The Accuracy of Data14Although plen

The Accuracy of Data14
Although plenty of data are available for economic research, the quality of
the data is often not that good. There are several reasons for that. First, as
noted, most social science data are nonexperimental in nature. Therefore,
there is the possibility of observational errors, either of omission or commission. Second, even in experimentally collected data errors of measurement arise from approximations and roundoffs. Third, in questionnaire-type
surveys, the problem of nonresponse can be serious; a researcher is lucky to get a 40 percent response to a questionnaire. Analysis based on such partial
response may not truly reflect the behavior of the 60 percent who did not
respond, thereby leading to what is known as (sample) selectivity bias. Then
there is the further problem that those who respond to the questionnaire
may not answer all the questions, especially questions of financially sensitive nature, thus leading to additional selectivity bias. Fourth, the sampling
methods used in obtaining the data may vary so widely that it is often difficult to compare the results obtained from the various samples. Fifth, economic data are generally available at a highly aggregate level. For example, most macrodata (e.g., GNP, employment, inflation, unemployment) are
available for the economy as a whole or at the most for some broad geographical regions. Such highly aggregated data may not tell us much about
the individual or microunits that may be the ultimate object of study. Sixth,
because of confidentiality, certain data can be published only in highly
aggregate form. The IRS, for example, is not allowed by law to disclose data
on individual tax returns; it can only release some broad summary data.
Therefore, if one wants to find out how much individuals with a certain level
of income spent on health care, one cannot do that analysis except at a very
highly aggregate level. But such macroanalysis often fails to reveal the
dynamics of the behavior of the microunits. Similarly, the Department of
Commerce, which conducts the census of business every 5 years, is not
allowed to disclose information on production, employment, energy consumption, research and development expenditure, etc., at the firm level. It is
therefore difficult to study the interfirm differences on these items

Kết quả (Việt) 1:

Độ chính xác của Data14Mặc dù nhiều dữ liệu có sẵn cho các nghiên cứu kinh tế, chất lượngcác dữ liệu thường xuyên không phải là tốt. Có rất nhiều lý do cho điều đó. Đầu tiên, như làlưu ý, hầu hết các dữ liệu khoa học xã hội được nonexperimental trong tự nhiên. Do đó,đó là khả năng quan sát lỗi, hoặc là bỏ sót hoặc ủy ban. Thứ hai, ngay cả trong thực nghiệm thu thập dữ liệu lỗi của đo lường phát sinh từ các phép xấp xỉ và roundoffs. Thứ ba, trong loại câu hỏikhảo sát, các vấn đề của nonresponse có thể nghiêm trọng; một nhà nghiên cứu là may mắn để có được một phản ứng 40 phần trăm đến một bảng câu hỏi. Phân tích dựa trên một góc như vậyphản ứng có thể không thật sự phản ánh hành vi của 60 phần trăm những người đã khôngđáp ứng, từ đó dẫn đến những gì được gọi là thiên vị chọn lọc (mẫu). Sau đóđó là vấn đề nữa mà những người trả lời các câu hỏicó thể không trả lời mọi câu hỏi, đặc biệt là câu hỏi của thiên nhiên về tài chính nhạy cảm, do đó dẫn đến xu hướng bổ sung chọn lọc. Thứ tư, việc lấy mẫuphương pháp được sử dụng trong việc thu thập dữ liệu có thể khác nhau vì vậy nó thường là khó khăn để so sánh kết quả thu được từ các mẫu khác nhau. Thứ năm, kinh tế dữ liệu là thường có sẵn ở một mức độ tổng hợp đánh giá cao. Ví dụ, hầu hết macrodata (ví dụ như, GNP, tuyển dụng, lạm phát, thất nghiệp) làsẵn có cho nền kinh tế như một toàn bộ hoặc hầu hết cho một số khu vực địa lý rộng. Dữ liệu tổng hợp đánh giá cao như vậy không may cho chúng ta nhiều vềcá nhân hoặc microunits có thể là mục tiêu cuối cùng của nghiên cứu. Thứ sáu,vì tính bảo mật, dữ liệu nhất định có thể được công bố chỉ đánh giá caoTổng hợp mẫu. IRS, ví dụ, không được phép của pháp luật để tiết lộ dữ liệuvề cá nhân khai thuế; nó chỉ có thể phát hành một số dữ liệu tóm tắt rộng.Vì vậy, nếu muốn tìm hiểu làm thế nào nhiều cá nhân với một mức độ nhất địnhthu nhập chi chăm sóc sức khỏe, một trong những không thể phân tích rằng ngoại trừ tại một rấtTổng hợp cao cấp. Nhưng macroanalysis như vậy thường không để lộ cácđộng thái của hành vi của các microunits. Tương tự, tỉnhThương mại, mà tiến hành điều tra doanh nghiệp mỗi 5 năm, không phải làcho phép tiết lộ thông tin về sản xuất, việc làm, năng lượng tiêu thụ, nghiên cứu và phát triển chi tiêu, vv, ở cấp độ công ty. Nó làdo đó rất khó để nghiên cứu sự khác biệt interfirm trên các mặt hàng này

Kết quả (Việt) 2:

Độ chính xác của Data14
Mặc dù rất nhiều dữ liệu có sẵn để nghiên cứu kinh tế, chất lượng của
dữ liệu thường là không tốt. Có nhiều lý do cho điều đó. Thứ nhất, như
đã nói, hầu hết các dữ liệu khoa học xã hội là nonexperimental trong tự nhiên. Do đó,
có khả năng lỗi quan sát, hoặc là bỏ sót hoặc hoa hồng. Thứ hai, ngay cả trong nghiệm thu thập dữ liệu lỗi của đo lường phát sinh từ xấp xỉ và roundoffs. Thứ ba, trong câu hỏi kiểu
khảo sát, vấn đề của nonresponse có thể nghiêm trọng; một nhà nghiên cứu là may mắn để có được một phản ứng 40 phần trăm đến một bảng câu hỏi. Phân tích dựa trên một phần như vậy
phản ứng có thể không thực sự phản ánh hành vi của 60 phần trăm những người không
đáp ứng, từ đó dẫn đến những gì được gọi là (mẫu) thiên vị chọn lọc. Sau đó
có các vấn đề nữa mà những người đáp ứng với các câu hỏi
không thể trả lời tất cả các câu hỏi, đặc biệt là những câu hỏi có tính chất nhạy cảm về tài chính, do đó dẫn đến thêm thiên vị chọn lọc. Thứ tư, việc lấy mẫu
các phương pháp được sử dụng trong việc thu thập các dữ liệu có thể thay đổi quá nhiều nên thường rất khó để so sánh các kết quả thu được từ các mẫu khác nhau. Thứ năm, dữ liệu kinh tế nói chung là có sẵn ở một mức độ cao tổng hợp. Ví dụ, hầu hết macrodata (ví dụ, GNP, việc làm, lạm phát, thất nghiệp) là
có sẵn cho nền kinh tế nói chung hoặc tại nhất đối với một số khu vực địa lý rộng lớn. Dữ liệu tập hợp cao như vậy có thể không nói cho chúng ta biết nhiều về
cá nhân hoặc microunits đó có thể là đối tượng cuối cùng của nghiên cứu. Thứ sáu,
vì giữ bí mật, dữ liệu nhất định có thể được công bố chỉ ở cao
dạng tổng hợp. IRS, ví dụ, không được luật pháp cho phép tiết lộ dữ liệu
trên tờ khai thuế cá nhân; nó chỉ có thể phát hành một số dữ liệu tóm tắt rộng.
Vì vậy, nếu ai muốn tìm hiểu làm thế nào nhiều cá nhân với một mức độ nhất định
của thu nhập chi cho chăm sóc sức khỏe, người ta không thể làm phân tích rằng ngoại trừ tại một rất
cấp độ cao tổng hợp. Nhưng macroanalysis như vậy thường không tiết lộ
động cơ của hành vi của microunits. Tương tự như vậy, Sở
Thương mại, trong đó tiến hành điều tra dân số của doanh nghiệp mỗi 5 năm, không được
phép tiết lộ thông tin về sản xuất, việc làm, tiêu thụ năng lượng, chi phí nghiên cứu và phát triển, vv, ở cấp độ doanh nghiệp. Đó là
do khó khăn để nghiên cứu sự khác biệt interfirm về những mục này