสำหรับความเห็น "กับ"12.5%17.5%
แบบจำลองนี้จะเหมาะสมเมื่อคุณเชื่อว่าฝ่ายเริ่มแรกนั้นแข็งกระด้างต่อความคิดเห็นของพวกเขาและมีเพียงคนเดียวที่มีแนวโน้มที่จะเปลี่ยนความคิดของพวกเขา
โซลูชันที่ 2: กำลังสองน้อยที่สุด
วิธีแก้ปัญหาทางคณิตศาสตร์คือการหาเมทริกซ์ซึ่งมี normคือ มีขนาดเล็กที่สุดเท่าที่จะเป็นไปได้: สิ่งนี้จะลดผลรวมของกำลังสองของความน่าจะเป็นของการเปลี่ยนแปลงทั้งเก้า (ซึ่งรวมถึงแทนสัดส่วนที่ไม่เปลี่ยนความคิด) วิธีแก้ปัญหา (ปัดเศษเป็นทศนิยมสองตำแหน่ง) คือAL2||A||22=tr(A′A)aii
A=⎛⎝⎜0.280.410.310.220.510.270.220.500.28⎞⎠⎟.
เปรียบเทียบแถวเราจะเห็นว่าถึงแม้ว่าของด้าน "ต่อ" ก็ถูกชักชวนให้เปลี่ยนเป็น "สำหรับ" (และอีกสับสนพอที่จะลังเล),ของด้าน "สำหรับ" คือ แปลงแล้ว (และอีกสับสน) ต้นฉบับแบบไม่ลังเลมีแนวโน้มที่จะแปลงเป็นด้าน "กับ" (เมื่อเทียบกับ ) ตอนนี้ "ต่อ" เป็นผู้ชนะที่ชัดเจน22%27%41%31%50% 22%
โดยทั่วไปแล้ววิธีการแก้ปัญหากำลังสองน้อยที่สุดจะทำให้เกิดการเปลี่ยนแปลงมากมายในแต่ละกลุ่ม (ขึ้นอยู่กับข้อ จำกัด ของปัญหามันพยายามที่จะทำการเปลี่ยนแปลงทั้งหมดเท่ากับ ) ไม่ว่ามันจะสอดคล้องกับการพรรณนาที่เหมือนจริงของประชากรเป็นการยากที่จะตัดสิน แต่มันจะแสดงภาพที่เป็นไปได้ทางคณิตศาสตร์ในสิ่งที่เกิดขึ้น ระหว่างการอภิปราย1/3
โซลูชันที่ 3: กำลังสองน้อยที่สุด Penalized
ในการควบคุมและ จำกัด อัตราที่ผู้คนเปลี่ยนความคิดเห็นของพวกเขามาลงโทษจุดประสงค์สี่เหลี่ยมจัตุรัสที่น้อยที่สุดโดยการรวมคำศัพท์ที่ไม่เปลี่ยนความคิดเห็น เหล่านี้เป็นข้อตกลงในแนวทแยงของ{A} เราอาจคิดว่าเป็นการยากที่จะเปลี่ยนความเห็นของคนที่ไม่ลังเลดังนั้นมันจะเป็นการดีที่จะลดน้ำหนักหลัง ด้วยเหตุนี้จึงแนะนำน้ำหนักเชิงบวกและหาที่ถูกย่อให้เล็กสุดAωiA
||A||22−ω1a11−ω2a22−ω3a33
สำหรับตัวอย่างเช่นสมมติ downweight undecideds โดย 50% โดยการเลือกน้ำหนัก2) ทางออก (กลม) คือω=(1,1,1/2)
A=⎛⎝⎜0.910.030.0600.930.070.170.230.60⎞⎠⎟.
วิธีการแก้ปัญหานี้อยู่ตรงกลางระหว่างสองคนแรก: สัดส่วนเล็กน้อยของฝ่ายที่มุ่งมั่นเปลี่ยนใจหรือกลายเป็นลังเลขณะที่ของผู้ตัดสินใจตัดสินใจ (สำหรับและต่อ) อย่างไรก็ตามอีกครั้งผลลัพธ์ที่เห็นได้ชัดเจนว่าเป็นฝ่ายที่ "ต่อต้าน"40%17%23%
สรุป
ในรูปแบบการเปลี่ยนแปลงของการเปลี่ยนแปลงความคิดเห็นวิธีการแก้ปัญหาส่วนใหญ่ระบุชนะสำหรับด้าน "กับ" ในตัวอย่างนี้ ไม่มีความคิดเห็นใด ๆ ที่แข็งแกร่งเกี่ยวกับการเปลี่ยนแปลงของการเปลี่ยนแปลงที่แนะนำด้าน "กับ" ชนะ
ในกรณีอื่นวิธีการแก้ปัญหาบางวิธีอาจระบุผู้ชนะหนึ่งรายและวิธีการแก้ปัญหาอื่น ๆ ผู้ชนะคนอื่น ตัวอย่างเช่นในการเปลี่ยนจากเป็นดูเหมือนไร้เดียงสาว่า "fors" ได้รับชัยชนะที่น่าประทับใจ: จำนวนของพวกเขาเพิ่มขึ้นจากเป็นขณะที่ "กับ" ฝ่ายลดลงจากไป\% อย่างไรก็ตามการแก้ปัญหากำลังสองน้อยที่สุด (อย่างน้อย) แสดงให้เห็นว่ามีวิธีการนี้ที่อาจเกิดขึ้นได้ซึ่งการอภิปรายได้รับการสนับสนุนเล็กน้อยในด้านอื่น ๆ ! มันคือ(.20,.60,.20)(.30,.40,.30)20%30%40%30%
A=⎛⎝⎜0.320.360.320.290.420.290.320.360.32⎞⎠⎟.
ที่นี่ของ "fors" เปลี่ยนไปอีกด้านหนึ่งในขณะที่เพียงของ "ต่อ" เปลี่ยนไปเป็นความเห็นตรงกันข้าม ยิ่งไปกว่านั้น undecidedsและ ) ออกมา "เทียบกับ" มากกว่า แม้ว่าจำนวนผู้ชมในกลุ่มนี้จะลดลง แต่เราก็มีสถานการณ์ (เตือนความจำของซิมป์สันที่ขัดแย้งกัน ) ซึ่งกลุ่ม "ต่อต้าน" ชนะการอภิปรายอย่างชัดเจน36%29%(36%) 32%
ความคิดเห็นเพิ่มเติม
หากการสำรวจความคิดเห็นสามารถติดตามบุคคลทั้งก่อนและหลังเราสามารถประเมินเมทริกซ์การเปลี่ยนแปลงทั้งหมดและจะมีความไม่แน่นอนเกี่ยวกับผลกระทบของการอภิปรายต่อความคิดเห็นสาธารณะA
วิธีการแก้ปัญหาทั้งสามวิธีที่แสดงไว้ที่นี่ไม่ใช่วิธีเดียวที่เป็นไปได้: วิธีอื่นสามารถทำได้โดยการหาค่าสัมประสิทธิ์ของรายบุคคล พวกมันครอบคลุมขอบเขตของความเป็นไปได้ที่หลากหลายตั้งแต่วิธีการแก้ปัญหา "เปลี่ยนน้อยที่สุด" ผ่านการแก้ปัญหาอย่างน้อยที่สุดไปจนถึงวิธีแก้ปัญหากำลังสองน้อยที่สุดที่ก้าวร้าว ดังนั้นการสำรวจช่วงของการแก้ปัญหาที่ได้รับด้วยวิธีการทั้งสามนี้ควรเป็นเครื่องบ่งชี้ที่ดีถึงสิ่งที่อาจเกิดขึ้นได้อย่างสมเหตุสมผล หากพวกเขาเห็นด้วยกับผลก็ควรมีข้อสงสัยเล็กน้อยA