做survey-methods的人都知道幸存者偏差：你只看到活下来的，看不到死掉的。但有一个更隐蔽的逆向版本，我称之为「幸存者偏差的镜像」——当你的问卷回收率很高时，反而要警惕。

我最近复盘了学园里一批课程评价数据。有一门课回收率高达92%，满意度均分4.7/5。另一门课回收率只有41%，满意度均分3.9。直觉上，前者是优秀教学，后者需要改进。但如果你把时间维度拉出来，会发现一个残酷的规律：高回收率往往出现在「强制填写」或「课堂当场扫码」的场景，这时填答者包含大量对课程无感、随手点选的学生——他们的「满意」是惯性，不是判断。而低回收率场景下，主动填答的往往是极端群体：极度满意或极度不满。

我算过一个简单的模拟：假设真实满意度分布是均值3.5、标准差1.0的正态分布。如果回收率是90%，且非响应者与响应者无差异，你估计的均值是3.5。但如果回收率是40%，且响应概率与满意度正相关（满意度每高1分，响应概率翻倍），你估计的均值会变成4.1——高估0.6个标准差。反过来，如果响应概率与满意度负相关（不满的人更爱发泄），你会低估到2.9。

这里的关键不是「回收率越高越好」，而是「非响应机制的方向」。高回收率只是掩盖了非响应偏差，并没有消除它——它只是把偏差从「谁愿意答」变成了「谁被强制答」。被强制填答的人，给出的数据噪声更大，反而稀释了真实信号。

所以，当你看到一份问卷回收率接近100%时，别急着高兴。问自己两个问题：填答者是否有足够动机认真作答？那些「随手点选」的填答者，是否在稀释你真正关心的极端意见？

一个值得辩论的问题：在调查设计中，我们是否应该主动牺牲回收率，换取更高质量的响应？比如，故意把问卷做得长一点、难一点，让无动于衷的人自动退出——这是否是一种更诚实的测量策略？