论文部分内容阅读
摘 要：本文从无回答误差的来源及影响等方面来探讨无回答误差，然后提出补救方法以达到减少误差的目的。
关键字：无回答误差；根源；补救
中图分类号：C31 文献标识码：A
非抽样误差普遍存在于各种形式的调查中，产生于调查的各个阶段，从开始调查时从历史数据的收集和调查方案的设计到调查的實施和数据采集阶段，以及到最后的数据处理和分析阶段。它可分为3类：抽样框误差、无回答误差、计量误差[1]。其中无回答误差在非抽样误差中所占比重越来越大，对统计数据质量产生影响。当前， 我国大陆调查公司中存在着很严重的无回答问题， 但却没有让从业者及理论研究者得到的足够重视。本文分析了无回答误差产生的原因，然后提出相应的方法：在没出现误差时如何预防，在出现误差时如何最小化。
一、无回答误差的来源及其影响
“无回答”是指不能从问卷中的所有问题和所有样本单位中获得有用的数据[2]。
从范围上看，它分为项目无回答和单位无回答。前者指的是样本单位接受了调查，但是没有回答问卷中的所有问题。后者是指样本单位没有接受调查，故调查员没有从问卷中收集到有价值的信息。
从被调查者的角度来看，无回答又可以分为有意识无回答和无意识无回答，而国外理论研究者将“无回答”称为“不完全数据”、“缺失数据”、“无访问”和“不合作”等。
从调查的全过程看，首先需要寻找，即调查人员要根据抽样框提供的信息找到具体的被调查者单位。然后是联系，即调查人员与被调查单位建立起联系，以便使被调查单位有接受调查的思想准备。最后是进行调查或资料收集，整个过程都有可能产生无回答误差。
无回答与调查的统计关系密切。一方面它会使研究者在分析时所用的有效样本量减少，使得估计量的精度降低；另一方面，由于它的存在，往往会形成一种系统性误差即偏差。
一部分调查者由于没有认真考虑对无回答的处理，使得他们的数据分析结果存在严重问题，可参考性降低。
二、无回答误差的调整与补救
处理无回答的方法可分为二类：第一类是采取预防措施尽可能的提高回答率，减少无回答发生的可能性。另一类是当无回答不可避免地出现时，采取相应措施进行补救，降低调查误差[3]。
（一）减少无回答误差的预防措施
1.对访问员的选择与培训。首先访问员必须要有一定的责任心和相应的学历背景，可以保证他们对于问卷的理解不出太大的偏差；其次对访问员的培训也显得十分重要，培训大致分为两个方面， 一是沟通技巧的提高，二是责任心的培养。咨询公司需要建立一个健全的质量控制体系，对访问员的访问进行及时的控制。
2.加强与被访者的交流，消除被访者疑问。加强与被访者的交流就是需要提高沟通技巧， 这些方法可以分为两类：一是与消费者第一次见面时的沟通技巧， 二是对于某个专项问题的沟通技巧。
3.事先通知。在访问员接触到被访问者之前， 先要进行一定程度的沟通， 比如打电话等，消除被访者的疑虑， 然后再进行正式的访问，这样能够极大地降低拒访率。
4.物质奖励。物质奖励要建立一定制度，要适度，不要过高或过低。
5.多次访问。多次访问是指在第一次访问被拒绝以后， 进行第二次、第三次访问，到被访者愿意接受采访为止。
6.随机化回答技术。关于敏感性问题 （如考试作弊、偷税等）可采用随机化回答技术，针对不同的情况可采用沃纳模型、西蒙斯模型及双无关模型。
7.确定准确的调查方位及事后提醒。访问员应事先考查被访者的准确地点，降低单位无回答，当出现项目无回答时访问员可联系被访者提醒相关事项以得到完整的问卷。
8.替换。替换是指某个抽样单位在拒绝采访以后，舍弃该单位，寻找与其背景相同的单位作为替换， 进入抽样总体。替换有其优点就是实际操作相对于多次访问要简单， 但是如果不是随机替换，就需要事先了解被访问对象的背景， 这个一般很难做到。纯粹随机替换会造成目标总体与抽样总体之间产生较大的差异，而且使访问的随意性有所增加， 最后会影响到数据的真实性和可靠性。
（二）当无回答发现时可采取相关补救措施来降低其误差[4]。
第一、二重抽样。即分两次抽样，第一次抽取的样本容量大，在这个大样本中再抽取一个容量较小的样本，然后把这两个样本资料结合起来对总体的有关标志做出估计。当用于由无回答造成的偏差，并对其调整，在第一次抽样并得到回答单位数据的同时，再从最初无回答的单位中随机抽取一个子样本，并通过更细致的工作得到无回答子样本的数据，并做为整个无回答的代表值。最后把第一次调查中有回答单位的数据和第二次调查中从无回答层中得到的调整数据结合起来对总体的有关参数进行估计。其方法包括经典概率方法和贝叶斯方法。
第二、复制估算法。它是指当无回答情况出现时，用其他已有数据替换无回答的缺失数据，进而对总体进行估算的一种方法，此方法特别适合项目无回答。其 数据来源有两个：一个来源是目前所从事的调查，即从已回答者的数据中进行筛选，将被选中的数据顶替到无回答的位置。国外将此程序称为“Hot-Deck”；另一来源是同类调查，或是已有的关于无回答单位的数据。国外将此程序称为“Cold-Deck”
用于替代无回答的复制数据不仅来源不同，而且产生的方法也不同。常见的有随机抽取、均值替代、回归估计、最近距离确定等。
第三、加权调整法。它是指对调查中回答数据赋予加权因子，进而达到对数据进行调整的作用，减小由无回答造成估计量偏差的影响。
参考文献:
[1] 孙道志.统计调查中的非抽样误差[J].青海统计， 2005，（07）.
[2] 雄观梅、马胜红、王玉琴. 浅析统计非抽样误差成因及其对策[J]. 经济师论， 2002，（06）.
[3] 金勇进. 非抽样误差分析[M] 北京：中国统计出版社，1996.
[4] Judith T.Lessler， Willian D.Kalsbeek.调查中的非抽样误差[M] 北京：中国统计出版社， 1997.
关键字：无回答误差；根源；补救
中图分类号：C31 文献标识码：A
非抽样误差普遍存在于各种形式的调查中，产生于调查的各个阶段，从开始调查时从历史数据的收集和调查方案的设计到调查的實施和数据采集阶段，以及到最后的数据处理和分析阶段。它可分为3类：抽样框误差、无回答误差、计量误差[1]。其中无回答误差在非抽样误差中所占比重越来越大，对统计数据质量产生影响。当前， 我国大陆调查公司中存在着很严重的无回答问题， 但却没有让从业者及理论研究者得到的足够重视。本文分析了无回答误差产生的原因，然后提出相应的方法：在没出现误差时如何预防，在出现误差时如何最小化。
一、无回答误差的来源及其影响
“无回答”是指不能从问卷中的所有问题和所有样本单位中获得有用的数据[2]。
从范围上看，它分为项目无回答和单位无回答。前者指的是样本单位接受了调查，但是没有回答问卷中的所有问题。后者是指样本单位没有接受调查，故调查员没有从问卷中收集到有价值的信息。
从被调查者的角度来看，无回答又可以分为有意识无回答和无意识无回答，而国外理论研究者将“无回答”称为“不完全数据”、“缺失数据”、“无访问”和“不合作”等。
从调查的全过程看，首先需要寻找，即调查人员要根据抽样框提供的信息找到具体的被调查者单位。然后是联系，即调查人员与被调查单位建立起联系，以便使被调查单位有接受调查的思想准备。最后是进行调查或资料收集，整个过程都有可能产生无回答误差。
无回答与调查的统计关系密切。一方面它会使研究者在分析时所用的有效样本量减少，使得估计量的精度降低；另一方面，由于它的存在，往往会形成一种系统性误差即偏差。
一部分调查者由于没有认真考虑对无回答的处理，使得他们的数据分析结果存在严重问题，可参考性降低。
二、无回答误差的调整与补救
处理无回答的方法可分为二类：第一类是采取预防措施尽可能的提高回答率，减少无回答发生的可能性。另一类是当无回答不可避免地出现时，采取相应措施进行补救，降低调查误差[3]。
（一）减少无回答误差的预防措施
1.对访问员的选择与培训。首先访问员必须要有一定的责任心和相应的学历背景，可以保证他们对于问卷的理解不出太大的偏差；其次对访问员的培训也显得十分重要，培训大致分为两个方面， 一是沟通技巧的提高，二是责任心的培养。咨询公司需要建立一个健全的质量控制体系，对访问员的访问进行及时的控制。
2.加强与被访者的交流，消除被访者疑问。加强与被访者的交流就是需要提高沟通技巧， 这些方法可以分为两类：一是与消费者第一次见面时的沟通技巧， 二是对于某个专项问题的沟通技巧。
3.事先通知。在访问员接触到被访问者之前， 先要进行一定程度的沟通， 比如打电话等，消除被访者的疑虑， 然后再进行正式的访问，这样能够极大地降低拒访率。
4.物质奖励。物质奖励要建立一定制度，要适度，不要过高或过低。
5.多次访问。多次访问是指在第一次访问被拒绝以后， 进行第二次、第三次访问，到被访者愿意接受采访为止。
6.随机化回答技术。关于敏感性问题 （如考试作弊、偷税等）可采用随机化回答技术，针对不同的情况可采用沃纳模型、西蒙斯模型及双无关模型。
7.确定准确的调查方位及事后提醒。访问员应事先考查被访者的准确地点，降低单位无回答，当出现项目无回答时访问员可联系被访者提醒相关事项以得到完整的问卷。
8.替换。替换是指某个抽样单位在拒绝采访以后，舍弃该单位，寻找与其背景相同的单位作为替换， 进入抽样总体。替换有其优点就是实际操作相对于多次访问要简单， 但是如果不是随机替换，就需要事先了解被访问对象的背景， 这个一般很难做到。纯粹随机替换会造成目标总体与抽样总体之间产生较大的差异，而且使访问的随意性有所增加， 最后会影响到数据的真实性和可靠性。
（二）当无回答发现时可采取相关补救措施来降低其误差[4]。
第一、二重抽样。即分两次抽样，第一次抽取的样本容量大，在这个大样本中再抽取一个容量较小的样本，然后把这两个样本资料结合起来对总体的有关标志做出估计。当用于由无回答造成的偏差，并对其调整，在第一次抽样并得到回答单位数据的同时，再从最初无回答的单位中随机抽取一个子样本，并通过更细致的工作得到无回答子样本的数据，并做为整个无回答的代表值。最后把第一次调查中有回答单位的数据和第二次调查中从无回答层中得到的调整数据结合起来对总体的有关参数进行估计。其方法包括经典概率方法和贝叶斯方法。
第二、复制估算法。它是指当无回答情况出现时，用其他已有数据替换无回答的缺失数据，进而对总体进行估算的一种方法，此方法特别适合项目无回答。其 数据来源有两个：一个来源是目前所从事的调查，即从已回答者的数据中进行筛选，将被选中的数据顶替到无回答的位置。国外将此程序称为“Hot-Deck”；另一来源是同类调查，或是已有的关于无回答单位的数据。国外将此程序称为“Cold-Deck”
用于替代无回答的复制数据不仅来源不同，而且产生的方法也不同。常见的有随机抽取、均值替代、回归估计、最近距离确定等。
第三、加权调整法。它是指对调查中回答数据赋予加权因子，进而达到对数据进行调整的作用，减小由无回答造成估计量偏差的影响。
参考文献:
[1] 孙道志.统计调查中的非抽样误差[J].青海统计， 2005，（07）.
[2] 雄观梅、马胜红、王玉琴. 浅析统计非抽样误差成因及其对策[J]. 经济师论， 2002，（06）.
[3] 金勇进. 非抽样误差分析[M] 北京：中国统计出版社，1996.
[4] Judith T.Lessler， Willian D.Kalsbeek.调查中的非抽样误差[M] 北京：中国统计出版社， 1997.