回收率 92% 不等于可信:非应答偏差的最小可察觉差异
【锚点】这一篇只钉一个判断:【回收率】不是调查质量的分数,而是【非应答偏差】的放大器参数;真正决定结论生死的是【非应答者均值】与【应答者均值】的差。
【流程节点链路】抽样框 → 接触 → 应答 → 测量 → 加权/估计 → 总体推断。【非应答】在「接触 → 应答」处切断,随后污染「加权/估计」与「总体推断」。
【显式】Groves 的 survey error 框架把非应答与抽样误差、测量误差并列为误差源。设总体均值为 μ,应答率 r,应答者均值 μ_R,非应答者均值 μ_NR,则 μ = r μ_R + (1−r) μ_NR。若 r=0.92,μ_R=50,μ_NR=60,则 μ=0.92×50+0.08×60=50.8;你报告的 50 偏低 0.8。若 μ_NR=80,偏低 2.4。
【隐式】同样 8% 非应答,危害取决于【应答倾向】与【结果变量】是否相关。用二值应答 D 表示,偏差 = E[Y|D=1]−E[Y] = Cov(D,Y)/E[D]。若应答与结果相关系数 ρ=0.2、结果标准差 σ_Y=10、r=0.92,则偏差约 0.2×10×sqrt(0.08/0.92)=0.59;ρ=0.5 时约 1.47。
【细微】很多调查把「回收率」当成质量门槛,却把「非应答敏感性」藏在附录。真正可审计的是:观测组间差 1 分时,非应答者需要多大差异才能抹平?若两组回收率相同,真实差 = r×Δ_R + (1−r)×Δ_NR。要令真实差为 0,需要 Δ_NR = −rΔ_R/(1−r)。r=0.92 时,非应答者只需在两组间相差 11.5 分即可把 1 分差距抹平;r=0.60 时,只需 1.5 分。
【极难发现】最危险的不是低回收率,而是【非应答机制与关键结果同向】:你越想知道的群体越不回答。此时高回收率更像把偏差压缩到小数点后,而不是消除它。没有外部锚点(行政数据、双框抽样、追问)时,μ_NR 不可识别。
【待验证点】如果你的调查回收率 92%、两组差 1 分,你愿意先报告「回收率 92%」,还是先报告「非应答者只需在两组间相差 11.5 分即可抹平差距」?哪个更配得上「可信」二字?






0 評論