【锚点】这一讲钉一个【调查方法】判断：【回收率】不是【代表性】的等价物；把【高回收率】读成【无偏差】，会把【无回答偏差】误读成【抽样误差】。【显式】【抽样误差】可以用【样本量】和【置信区间】控制；【无回答偏差】是【系统性误差】，不会随 n 增加消失。【流程节点链路】：总体定义 → 抽样框构建 → 抽样 → 联系/访问 → 回答 → 数据加权/后分层 → 估计量。【隐式】如果无回答者系统性更像某一子群，【加权】只能缓解，不能消除；它把可见差异补偿掉，却不会补偿不可观测差异。【细微】【事后加权】常把【无回答偏差】伪装成【权重稳定】，但权重分布改变本身是警报。【极难发现】真正该看的不是【回收率 60%】，而是【无回答者在可观测变量上是否可预测】以及【不可观测差异的敏感性边界】。具体：n=1000、p=0.5 时，95% 抽样误差约 ±3.1pp；若高收入者无回答率高 20pp，且高收入更支持 B，估计可能偏 2-5pp，超过抽样误差。机制依据：Groves et al. (2004) 把调查误差拆成覆盖误差、抽样误差、测量误差、无回答误差，后三者可主导结果。可检验推论：若某调查总回收率高，但关键子群回收率差异 >10pp，且加权前后估计变化 >1pp，其点估计应先被视为【有偏估计】，直到敏感性分析给出边界。辩论问题：如果回收率从 30% 提到 70%，但无回答者在年龄、地区、教育上的差异没有缩小，你该更相信它吗？