Page 209 - 《社会》2014年第1期

社会· ２０１４ · １

比较时，很难保证并行数据具有相同的质量；第三，这类指标只基于样
本框数据和并行数据，也隐含了一个很强的假定，即选用的样本框数据
和并行数据与调查主题的所有估计值密切相关。实际上，大多数调查
都不只包含一个主题，因而这个假定很难得到证实。
第三类指标在一定程度上针对的是第二类指标的第三个弱点。这
些指标从处理调查数据的缺失值入手，通过统计手段，利用样本框数据
和并行数据，或对辅助数据与调查数据的关系进行分析，或对事后权重
进行调整，或对缺失值进行插补，然后在这些分析结果的基础上评价应
答样本的代表性。
这类指标的例子很多，如辅助数据与调查变量的相关性（ 犓狉犲狌狋犲狉 ，
犲狋犪犾． ， ２０１０ ）、事后权重与调查变量的相关性（ 犗犾狊狅狀 ， ２００６ ）、缺失信息
分值（ 犉狉犪犮狋犻狅狀狅犳犕犻狊狊犻狀 犵 犐狀犳狅狉犿犪狋犻狅狀 ， 犉犕犐 ）（ 犠犪 犵 狀犲狉 ， ２０１０ ）等。这一
类指标在计算上要相对复杂，而且会遇到第二类指标同样的问题，即模
型建构中变量的选取和数据质量问题。这些评价方法更多是建立在估
计维度基础上，会受到调查变量的影响，在不同调查间的比较和调查过
程的指导上具有局限性。
通过对上述应答代表性指标或评估方法的了解和比较，本文认为
犚 指标具有明显的优势。首先，相对于第一类指标中的应答率， 犚 指标
不仅有更强的理论依据，也借助样本框数据和并行数据，提升了指标的
信息量；其次，与同一类指标中的分组应答率相比， 犚 指标可以避免变
量在多类别多情况下的分组复杂性；第三，在计算难度和应用上， 犚 指
标也明显优于第三类指标，并能不受调查内容的影响，可以实现不同调
查项目的横向比较。同时， 犚 指标也不受变量值变动的影响，可以实现
同一项目在不同执行阶段的纵向比较。因此，在问卷调查中， 犚 指标有
很好的应用前景。
接下来将对 犚 指标的建构和应用进行详细介绍。
三、 犚 指标的建构

为进一步讨论 犚 指标对应答样本的代表性，首先要对概念进行界定。
（一）“应答代表性”的定义
“代 表 性 ”有 “强 ”和 “弱 ”两 个 定 义 （ 犛犮犺狅狌狋犲狀 ， 犆狅犫犫犲狀 犪狀犱
犅犲狋犺犾犲犺犲犿 ， ２００９ ）：如果目标总体中所有单元的应答概率完全相同并相

· ２ ０ ２ ·