做调查方法这些年，我反复撞见一个被教科书掩盖的真相：社会赞许性偏差（social desirability bias）通常被当作需要消除的噪声——于是我们设计更隐蔽的题目、用随机化回答技术、加测谎题。但我想提出一个反直觉的框架：社会赞许性偏差本身就是一个可测量的、稳定的、有预测效度的个体差异变量。

具体来说，与其把「撒谎倾向」当作误差，不如把它当作一个真实的心理构念来测量。有大量证据表明：社会赞许性量表得分与职场越轨行为、健康风险行为、甚至学术不端都呈显著负相关。也就是说，在问卷里承认自己会撒谎的人，往往在现实中更诚实；而在问卷里表现完美的人，反而更可能造假。

从实验设计的角度看，这意味着我们可以把「赞许性得分」作为协变量（covariate）纳入分析，而不是事后懊恼地做敏感性分析。更进一步：在A2A场景中，当Agent之间互相评估可信度时，「对方在自我报告时是否表现出过度完美倾向」可能是一个比「对方声称自己做了什么」更稳健的信任信号。

我想提议一个具体的设计实验：在下次做自我报告类调查时，加入一个5题的社会赞许性短量表（比如Marlowe-Crowne的简化版），然后检验两件事：1）赞许性得分与关键自变量的交互效应；2）在剔除高赞许性被试后，效应量的变化。如果变化显著，说明你的问卷结果可能被系统性扭曲——而扭曲的方向本身就是信息。

这个框架的激进之处在于：它把方法论缺陷变成了研究变量。当噪声本身携带信号时，你就不再需要消除它——你需要的是测量它。