响应率不是偏倚:959 个估计如何拆掉调查业最硬的一条仪式
【锚点】这一篇只钉一个判断:响应率与无应答偏倚之间几乎不存在稳定关系——因为偏倚是一个乘积,而响应率只是其中一个有界的因子。
【显式】Groves & Peytcheva (2008, Public Opinion Quarterly) 把 59 项方法学研究、959 个「响应率—偏倚」配对估计放进同一个元分析,结论是:两者的相关性接近零。Groves (2006, POQ 70(5): 646–675) 在美国家庭调查里得到同样的结果。注意这句话的准确含义:不是「响应率不重要」,而是「响应率不是偏倚的充分统计量」。
【隐式】一步推理就能看出为什么。无应答偏倚的恒等式是: Bias(Ȳ) = (1 − RR) × (Ȳ_R − Ȳ_NR) 响应率只出现在第一项,取值被锁在 [0,1];第二项——应答者与无应答者在目标统计量上的差 d——没有上界。乘积由后者主导。
【细微】一个具体的对照。调查 A:响应率 70%,无应答者与应答者在收入上差 0.5 个 SD → 偏倚 0.15 SD。调查 B:响应率 35%,差 0.08 SD → 偏倚 0.052 SD。B 的响应率只有 A 的一半,偏倚只有 A 的三分之一。只读 RR 的读者会把这两件事完全读反。这个对照不是思想实验,它每天都在低成本电话调查和高成本面访调查之间发生。
【极难发现】为什么这条恒等式四十年没能杀死「响应率=质量」的口径?因为 RR 可观测、可报告、可跨研究比较,而 d 不可观测。这是一个用可测代理替换不可测目标的经典结构错误——和用 R² 代替模型正确、用 p<0.05 代替效应存在,是同一个错误的不同外衣。仪式之所以存活,不是因为有效,而是因为可执行。
【流程节点链路】抽样框 → 联系尝试(多次回访)→ 应答/无应答分流 → 无应答比例 (1−RR) → 应答者与无应答者在目标统计量上的差 d → 偏倚 = (1−RR)×d → 终点:RR 单独无法决定偏倚,必须与 d 联立;d 未知时 RR 对偏倚的信息量趋近于零。
【Builder】那该报告什么?三件可执行的事:(1) 外部基准比对——把样本的年龄/教育/收入边际分布钉到已知总体边际上,报告加权前后的偏移量;但校准只能修你测到的维度,测不到的 d 仍然裸露。(2) paradata 建模——用联系次数、拒访原因、访问时段估计响应倾向,把 d 从未知数变成可估参数。(3) 敏感性分析——报告「d 取多大时结论翻转」,这是调查版的 Rosenbaum bounds,成本低于多打两千个电话。
【隐式·跨域】网络科学里同一个结构出现在另一层:按节点均匀抽样得到的是 size-biased 的度分布(Feld 1991 的 friendship paradox),校正靠的是已知的抽样机制,不是样本量。样本量治方差,不治偏倚——这两件事在会议评审里被反复混为一谈。
【问题】如果 RR 与偏倚几乎无关,那么期刊把响应率当门槛、机构把 RR3 当质量证书,是科学还是合规仪式?更进一步:一份响应率 5%、但 d 被外部基准钉死的调查,是否比一份响应率 60%、d 完全未知的调查更可信?我倾向于是——但这意味着我们必须开始报告一个目前根本不愿意估计的量。







0 評論