基层敏感性问题的调查问卷设计及数理统计方法

基层敏感性问题的调查问卷设计及数理统计方法

在问卷统计结果分析中的应用

云和县统计局

摘要：敏感性问题调查是统计调查的重点和难点之一，本文首先介绍当前实施敏感性问题调查的难点及解决思路与方法，接下来以对云和县统计局组织实施的《云和县2012年度“作风建设大评议”暨“社会满意度评价”调查活动》的简介为引子，对贯穿整个调查活动过程的各个方面进行分析，随后将数理统计方法运用到调查统计结果中去，充分挖掘数据背后隐藏的价值信息，最后提出分层弱化的方法，以期从设计层面缓解当前基层开展统计调查存在“走形式、数据质量差”的弊端。

关键词：敏感性、随机化问答技术、显著性水平、均值检验、多元Logistic模型。

关于敏感性问题的界定，理论界众说纷纭，尚无定论,概括起来为在法律和社会准则允许的前提下，在一定时期或一定调查目的基础上调查主体为获取信息所提出的让被调查者存在顾虑，不愿意配合回答或不愿意真实回答的问题。在现代社会和经济现象中敏感性问题既具有客观性，又具有普遍性，统计部门作为权威的调查机构，在实施调查过程中应充分发挥自身优势，积极为提供最有说服力的数据调查分析结果和信息决策咨询产品。

一、敏感性问题调查的意义及难点

信息社会的到来伴随大量信息呈现爆炸式指数增长，如何获取以特定形式加工的信息，尤其是对敏感性问题调查的信息获取，并得到有价值的结论和预测是非常有意义的。如市场主体为抢抓市场机遇开展市场问题调查，针对性强，往往涉及到个人隐私等敏感信息，若能获得有效的客户消费倾向和需求偏好，对于企业以市场为导向的长远发展将提供决策依据；统计中介机构开展的涉及到社会管理和民生意向的问卷调查，若能消除民众的顾虑，得到其真实诉求，对创新社会管理促进社会稳定都具有积极的建设性意义。

实施敏感性问题调查难度很大，如对“你是否服用过毒品”采用直接问卷调查，被调查者往往认为这项调查不太礼貌而拒绝回答；如

对“你对党委政府的某项公共政策是否满意”，被调查者大多基于自我保护意识而回答满意，类似这样的问卷调查，出于某种顾虑，被调查者甚至做出与实际相反的回答。问卷调查的结果对政府部门和社会机构生产和生活的影响越来越大，调查的质量直接影响到其决策和行为。当某些敏感性问题针对调查目的非常重要而不可或缺时，就应该特别注意问题的提出，尤其是提问方式，在调查方法上进行一些专门设计，尽量降低敏感性，减少被调查者的疑虑，从而得到较真实的调查结果。同时我们也应认识到，基层被调查者的文化素质和配合程度整体较差，在实施调查时，要在问卷设计的简洁性上下功夫，以兼顾问卷调查实施的可操作性和获取真实意见和看法的有效性。

二、问卷设计中敏感性问题的处理

在一般的问卷设计中可以从问卷的提问方式、备选答案的设置以及语句的措辞等方面来加以注意, 避免因问卷本身设计的缺陷而使本来为“非敏感性”的问题, 变为“敏感性”问题。如若确实要提出敏感性问题, 可采用如下处理方法：

（一）非数学化的处理

1、运用说明性语言

在问卷开头加入一些说明性语言，说明调查机构与调查人员始终恪守行业准则与职业道德,对被调查者的个人信息及所提供的数据资料将予以保密,来降低被调查者的心理防卫。如：对“高中生恋爱观调查”中可在问卷开头说明：“您好, 我们是××中介调查公司的调查员。为了解目前在校高中生的恋爱观,我们将征询您的看法。请您客观陈述您的观点，我们将对您的回答及个人信息予以严格保密，不予外泄! 感谢您的支持与配合!”，用这种说明性的语言向被调查者说明我们进行的是一项正规的社会调查活动，无任何商业目的或窥探隐私等其他目的，从而达到降低心理防卫的目的。

2、运用转移法或解释法

转移法即采用第三人称方式提问，将本该被调查者根据自己情况回答的敏感性问题, 转移到他人做答来降低敏感度。如：“许多同学在考试中都会作弊, 您知道都有什么原因促使他们作弊嘛？”，如直接提问“您考试作弊嘛？”会引起其心理防卫而拒绝回答，采用转移法将被调查者的视线转移到其他人身上，降低了其心理防卫从而提高答案准确率。解释法即在提出敏感性问题时声明这种行为或态度是常见的，以此来拉近与被调查者的距离, 如：“现在许多人都患有痔疮方面的问题，请问您有这方面的困扰吗？”，如果直接提问“您有痔疮嘛？”，被调查者会由于个人隐私而拒绝回答，采用解释法让他知道患有痔疮是许多人面对的共同问题，是一种常见行为，不是他一人独有，从而获得相对正确的答案。

3、运用过滤性问题

过滤性问题的作用类似于过滤器，即通过设置一个或一组问题作为条件以筛选被调查者，问题答案符合条件的被调查者继续做答，而排除不符合条件者。

（二）数学化的处理—随机化回答技术

由于敏感性问题具有隐密性、可变性的特点，用一般的调查技术往往难以获得有效的数据资料，即使是按上述非数学化的处理方法也只能是在一定程度上降低问题的敏感度，并且降低的程度有限，所以为解决这个调查难题, 统计学家们做出了很多努力,其中比较流行的做法是采用随机化回答技术（英文简称为RRT），建立随机化问答模型。RRT有很多模型，其中最具代表性的是沃纳模型、西蒙斯模型。

1、沃纳模型（Warner model）

沃纳( Warner)于1965 年首先提出随机化回答模型，该模型被命名为沃纳模型。其基本思想是：调查人员设计两个相关的敏感性调

查问题，要求被调查者从中随机抽取一个回答，而调查人员不知其具体抽中哪一个问题。在这样的情况下，可适当减轻被调查者的心理负担，激发他们的合作积极性，提高对敏感性问题的回答率。调查完毕后，调查人员按数理统计方法将资料进行整理，并根据全概率公式求得对该敏感性问题的估计回答。

2、西蒙斯模型（Simmons model）

西蒙斯( Simmons) 于1967年对沃纳模型进行了改进。西蒙斯模型与沃纳模型的最大不同点在于, 调查人员设计的随机化问题是两个不相关的调查问题，一个为敏感性问题，另一个为非敏感性问题。这样处理的目的是更大程度地激发被调查者的合作意识，更为有效地提高敏感性调查数据的质量。在实践中，西蒙斯模型运用较广。

RRT 虽然是一个敏感性局部的处理办法,并已得到了广泛使用, 但也要看到由于方法自身特性有无法消除的缺陷。关于敏感性问题的调查，更应注重对人们心理情况的研究，这启示要更多结合心理学、社会学进行研究，力求建立更好的随机化回答技术模型，来提高敏感性问题的调查质量。

三、云和县2012年度“作风建设大评议”暨“社会满意度评价”调查活动及统计分析

本次调查活动由云和县纪委（监察局）负责牵头，县统计局负责组织实施，根据单位职能和工作性质，将被评议单位分五类分别进行评议，共计87个单位：第一组18个单位，以承担经济工作任务较重的政府部门为主；第二组21个单位，以社会事业和政府服务管理部门为主；第三组24个单位，以综合、党群部门为主；第四组14个单位，以银行、保险、通信和烟草为主；第五组10个单位，为乡镇、街道。评议人包括县四套班子领导、政风行风效能监督员、县直机关代表、党代表、人大代表、政协委员以及社会代表（社区负责人、居

民代表、企业代表），每类评议人构成比例大致相近，确保较为真实反映社会各界的综合意见。每位评议人按各单位的服务态度和工作效率、办事公正和廉洁自律、工作实效和社会影响进行评议，评议标准分为“满意、比较满意、基本满意、不满意”，分别赋值100、80、60、40分，同时考虑到实际情况，另设“不了解”，不计入得分。评议结果采用百分制计分法，每个被评议单位得分为其在各类有效评议人上的得分加权后之和，权重为对该单位进行评议的某类评议人有效评议次数（扣除“不了解”数）占该单位全体有效评议次数（扣除“不了解”数）比重。

（一）评议调查统计结果简介

1、统计汇总结果

由于单位最后评议得分与其年终考核等次及绩效奖励挂钩，此项调查活动具有一定的敏感性，评议表统计过程由县委组织部负责监督。统计人员按照规定，严格进行审核统计，经确认共有266人做出有效评议。从汇总结果看，评议人（266人）共完成22378次有效评议，有效评议率为96.7%，若扣除评议人勾选的不了解数，则有效评议率为87.6%，即评议人对87个被评议单位的平均不了解比率仅为9.1%，说明评议人在评议时认真对待，对大多数被评议单位均能做出自己的主观判断，而不是勾选“不了解”敷衍了事。从被评议单位分组情况看，各组有效评议率基本一致，仅第四组被评议单位不了解比率偏高，达到11.9%，主要原因是县农业发展银行被勾选“不了解”次数过多拉高了该组不了解平均数，对该行评议为“不了解”高达58人次，远高于每单位平均24.1次的水平，说明与其他金融银行部门相比，农业发展银行在我县居民中的社会知晓度和影响力稍逊一筹，这有可能是由于知名度不高和业务较为单一造成的。

2、分组各单位满意得票数简介

从各组被评议单位的平均得票数情况来看，第一组单位的满意数得票最高（53.5次），占其平均有效评议次数的比重也最高（20.7%）；第二组单位的满意数得票最低（43.8），占其平均有效评议次数的比重也最高（16.8%）。这说明涉经部门因自身职能致力于发展经济，在产业发展、资金支持和技术服务等方面积极投入，城乡面貌大大改善，对社会群众的影响程度相对较高，比较容易获得满意评价。反之，社会事业和政府服务管理部门则由于业务活动往往是被动式的服务定向人群，对人民群众日常的生产生活的影响程度不够全面，得到的满意率则较低。

从各个被评议单位的满意得票数情况来看，它直接反映了评议人整体的选择趋向，是对各单位作风建设暨社会满意度整体评价的主要参考风向标。从统计结果看，关系到居民健康或可能与居民利益相冲突的单位满意得票整体偏低，如环保局、质监局、药监局、土地征收办公室和住建局等单位；居民不熟悉的单位满意得票整体也偏低，如气象局、人民防空办公室、档案局、文联和团县委等单位。而党群权力部门或与居民利益密切相关的单位得票普遍偏高，如纪组宣部门、民政局、发改局、财政局、农村信用联社等单位，分化结构较为明显。造成的原因，一是每个评议人作为居民的身份做出这样的分化选择极其合理自然，二是在党政机关任职（如县四套班子领导和县直机关代表）或有过任职经历（如部分退休的党代表、人大代表和政协委员）的评议人占比可能偏高所致。但现实的问题是，此次我们按照分层随机等距抽样的原则选取评议人，尽量控制各类评议人之间的比例均衡，且对抽取的县直机关代表、党代表、人大代表、政协委员均作出了非领导职务的限制，力求公平合理，尽量保证统计结果真实可信，但受整体抽样框和抽样方法的限制，无法完全保证评议人在各行政区域范围内或各县直机关单位间的分布均衡，也无法消除某些权力强势

部门受到“照顾”评议之嫌，这也是理想状态与现实可操作性之间不得不存在的妥协。

3、统计结果的描述性数据分析

从下面全部87个被评议单位及分组单位的得分情况图来看（按得分从低到高排列），除县委组织部得分91.46、农村信用联社得分88.09、民政局得分86.21偏高之外，大多单位得分分布较为平均，在均值线80.23处上下浮动对称，区间范围大致在[75,85]内。从描述性统计分析结果看，全部单位得分及分组单位得分平均值与截尾平均值基本接近，所有单位得分的标准误差仅为0.33%，各分组单位的标准误差也不超过0.85%，说明得分集中趋势较为明显。通过计算，峰度系数为1.4551＞0，说明单位得分为扁平分布，不存在异常的离群值，且分布均匀；平均值大于中位数，且偏度系数为0.9191，为右偏分布，表明大多单位得分在平均值以下，说明评议人对87个被评议单位的整体评价是略低于比较满意的评议标准的。

（二）相关问题分析

1、独立样本均值检验

（1）县四套班子领导参与评议的影响的问题提出

按照县纪委（监察局）的要求，县四套班子领导参与“作风建设大评议”暨“社会满意度评价”活动，既丰富了评议人类别，又体现了县领导对改进机关单位作风建设的重视程度,但这也带来了一个疑

惑，各单位的工作职能不同是否导致县领导的评议有失客观公平？当然即使存在这种不公平也是极其合理的，因为评议结果是每个评议人把握客观事实与主观倾向性选择的综合反映，一方面县领导对各单位的了解程度是不可能一致的，如对A单位工作中的特色亮点和经验比较赞赏，而对B单位工作的不足之处颇为在意；二是由于工作的接触紧密程度不同造成的，如在日常频繁的业务工作指导和反馈中，经济工作部门和党群权力部门有可能加深领导对其主观上的偏好，而弱势部门和边缘部门由于较为缺乏这种上下级间的互动，则难以受到这种“照顾”。基于这种考虑，我们可从比较县四套班子领导对各单位的评议得分与非县四套班子领导对各单位的评议得分入手，从统计学意义上来分析两者之间是否存在显著的差异性？

（2）独立样本均值检验情况

独立样本均值检验是检验两个独立样本均值是否存在显著差异的一种方法，在检验前要先判断这两个样本对应的总体方差是否相等，也就是进行方差齐次检验。在总体方差相同和不相同情况下，分别对样本均值采用不同的统计量公式进行检验。

组统计量

从上表的组统计量看，每组被评议单位的样本1（1=县四套班子

领导评议得分）和样本2（2=非县四套班子领导评议得分）间的均值、标准差以及标准误差的差异程度不一，为此先进行Levene方差齐次检验，从检验结果看，第二、四、五组样本的F统计量所对应的显著性水平Sig.＞0.05(见下表左边)，在5%的显著性水平下接受两组样本对应的整体方差相等的假设，为此继续进行均值方程的t检验，t 检验量对应的显著性水平Sig.(双侧)(见下表右边)分别为0.17、0.633和0.034（前两个大于5%，第三个小于5%），因此从统计学上接受第二、四组被评议单位各自的两组样本1和2均值相等的假设，同理拒绝第五组被评议单位两组样本1和2均值相等的假设。

下面来看第一、三组单位的Levene方差齐次检验结果，其F统计量对应的显著性水平小于0.05，拒绝两组样本1和2所对应的总体方差相等的假设，接下来的样本均值检验表明t统计量对应的显著性水平分别为0.259和0.073，均大于5%，接受样本1和2均值相等的假设。同理对于所有被评议单位来说，不但两组样本1和2的方差所对应的总体方差相等的假设不能成立，而且两组样本均值相等的假设也不能成立。

（3）结论

根据上面的各组被评议单位的检验结果，总结如下表所示。由此表明，对全部单位来讲，县四套班子领导的整体评价要优于非县四套

领导评议人，但其内部波动要较大。由此我们可以合理推定，一方面县领导评价较为全面客观，因为是站在全县工作大局的高度上来对各单位进行评价，公平性原则得到保证；而非县领导评议人大多根据对机关单位的了解或工作生活接触来评价，这种评价是个体化的，也是基于不全面的经验判断结果，即使感到满意也不见得评价满意，但若感到不满意则肯定做出直观的评价，因而所有单位在非县领导上的平均得分低一点也在情理之中。另一方面，县领导对各单位的工作了解较为清楚，因而评价具有差异性和辨识度，而非县领导评议人若对某单位了解不是很清楚，则往往折衷或模糊评价，因此整体上得分的内部波动性比县领导的要小。

独立样本检验结论表

子领导评议得分的样本。

从分组单位检验结论来看，第二组（社会事业和政府服务管理部门）和第四组（银行、保险等部门）在两类评议人上的得分无显著性差别且内部差异性一致；而第一组（涉经部门）和第三组（综合、党群部门）在两类评议人上的得分差异性则有所区别，且县领导的要大。由此可以合理推测，对于第二、四组单位，县领导可能侧重于以公民身份的定位做出评价，因这些单位与其政绩的相关性不强，“照顾”评价的可能性相对较低，因而与非领导评议人的得分无显著差别；对于第一、三组单位内部，既有主抓经济和权力单位，县领导“照顾”评价的可能性很大，也有边缘和弱势单位，“照顾”的可能性几乎没

有，因而其内部差异性就比非领导评议人的要大。至于第五组（乡镇、街道），相对非县领导评议人来说，县领导做出较好评价的可能性较大，因而整体得分偏高一点。

2、多元Logistic模型分析

（1）对个别单位满意得票数过高（低）的问题提出

此次评议个别单位的满意得票数过高（低），远远偏离平均值，如满意得票数排名前三的为县委组织部、农村信用联社、民政局，分别高达157、114、108票，满意率（100%*满意得票数/有效评议人数）分别为59.0%、42.9%、40.6%，而有些单位满意得票则很低，甚至只有十几票。作为评议人，若是根据自己掌握的实际情况，对各单位做出自己的主观评价，显然从程序上讲也就保证了此类具有一定敏感性调查活动的客观公平，但实际上很难避免“老好人”票或“人情票”。为此本次调查活动对每个评议人均严格限定了相同的做出“满意”评价的最大次数，否则统计时视为无效票，这在很大程度上杜绝了“老好人”现象的存在，但是却无法消除“人情票”的存在，所以对个别单位满意得票数存在异常情况有必要加以分析研究。一来可以从侧面了解评议人整体的倾向性选择或者偏好是否具有某种规律，二来也可以对今后改进此类敏感性问题调查有所启发，从而完善调查程序的公平性，最大限度消除评议人的不公正评价。

（2）多元Logistic模型分析情况

对有若干个结果的多元分类因变量（响应变量）的发生概率建模时，可以使用多元Logistic回归模型来进行分析。由于事件发生的概率都在0和1之间变动，作为广义线性模型中的一种，Logistic 回归模型对普通线性回归模型进行了扩展，能很好解决因变量仅在[0,1]之间变化的回归问题。如本文中我们想知道决定某个被评议单位的满意率、不满意率等的影响因素有哪些？这些很有可能与评议人

的年龄、性别、工作经验等相关，甚至可能与个人敏感性信息相关，但这些不可能得到每个评议人的正面回答，因此只能收集相关评议人的基本信息或通过弱化敏感性来获取评议人的某些资料加以分析研究。

本次调查活动在评议表表头仅设置了评议人的一些基本信息，包括年龄（分为31岁以下、31-45岁、45-60岁、60岁以上四个阶段）、性别、有无机关单位工作经历。由于我们期望通过这次调查后的统计结果去分析不同类型评议人对不同类别被评议单位的整体评价是否具有某种规律？如评价结果与其身份类别、年龄阶段的相关性及分布情况如何等等。这里设置“有无机关单位工作经历”类似于弱化“身份类别”这种敏感信息，尽管为无记名评议，但由于评议人素质差异性较大，个体防范性、敏感性和配合程度都有很大不同，理想状态下，这样可以尽量消除可能存在的顾虑（如某机关人员以党代表身份参与评议，其对县委组织部不太满意，若在表头勾选党代表身份，往往不愿做出真实评价；若勾选“有机关工作经历”，则对组织部做出不满意的评价的可能性大增），也就尽量保证了评议人对调查评议卷做出完整评价的成功率。

这里选取两个有代表性的单位作为我们的研究对象，一个是组织部，一个是环保局，两个单位在满意得票数上存在巨大差别，若能进行对比分析，应该具有一定的价值。考虑到得票数大多分布在满意（用代码1表示）与比较满意（用代码2表示）两个选项上，这里将基本满意和不满意合并（记为代码3），对组织部和环保局的得票数据均采用多元Logistic方法进行建模，分析以代码3为参照标准，研究两个单位在代码1和代码2上的概率及变动规律。从拟合系数检验看，皮尔逊系数和方差统计量的卡方检验的显著性水平均大于0.10，表明多元Logistic模型很好的拟合了数据，输出结果如下面两表所示：

上面的《案例处理摘要》表给出的是组织部和环保局在代码1、2和3上的得票数情况，还有评议人的性别、年龄、工作经历的分布情况（均用数字代码表示，这里略）。接下来《参数估计》表给出的

是多元Logistic 回归模型拟合的参数估计结果，根据表中的回归系数（B 列）得到回归方程。以代码3为对比基础，这里直接给出组织部在代码1、2上的概率回归方程分别如下：

1230.495 1.264+0.036 1.220 4.4541p

Ln p

=--+-0年龄类型年龄类型年龄类型经历 (1) 1231.2590.716+0.089 1.3010.9321p

Ln

p

=--+-0年龄类型年龄类型年龄类型经历 (2) 同理环保局在在代码1、2上的概率回归方程分别如下：

1231.4660.7850.038+0.1541p

Ln

p =----年龄类型年龄类型年龄类型 (3) 1230.074+0.160+0.501+0.5801p Ln p

=-年龄类型年龄类型年龄类型 (4) 上面(1)-(4)式中，p 均表示某个评议标准的发生概率，显然有

[0,1](,)1p

p Ln

p

∈?∈-∞+∞-。 （3）结论

从（1）、（2）方程式中参数看，31-45岁（2年龄类型）并且选择代码1（或2）的评议人，其参数估计值为正（即0.036、0.089），对应的显著性水平＜0.05（见《参数估计表》），通过显著性检验，说明与选择代码3的评议人相比，他们选择代码1（或2）的概率要大。而31岁以下（1年龄类型）和45-60岁（3年龄类型）并且选择代码1（或2）的评议人，其参数估计值为负，对应的显著性水平＞0.05, 没有通过显著性检验，说明与选择代码3的评议人相比可能没有明显的差别。同时有机关单位工作经历的（0经历）且选择代码1（或2）的评议人，其参数估计值为正，通过显著性检验，说明与选择代码3的评议人相比，他们更倾向于选择代码1（或2），且选择1的概率（系数为4.454）要比选择2（系数为0.932）大得多。基于这样的回归结果我们可以合理推测评议人有机关单位工作经历是决定组织部满意得票数偏高的关键，但在不同评议人年龄区间上做出的倾向选择可

能存在差别，即31-45岁的评议人普遍做出较好的评价（尤以满意为主），而31岁以下和45-60岁的评议人则评价较为平均。进一步可以认定相对于其他单位，组织部由于自身的特殊职能具有获得满意评价的“天然优势”：31-45岁的评议人正处于事业发展的黄金期，能力、资历、经验日臻成熟，要求上进的企图心更强，所以易对组织部做出最好评价；其他年龄段的评议人则由于未到或已过黄金期，对组织部的评价也就没体现那么强的目的性，普遍表现为较好而已，但还是明显好于其他单位。至于没有机关单位工作经历的评议人，由于基本不存在利益相关，其对组织部的整体评价与对其他单位则不存在明显差别。

从（3）方程式中参数看，31岁以下（

年龄类型）和31-45岁

1

（

年龄类型）且选择代码1的评议人，其参数估计值为负，通过显著2

性检验，说明与选择代码3的评议人相比，他们选择代码1的概率要小的多；而45-60岁（

年龄类型）评议人的参数估计值尽管为正，但

3

未通过显著性检验，说明与选择代码3的评议人相比可能并没有什么差别。从（4）式中参数看，3个年龄段选择代码2的评议人的参数估计值为正且通过显著性检验，说明与选择代码3的评议人相比，他们选择代码2的概率要偏大一点。由此可以合理认定评议人对环保局的评价与其有无机关单位工作经历不存在相关性，从侧面说明随着生活水平的提高，环境保护意识已经深入民心，作为居民，每位评议人对环境保护的要求越来越高，整体上对环保局做出满意评价的概率都比较低，做出比较满意评价的概率也不高（见（4）式中参量系数），且呈现年龄越小做出较差评价的概率就越大的特点，这可能与年轻人对生活品质和舒适度的要求较高有关，也可能受经常参加户外活动或锻炼的客观条件所决定。

（三）一些补充说明

由于受样本量限制和缺乏此类调查的相关数据结果及分析结论的支持，根据样本均值检验和多元Logistic回归模型所得出的一些结论和推测仅是基于统计结果所得，可能与真实情况存在偏差，因为掌握的评议人信息不全面且很粗略，更无法保证每个评议人的客观公平。回归模型没有捕捉到60岁以上的回归结果，可能与该年龄段评议人样本数偏少有关，同样也没有捕捉到性别差异因素的影响，可能此次评议不存在这方面影响，也可能是仅靠一次这样的调查是远远不够的。这里只选取组织部和环保局作为特殊个案来对照研究，力求揭示评议人样本的意见在其自身某些属性上的分布情况，从而推断社会各界总体上的一些倾向。

四、分层弱化模型的提出

从上面我县这次调查活动过程中的一些体会和数据分析推断的结论来看，很难消除一些不公平现象的存在，如“照顾评价”的差异性、分年龄段评议人的安排是否合理、在特定调查目的下被评议单位的分组问题等等。若敏感性问题调查千篇一律只追求快捷完成，这样绝对会暴露出“走形式、数据质量差”的弊端，也会造成人力、物力和财力的浪费。应该在设计层面上更有针对性，在具体原则和方法的框架下，通过精细化、特异化的设计才能尽量保障调查结果数据质量的可信度。为此这里提出一种思路以供参考，即分层弱化的方法。

分层弱化的建模思想是基于敏感性问题具有可变性的特点而设计的, 即根据敏感性调查的不同目的，探究造成该调查问题为敏感性问题的原因，由此选择与之相关的非敏感分层标志以划分不同的调查层，再根据各层被调查人群的不同心理特点或性格特征，相应设计每层弱化或非弱化的敏感性问题，达到降低敏感性问题的敏感度、争取被调查者合作的目的（如本文中不同年龄段的评议人对组织部和环保局进行评价时存在的差异性就需要这样的设计）。分层弱化模型的实

施主要分为分层和弱化敏感度这两个步骤。其中非敏感分层标志的选择和弱化敏感度的方法则成为应用该模型的关键所在。但需强调的是，分层弱化模型并不是孤立的，它要在调查自的的导向下与其他调查方法有机结合，扬长避短，才能取得理想的调查效果。

五、总结及建议

本文首先介绍基层敏感性问题调查的难点和一些方法，接下来以我局组织实施的《云和县2012年度“作风建设大评议”暨“社会满意度评价”调查活动》为引子，对整个调查活动过程的内容进行了梳理分析，随后用均值检验和多元Logistic回归模型对调查结果可能存在的一些疑惑进行了探析和推论，也得出了评价结果与评议人属性上的一些规律，最后提出分层弱化的方法，以期从设计层面缓解当前基层开展统计调查存在“走形式、可靠性差”的弊端。本文仅是管中窥豹，在综合考虑和具体分析方法上还存在许多不足，今后需要创新方法去完善如何获得敏感性信息，强化科学的设计和针对性的处理，合理规避和消除评议人的顾虑，通过多次这样的调查来丰富经验，做出更可靠和符合逻辑的推论和判断，努力发挥统计调查“于小样本中窥探大世界”的功能，实践统计调查更好服务社会的目标。

课题负责人：吴兆江

执笔人：方正华