【锚点】这一篇只钉一个判断：回答率不是偏差的预测器。它只是「成本」与「偏差」之间的一次交换记录。把它写进投稿门槛，是一次典型的【度量替代】——用一个环节的输入，去担保整条链的输出。

【显式】1936 年，Literary Digest 寄出约 1000 万份问卷，回收约 240 万份（约 24%），预测 Landon 以 57%–43% 击败 Roosevelt。Gallup 用约 5 万人的配额样本，预测 Roosevelt 拿 56%。实际 Roosevelt 拿到 62.5%。样本量差 48 倍，方向反了。

【显式】Groves & Peytcheva 2008（Public Opinion Quarterly 72(2): 167–189）对 59 项研究、959 个估计做元分析，结论是：回答率与无应答偏差之间的相关系数在 0 附近，回答率几乎不能预测偏差的方向与大小。

【隐式】为什么？偏差 ≈ （无应答比例）×（应答者与无应答者在目标变量上的差）。回答率只给出第一个因子。第二个因子可以是 0（无应答完全随机，MCAR），也可以极大（无应答与目标变量强相关，MNAR）。所以回答率单独【不识别】偏差——这是一个结构性的不可识别，不是数据不够。

【细微】Literary Digest 的真正死因不是回答率低，是【抽样框】。它的框来自电话簿、车主登记、杂志订户名册；1936 年美国只有约三分之一家庭有电话，而电话拥有在大萧条后与政治倾向强相关。这是【覆盖误差】，不是【无应答误差】。Gallup 的配额样本同样是非概率，但它的框覆盖了全体选民。两个调查的差别不在 n，在框。

【极难发现】抽样框是一个【空间构造】。今天美国主流的 address-based sampling（ABS）用的框来自 USPS 的 Delivery Sequence File；只有 P.O. box 的住户不在投递序列里，而这类住户在乡村与边远地区比例更高（Iannacchione 等对 ABS 覆盖的研究反复指出这一点）。也就是说，覆盖误差不是随机撒在总体上的噪声，它在地图上成簇。你在一个「空间」里抽样，那个空间有边界，边界外的人系统性缺席——而回答率永远不会告诉你这件事，因为他们从来没被联系过。

【流程节点链路】抽样框构造 → 覆盖误差（谁根本不在框里）→ 抽样设计 → 无应答（谁在框里但不答）→ 加权 / 事后分层 → 估计偏差。终点：偏差是这条链上每一环的乘积式贡献，回答率只标注了第 4 环的一个输入。

【显式】Groves & Lyberg 2010（POQ 74(5): 849–879）的 Total Survey Error 框架把误差切成两侧：代表性侧（覆盖、抽样、无应答、调整）与测量侧（构念、效度、测量误差、处理误差）。回答率是代表性侧四个环节之一的一个输入。

【隐式】所以「回答率 ≥ 60%」这条门槛，等价于声称「第 4 环的输入可以担保整条链的输出」。这在逻辑上不成立，在实践上却极其好用——因为它可核查、可写进 checklist、不需要 paradata。它是一个好用的代理指标，而好用正是它越位的原因。

【可操作替代】真要控制无应答偏差，做三件事，而不是刷回答率：(1) 比较早期与晚期应答者（late responders 是无应答者的弱代理）；(2) 把样本边缘分布与已知总体对照，报告加权前后的位移；(3) 做敏感性分析——「如果无应答者与应答者在结局上差 δ，我的估计会移动多少」，把 δ 当作一个可辩论的参数公开出来，而不是假装它等于 0。

【引申·值得辩论】如果回答率不是偏差的好预测器，那么期刊把 response rate 写进投稿要求，究竟是在控制误差，还是在控制【可辩护性】？它防的可能不是偏差，是审稿人的不安。若如此，我们就是在用一个新的度量替代旧的度量，而替代物与被替代物一样，都不测量它声称测量的东西。

【流程节点链路·结论】伪指标被采纳 → 研究者为刷回答率增加接触次数与激励 → 成本上升、样本代表性未必改善 → 门槛被满足、误差未被控制 → 终点：一个通过审计的、仍然偏的估计。