美国统计数据质量控制

未经许可不得转载

统计制度方法研究

2012年第4期

2012年3月8日

国家统计局统计科学研究所————————————

美国统计质量控制和评估的经验及对我国的启示

设计管理司徐荣华张英花成金璟

目前，人们对统计数据质量的认识已经发生了很大变化，一是注重从用户的角度来评价数据质量，强调用户对统计信息的满意程度；二是认为数据质量是一个综合性概念，应从适用性、准确性、及时性、有效性等多方面来衡量。为尽快研究制定既符合我国国情、又具有国际可比性的统计质量评价标准，提出切实可行的统计质量控制和管理办法，建立我国统计质量控制和评估机制，统计设计管理司于2011年组织了统计质量控制体系理论与实践赴美培训团。

通过学习交流，我们对美国主要统计质量标准和美国主要统计机

构如何控制和评估统计质量有了一个基本认识，并深受启发。本文从介绍美国统计体制、主要统计质量标准入手，重点研究总结美国普查局控制和评估统计质量方面好的经验做法，旨在提出加强我国统计质量管理的意见和建议。

一、美国统计质量标准

美国联邦信息质量指南。

（一）

（一）美国联邦信息质量指南。

美国是分散型的统计体制，白宫管理和预算办公室（OMB）负责统计工作的协调管理组织，其主要职能有：1.审批主要统计机构的调查项目；2.处理主要统计机构的信息发布请求；3.协调各统计机构间的事务；4.向统计机构和合作项目推荐财政计划；5.实施和解释数据质量法案。

OMB为提高联邦各机构统计发布信息的质量，在2002年颁布了“联邦信息质量指南”，即“保证和提升联邦机构信息发布的优质性、客观性、有用性和完整性的指南”（Guidelines for Ensuring and Maximizing the Quality,Objectivity,Utility,and Integrity of Information Disseminated by Federal Agencies）。在该指南中，OMB将质量（Quality）定义为一个合集，具体包括了客观性（Objectivity）、有用性（Utility）、诚信（Integrity）。

具体来看，客观性是指信息内容和信息发布是否准确、可靠、无偏。为保证信息的客观性，要求提供完整、准确和简明易懂的关于统计调查过程的文件资料，描述各种可能影响数据质量的误差来源。有

用性是指发布的信息是否有用，是否满足用户需要。通过内部评估、用户满意度调查、对统计需求的预期、开发新统计产品等途径，从具体专业数据用户、研究者、决策者和公众的角度，来考虑联邦机构公布的数据信息是否有用，保证联邦统计数据最大限度地满足用户需求，并以此为标准来开发新的统计产品和服务。诚信是指信息安全和信息保护，避免信息被非法泄漏，避免在统计信息上的腐败和做假行为。联邦政府颁布了一系列关于信息保护法规和行政条款，如隐私法、信息自由法、机密信息保护和统计效率法、联邦信息安全管理法等，对外承诺联邦机构收集的个体信息资料只用于统计目的。

可以说，“联邦信息质量指南”不仅阐述了信息质量的深刻内涵，而且也为联邦统计机构提出了信息质量的总要求和总目标，即信息的客观性、有用性和诚信。

（二）统计调查标准和准则。

在2006年9月，为了提高统计数据质量，有力保证各联邦统计机构的信息产品符合“联邦信息质量指南”的要求。白宫行政管理和预算办公室（OMB）在总结、推广和应用联邦统计机构的最佳统计实践的基础上，颁布了“统计调查标准和准则”（STANDARDS AND GUIDELINES FOR STATISTICAL SURVEYS）。这个标准化文件详细记录了所有联邦统计机构必须遵守的统计专业准则以及所有统计活动必须达到的质量水平和预期目标，是规范联邦机构统计调查项目工作流程、保证联邦机构之间统计活动一致性和协调性的纲领性文件，也是

用户了解联邦机构统计工作过程的重要文件资料。它对统计项目从调查目的、调查方法、汇总估计、质量控制到数据发布的整个过程作了十分具体详细的规定，并提出相应的目标和要求，同时附有实现这些标准的最佳统计实践指南。

“统计调查标准和准则”的制订是对统计调查的方案设计、数据搜集、处理、发布等各环节的规范和约束，是调查数据质量的技术性保障。具体包括7个部分，共20条标准：

1.统计概念、方法设计部分，具体包括调查计划（Planning）、调查设计（Design）、调查回答率（Rates）、调查体系（Systems）等4个标准；

2.数据收集部分，包括制定抽样框（Frames）、填报者范围（Respondents）、数据收集方法（Methodology）等3个标准；

3.数据加工和编辑部分，包括数据编辑（Editing）、不回答的分析和回答率计算（Non-response Analysis and Response Rate Calculation）、编码（Coding）、数据保护措施（Data Protection）、评估（Evaluation）等4个标准；

4.估算和预测部分，包括估算和预测方法（Developing Estimates and Projections）1个标准；

5.数据分析部分，包括分析和报告计划（Analysis and Report Planning）、推理和比较（Inference and Comparisons）等2个标准；

6.审查程序部分，包括数据质量评估（Review of Information

Products）1个标准；

7.信息产品发布部分，包括信息发布（Releasing Information）、数据保护和避免泄漏（Data Protection and Disclosure Avoidance for Dissemination）、调查文档（Survey Documentation）、文档和公共使用的原始数据发布（Documentation and Release of Public-Use Microdata）等5个标准。

二、美国普查局统计质量控制和评估的经验做法

作为美国最大的统计机构，在遵循OMB和美国普查局的上级机构—商务部的信息质量指南基础上，普查局早在2002年10月就发布了自己的信息质量指南。近年来，在对OMB和其他统计机构的标准不断研究和实践的基础上，普查局于2010年5月发布了最新的统计质量标准，作为普查局各项调查统计质量控制和评估的依据。普查局在制定、使用这项标准中有以下几个方面的经验做法值得借鉴。

（一）细化标准分类，明确标准的质量目标。

秉承联邦“统计调查标准和准则”，普查局的统计质量标准也包括了7个方面20个具体准则。为了切实保证和提升统计数据质量，普查局将这些标准进行分类，并且与联邦信息指南规定的三个总要求相结合，明确了不同工作环节的标准应实现的信息质量目标。

首先普查局将统计质量标准分为两大类，一是流程标准（“A”到“F”），根据信息产品开发和公布的不同流程而组织制定。二是支持标准（“S”），作为流程标准的辅助标准。流程标准包括：A.规划与

发展；B.收集和获取数据；C.捕获和处理数据；D.生成估计和测量；E.分析数据和报告结果；F.发布信息支持标准。支持标准（S）包括：S1，保密标准；S2，数据和文件管理标准。

保证和提升统计质量有用性的标准有：规划数据项目（A1），开发数据采集工具和辅助材料（A2），制定和实施抽样设计方案（A3），获取和使用行政记录（B2），审查信息产品（E3），发布信息产品（F1），为增加信息产品的透明度提供支持文档（F2）。

保证和提升统计信息客观性的标准有：规划数据项目（A1），开发数据采集工具和辅助材料（A2），制定和实施抽样设计方案（A3），确定和实施数据收集方式（B1），获取和使用行政记录（B2），捕获数据（C1），编辑和输入数据（C2），数据编码（C3），为多种源头的数据建立连接（C4），从样本直接估算（D1），用模型估算（D2），测量和显示非抽样误差（D3），分析数据（E1），报告结果（E2），审查信息产品（E3），发布信息产品（F1），为增加信息产品透明度提供支持文档（F2），地址信息质量问题投诉（F3），数据和文档管理（S2）。

保证和提升统计信息诚信的标准是保密性（S1）。这是个目标性标准，因为所有统计数据质量标准都包含了保护信息免受未经授权的访问或者发布的要求。

（二）严格规定统计质量标准适用范围和使用条件。

普查局的统计质量标准适用范围是所有由普查局发布的信息产品和生产这些产品的活动，包括向公众、赞助商、合作伙伴或其他客

户提供的统计产品。所有普查局的雇员和宣誓就职的特殊员工以及与普查局合作的机构和个人，必须遵守这些标准。

这些标准约束的信息产品可以采用印刷、电子或数字格式（例如，网络、CD、DVD和磁带），具体包括：新闻发布稿件；普查局出版物；工作底稿（包括技术文件或报告）；专业论文（包括杂志文章、书籍章节、会议文件、海报和书面的研讨意见）；摘要；项目研究报告；对外（如研讨会、大型会议等）的公开讲义；用来演示的讲义；表格和自定义表格；公众使用的数据文件；统计图表、数字和地图；以及传播这些信息产品的文件。

同时，普查局对这些标准不适用的范围也作了详细的规定，具体包括：用于普查局内部不向公众传播的信息产品；提交给商务部内部使用的信息产品；用于普查局和商务部管理、不向外部提供的内部程序或者政策手册；普查局行政或管理流程中的信息产品；为满足信息自由法的要求而发布的信息产品；仅用于普查局机构间、机构内部的交换文件或者用于普查局以外的个人但不包含数据、不涉及分析或方法论信息的文件等。

为了广泛用于普查局的统计项目和产品，统计质量标准描述较为广义，只列出标准的各项要求，没有列出达到各项要求的具体做法。同时，每种标准都有配套的关键术语列表，有些标准还附有事例。

虽然要求每个调查项目都必须执行所有20项标准，不过具体实施中，项目负责人还需兼顾统计数据质量和项目规模，这里的项目规

模是指满足所有标准要求时所涉及的预算、进度和资源等。如果项目负责人认为满足某个标准要求不可行，可以启动豁免程序。这时项目负责人要提交豁免文件，来论述此项目放弃执行某个统计质量标准的充足理由。豁免程序的出台，一方面保证了统计质量标准的顺利实施，另一方面为以后的统计质量标准修订，积累了处理标准外特殊情形的变通方法。

（三）设置统计质量管理的专门机构，明确人员职责。

为提高联邦统计数据质量、改进统计工作实践，早在1975年美国成立了联邦统计方法委员会，由白宫行政管理和预算办公室主管。委员会成员由白宫行政管理和预算办公室选定，由联邦统计机构的总统计师、经济学家和行政管理人员，主要职责包括：1.通报影响联邦统计数据质量的统计技术方法问题，并提出相应改进建议和措施。2.收集、评估和发布关于联邦统计机构统计调查方法和统计工作实践的信息。3.对联邦统计机构中应用的统计估计方法、调查设计、调查误差、行政记录利用以及数据发布、数据质量等统计方法问题提出相应的意见和建议。4.为不同联邦机构的统计专家提供相互交流、研讨的平台，推进和支持联邦机构之间统计合作研究。

美国普查局也建立了自己的统计方法和标准委员会，成员包括来自不同调查项目组统计研究和方法分部的负责人。美国普查局人员工作组织模式是跟着项目走的，主要有经济项目、人口统计项目或十年一次人口普查项目等。他们将一个项目组称为一个总部，将分别负责

项目规划、数据处理、数据分析和数据发布等各个环节的机构称为分部。其中，统计研究和方法分部负责项目统计方法的制定和实施，外勤和信息技术分部负责调查中数据收集、传输和处理，其他分部为项目组提供各种的行政、后勤和战略支持。也就是说，美国普查局统计方法和标准委员会的大部分成员分布于各调查项目组中。详见表1。

表1统计方法和标准委员会成员分布情况

项目总部统计方法和标准委员会成员

十年一次人口普查总部十年一次人口普查统计研究分部负责人

人口统计项目总部人口统计方法分部负责人

经济项目总部经济项目统计方法和研究办公室负责人

其他总部统计研究和方法论中心负责人

在这种组织模式下，委员会有权对普查局项目的制度方法提出意见和建议，以确保每个调查项目采用的统计方法和实施办法合理可行。具体来看，普查局统计方法和标准委员会的职责包括：1.强化对普查局统计质量标准的认识和遵守意识。2.审查豁免请求，并就豁免申请是否批准向项目负责人提出参考意见。3.定期进行标准的审查和评估，即研究标准的执行好坏，并明确执行中的困难。4.对评估结果、豁免请求和普查局统计质量标准改进建议等内容进行存档。5.根据需要更新标准。

项目组的统计方法和标准委员会成员（见表1）的职责包括：1.对负责和参与项目的标准执行情况提供指导意见。2.对负责和参与项

目的标准遵守情况进行辅助核查工作。

（四）建立质量审计制度，有效开展第三方事后评估工作。

如果说统计方法和标准委员会成员是统计质量管理和控制的“当事人”，那么审计则是对项目质量进行事后评估和改进的“第三方”。下面主要介绍普查局经济项目总部的质量审计项目（Quality Audit Program）。

1.质量审计项目的目的和内容。

质量审计项目（QAP）负责对普查局60项经济统计调查进行审计，每个项目每隔5年必须进行一次审计，每年需要审计12个项目。审计的目的是检查项目是否遵照执行了OMB的“统计调查标准和准则”、美国普查局的“统计质量标准”，生产的统计数据是否符合有用性、客观性和诚信的要求。

审计的内容包括统计概念、方法和调查方案，数据收集，数据处理和编辑，统计产品的估计和预测，数据分析，程序审查，数据发布等7个方面。

2.质量审计项目的机构人员。

普查局经济项目总部的质量审计项目（QAP）由经济项目审计领导办公室管理，每个项目审计小组一般包括三类人：组长、统计分析专家和数学专家。审计小组人员必须是普查局的雇员，但要求没有参与过所要审计项目的前期调查。审计小组组长一般为高级审计师，负责撰写审计计划、安排审计人员分工、培训审计组成员、提出审计报

告等。

3.质量审计项目的实施步骤。

美国普查局经济项目审计实施步骤主要可以分为三个阶段：第一是前期准备阶段，第二是审计阶段，第三是后期的项目整改阶段。主要工作步骤可参见表2。

表2美国普查局经济项目审计实施步骤

具体来看，前期先由经济项目审计领导办公室负责制定审计时间表，并提前6-8个月通知相关部门。具体的审计员会在审计开始前的2-4个月内挑选出来，审计开始前9周发布审计员聘用通知。被选中的审计人员要在审计开始前7-9周接受培训，培训内容包括OMB 和普查局颁布的质量标准、美国审计总署的审计标准和审计程序。

对一个项目的审计时间一般为4周。每个审计小组成员平均需要花费1-3周来独立审核项目文件。最后一周安排审计人员与项目组人员座谈，分析审计过程中发现的问题，讨论审计报告初稿并最终形成定稿。阶段

时间工作内容负责人准备

阶段前6-8个月制定审计时间表经济项目审计领导办公室前2-4个月

挑选审计员经济项目审计领导办公室前7-9周

培训审计员项目审计小组组长审计

阶段

第1-3周审计小组成员审核项目文件项目审计小组第4周审计人员与经济项目组座谈项目审计小组整改

阶段未来6个月到一年

督促整改方案执行项目审计小组副组长

随后，审计小组会对调查项目提出整改计划（Program Action Plan）。项目整改计划不能改变项目本身的意义，而是促进项目的调查数据更加准确。一旦整改计划被审计领导办公室确认执行后，通常由审计小组的副组长，一般为助理高级审计师，在未来6个月到一年的时间内，督促整改方案执行情况，并且会逐年检查直至整改项目完全实行。

三、对我国统计质量管理的意见和建议

（一）成立专门的统计质量管理部门。

美国虽然是分散型统计工作体制，但是行政管理和预算办公室下设了专门负责统计质量管理的联邦统计方法委员会。该委员会职责明确，主要负责对主要统计调查项目质量控制提供技术和方法支持，这为美国统计质量控制提供了机构保证。在美国普查局，统计方法和标准委员会的管理和组织模式，既保证了统计质量标准在各项统计中的顺利实施，又搭建了顺畅的沟通和反馈机制。我国对统计数据质量还没有集中管理，相应职能是分布到各个环节所对应部门中的。因此尽快形成适合我国统计现状的统计质量控制体系，在国家统计局成立专门的、相对独立的统计质量管理部门，实行人员集中管理、分项目负责的组织模式，对监督统计方法制度执行和管理统计工作流程的质量很有必要。

（二）制定统一的统计质量标准。

美国联邦信息质量指南、统计调查标准和准则是联邦政府统计工

作的法律基础和指导性框架文件，涵盖了统计工作各个环节，一方面，在事实上为提高联邦统计数据质量提供了制度保障；另一方面，在感知上强化了公众对联邦统计数据质量的认可度，有利于维护联邦统计数据的公信力。普查局的统计质量标准又根据自身承担的统计工作，细化了标准分类，严格规定了适用范围和条件，有效保证了标准的贯彻实施。与美国不同，我国的统计管理体制是集中模式，更有利于政策法规的贯彻实施。因此，我们应该继续加紧对统计质量标准的研究，尽早建立起一套以提高统计数据质量为目标，贯穿统计规划、制度设计、数据采集、数据处理、数据分析、数据发布等统计工作全过程的统计质量标准规范。在此基础上，在评估不同调查项目时，还应制定操作性强的、分制度的质量评估实施办法，并严格实施。

（三）建立统计数据审计机制。

美国普查局的质量审计制度，执行中严格按照联邦和部门统计调查标准，审计内容贯穿统计调查的全过程。这种事后第三方审计的工作机制极大的提高了美国普查局重大统计调查数据的质量。对比美国，我国对统计项目的事后审计工作还较薄弱，对很多统计调查结果大多采取事后质量抽查的做法，而缺乏对统计调查全过程的审计，在提高统计能力、统计数据质量和政府公信力强烈要求下，逐步建立起科学可行的统计数据审计机制很有意义。因此应该成立专门机构，即统计数据审计领导小组，组织专门人员着手于重大统计调查项目的审计，例如大型普查和重点调查。另外，从事审计的具体人员应该因项

目不同而不同。因为审计属于第三方，应避免抽调从事某个调查的人员对本项目进行审计，而应该根据审计项目的内容和审计的周期临时集中审计人员。

（四）积极吸纳各方面专家参与统计质量评估工作。

美国普查局在数据发布前会对数据进行评审，这些评审人员既有本部门的也有外部门的，既有总部的也有来自各州的，评审中如果发现重大数据问题，会与税收、商务等部门联合进行修正，充分保证了数据的客观性和有用性。我国统计工作任务较重，统计机构人员相对较少，在质量评估方面一直投入不够。因此，我们在开展统计质量的评估工作时，除了依靠本部门力量，还应积极吸纳其他部门、研究机构和高等院校的统计人才。这些人才作为统计数据的主要用户，参与到政府统计工作，既填补了专业人才缺口，又有助于提高统计数据的公信力。

（五）大力推广现代信息技术。

美国统计较早的使用了计算机网络技术进行传输、计算、存储、应用，建立了完整基础数据库，九十年代初期就普及应用了地理信息系统。现在，人口普查及各种经济信息已较大程度地通过互联网完成采集任务，统计信息的公布已基本实现由计算机网络来完成。在访问中，我们看到了世界银行数据库的精彩演示，听到了住户调查时GPS 工具的辅助功能。这些在数据采集等环节中计算机辅助运用，大大提高了数据收集质量，减少了差错，提高了工作效率。因此，我国在各

项统计调查工作中也应大力推广现代信息技术的运用，从源头上提高统计数据质量。