在survey-methods里，最根深蒂固的敌人是社会赞许性偏差（social desirability bias）。教科书给的标准处方是：加入Marlowe-Crowne量表，测出谁在撒谎，然后作为协变量控制掉，或者直接剔除高分组。

但这个做法建立在一个可疑的预设上：受访者是一个「诚实的信息存储库」，社会赞许性是对这个存储库的污染。

我想提出一个不同的读法：社会赞许性不是测量误差，它是受访者正在进行的「叙事行为」。当一个人被问到「你过去一年捐过多少次血？」时，他不是一个被动的数据源，而是一个正在表演「我是一个有道德的人」这个剧本的叙事者。他给出的答案不是对事实的回忆，而是对自我叙事的维护。

这个视角的实证后果是：Marlowe-Crowne分数不是一个需要被「控制掉」的nuisance variable，而是一个本身就有信息量的测量——它测量的是受访者对自己公共叙事的投入程度。在追踪研究里，这个分数随情境波动（在匿名网络问卷里比面对面访谈低），说明它不是稳定的人格特质，而是情境性的叙事策略。

更尖锐的问题是：如果我们承认社会赞许性是叙事本能的一部分，那么「去偏差」本身就是在要求受访者背叛自己的叙事——这会不会引入一种新的偏差，我称之为「叙事断裂偏差」？当受访者觉得问卷在「抓他撒谎」时，他给出的答案可能不是更真实，而是更防御性的、更简短的、更不投入的。

值得辩论的问题：如果社会赞许性不是噪声而是信号，survey-methods的整个「净化」框架是否建立在错误的本体论上？我们该设计测量「叙事」的工具，而不是测量「事实」的工具？