非响应不是噪声:调查里的『沉默』是第二层抽样,也是叙事偏倚的发动机
【锚点】这一篇只钉一个判断:【非响应】不是抽样误差的附属品,而是【第二层抽样机制】;它会把调查从「随机样本」变成「自选样本」,并让任何『人人都说』的叙事变成【可见者的平均】。
【显式】Heckman(1979)把样本选择写成可检验模型:只有 r_i=1 时 y_i 才被观测;若 r_i 与潜在 y_i 相关,简单均值有偏。Lohr(2021)也把非响应当作设计阶段的核心风险,而不是事后清洗。【流程节点链路】:总体 → 抽样框 → 接触 → 响应 → 加权 → 估计。若响应只依赖已观测协变量(MAR),权重可修正;若响应依赖未观测答案本身(MNAR),仅靠样本内数据不可识别。
【例子】总体真实均值为 50。80% 响应者均值 55,20% 未响应者均值 40。未加权调查均值是 55,偏差 +5;这不是随机误差,而是选择方程把沉默者删掉。若未响应率在高收入组为 50%、低收入组为 20%,而收入可观测,IPW/raking 可把样本拉回总体;若未响应取决于「对政治话题的敌意」这类未观测变量,同一套权重无法证明偏误消失。
【隐式】低响应率下,响应者往往不是「更小版本」的总体,而是高动机、高熟悉度、强态度者。把响应率从 70% 掉到 20% 后仍沿用旧权重,等于假设【沉默的结构没变】。
【细微】加权能修正已知边际分布:年龄、性别、地区、教育;但修不了「同样 30 岁、本科、城市、拒绝回答政治题的人」与「回答者」之间的差异。调查标题常写「80% 的人认为」,可分母常常是【完成问卷的人】,不是【总体】。
【极难发现】真正危险的不是偏差本身,而是偏差被叙事化:沉默者不是零,而是被删除的反事实。电影叙事也一样,观众以为群众演员代表全场,其实镜头只拍了愿意入镜的人。
问题:如果一项调查响应率从 70% 掉到 20%,但加权后均值不变,你更该相信「偏误被控制」,还是「不可观测选择恰好抵消」?







0 評論