| Abstract : | Η παρούσα εργασία έχει ως στόχο να σκιαγραφήσει το προφίλ όσων δεν απαντούν στην ερώτηση σχετικά με την ψήφο τους στις εθνικές εκλογές του 2019 στην Ελλάδα, χρησιμοποιώντας δεδομένα από τον 10ο γύρο της Ευρωπαϊκής Κοινωνικής Έρευνας. Μέσω διαφόρων μεθοδολογικών προσεγγίσεων, αναδείξαμε την πολύπλοκη φύση της μεροληψίας της μη-απόκρισης και εντοπίσαμε βασικά χαρακτηριστικά που διακρίνουν αυτούς που δεν απαντάνε από αυτούς που απαντάνε. Η ανάλυσή μας διερεύνησε την υπόθεση τυχαίας μη-απόκρισης και υπογράμμισε τη σημασία της κατανόησης των χαρακτηριστικών όσων δεν απαντάνε για την αποτελεσματική μείωση και αντιμετώπιση της μεροληψίας μη-απόκρισης. Δημιουργήσαμε ένα μοντέλο λογιστικής παλινδρόμησης που εντοπίζει παραμέτρους που επηρεάζουν τη μη απάντηση, όπως η πολιτική ενασχόληση και το πολιτικό ενδιαφέρον, οι κοινωνικοοικονομικοί παράγοντες και τα δημογραφικά χαρακτηριστικά των συμμετεχόντων στην έρευνα. Επιπλέον, η ανάλυση συστάδων δείχνει ότι οι μη αποκρινόμενοι χωρίζονται σε διακριτές υποομάδες με διαφορετικές πολιτικές στάσεις και απόψεις. Η ανάλυση συστάδων αποκάλυψε ότι οι μη αποκρινόμενοι αποτελούν μια ετερογενή ομάδα, η οποία αντανακλά την ευρύτερη ποικιλομορφία του πληθυσμού καθιστώντας δύσκολο τον μετριασμό του προβλήματος της μεροληψίας της μη απάντησης. Η παρούσα μελέτη συμβάλλει στη συνεχιζόμενη συζήτηση σχετικά με τη μη απόκριση στις εκλογικές και κοινωνικές έρευνες και προσφέρει γνώσεις για την καλύτερη κατανόηση και αντιμετώπιση αυτής της επίμονης πρόκληση.
This work aims to profile nonresponders concerning their voting behavior in the 2019 national election in Greece using data from Round 10 of the European Social Survey. Through various methodological approaches, we highlighted the complex nature of nonresponse bias, and we identified key characteristics that distinguish nonresponders from responders. Our analysis explored the Missing At Random (MAR) assumption and emphasized the importance of understanding nonresponders to reduce and deal with nonresponse bias effectively. We create a logistic regression model that identifies significant covariates that influence nonresponse, such as political engagement and interest, socio-economic factors, and demographic characteristics. Additionally, the clustering analysis shows that nonresponders form distinct subgroups with varying political attitudes and opinions. The clustering analysis revealed that nonresponders are a heterogeneous group, that reflects the broader diversity of the population making it difficult to mitigate the problem of nonresponse bias. This study contributes to the ongoing discourse on nonresponse in electoral and social surveys and offers valuable insights and methodological advancements to better understand and address this persistent challenge in survey research.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.