敏感性问题的调查方法

【摘要】： 抽样调查被广泛用于调查各种社会经济问题，其中有一类是敏感性问题，所谓敏感性问题，是指与个人或单位的隐私有关而不便于向外界透露的问题，比如，是否偷税漏税；是否吸毒、赌博等。对于这类敏感性问题，调查中若采用直接问答的方式，被调查者为了保护自己的隐私或出于其他目的，往往会拒绝回答或故意做出错误的回答。为了得到敏感性问题的可靠的样本数据，有必要采用随机化回答技术(Randomized Response Technique即RRT)，RRT是指在调查中使用特定的随机化装置，使被调查者以预定的概率p回答敏感性问题，从而估计具有敏感性特征的人在总体中所占的比例π_A，与直接回答相比，RRT能够有效地保护被调查者的隐私，使他们做出真实的回答。随机化回答技术是1965年沃纳提出沃纳模型(Wamer model)后发展起来的，沃纳的随机化回答技术能有效地消除误差，后来出现了Simmons模型、Mangat模型、Kuk模型等。敏感性问题按总体的特征分为两类：属性特征的敏感性问题和数量特征的敏感性问题。属性特征的敏感性问题是指被调查者是否具有敏感性问题的特征，一般是估计具有敏感性特征的人在总体中所占的比例。数量特征的敏感性问题是指被调查者具有敏感性问题数额的多少的特征，一般是估计敏感性数额的均值或总和。 本文第一章介绍了基本的随机化回答模型。第二章讨论了属性敏感性问题的调查方法，将贝叶斯方法用于改进模型的参数估计，求出了两种不同的贝叶斯估计方法，然后利用Maple求出近似解。无关问题模型是调查属性敏感性问题的一种方法，本文提出了改进的方法，使估计量的方差更小。在实际的调查中，有时会遇到调查两个敏感性问题或多项选择的敏感性问题，本文对此进行了讨论。第三章论述了数量敏感性问题的调查方法，随机截尾模型是一种在实际应用中十分简便的方法，它是把对数量特征的调查转化为对属性特征的调查，避免直接回答，是一种易于被调查者接受的方法，本文提出了一种改进的随机截尾模型，既能得到较高的精度，又能提高被调查者的合作程度。乘法模型是一种调查数量敏感性问题的方法，本文提出了一种改进的随机化调查方法，使估计量具有更高的精度。加法模型是一种较好的调查方法，本文将它的改进方法推广到分层抽样，能获得较为准确的结果，而且这种处理方法对大规模的抽样调查有很好的借鉴作用。第四章讨论了不完全真实回答情况下Mangat模型(1994)的分析，并对随机截尾模型和它的改进方法进行了精度比较。