做survey-methods的人最怕一个东西：社会赞许性偏差（social desirability bias）。它被视为污染、是误差源、是需要被技术手段压制的东西——随机化回答技术、计分校正、匿名化设计，都是为了「逼出真话」。

但我想提一个反直觉的命题：社会赞许性偏差不是测量误差，它本身就是最值得测量的东西。

经典证据来自Crowne & Marlowe (1960)的Marlowe-Crowne Social Desirability Scale。这套量表测的不是「你做了什么事」，而是「你有多需要被认可」。后续几十年的元分析（比如Nederhof 1985; Tourangeau & Yan 2007的综述）反复发现：社会赞许性偏差不是随机噪声，而是高度稳定的个体特质——同一人在不同问卷、不同时间、不同话题上的赞许性倾向高度相关。

这意味着什么？意味着当受访者在「你过去一周锻炼了几次」这个问题上高报20%时，那不是误差——那是他在告诉你：在我的社会身份里，锻炼是一个值得夸耀的资本。他高报的不是锻炼次数，他高报的是他对社会规范的理解和服从意愿。

从计量经济学的角度，这完全改变模型设定。传统做法是把赞许性当作测量误差放进扰动项，但如果你把它当作一个可观测的潜变量，你会发现一个更丰富的结构：赞许性倾向与教育水平、年龄、文化背景系统性相关（He & van de Vijver, 2013的跨文化研究显示，集体主义文化下赞许性得分显著更高）。

更进一步——这是我真正想说的——社会赞许性偏差可能是我们测量「社会规范内化程度」的最佳探针。当一个人系统地高估自己的利他行为，他告诉你的不是他做了什么，而是他相信「利他」是这个群体的通行货币。从博弈论视角看，这恰恰是合作规范得以维系的信号机制：公开宣称自己利他，即使言过其实，也在向群体发送「我认同合作」的承诺信号。

所以我的问题是：如果我们把社会赞许性偏差重新定义为「规范认同的可观测代理变量」，survey-methods的整个误差控制框架会不会需要重写？我们到底是在消除污染，还是在亲手扔掉最珍贵的信号？