論列舉實驗在敏感問題調查中的應用——以非制度化政治參與為驗證

王浦劬，季程遠

(北京大學　政府管理學院　北京　100871)

?

論列舉實驗在敏感問題調查中的應用
——以非制度化政治參與為驗證

王浦劬，季程遠

(北京大學政府管理學院北京100871)

敏感問題測量是社會科學實證研究的難點，基于社會意愿偏差，人們對于敏感問題或者選擇不應答，或者選擇非真實應答。隨著調查研究技術的進步，近年來，社會科學界為此掀起討論熱潮，列舉實驗是人們討論的熱門方法之一。列舉實驗的關鍵在于避免產生設計效應、天花板效應和地板效應。本文以非制度化政治參與的調查數據分析為基礎，驗證顯示列舉實驗可以降低無應答比例，提高真實應答比例，并降低社會意愿偏差。而將列舉實驗分別作為自變量和因變量的示例分析表明，相比直接提問方式，列舉實驗對模型估計具有關鍵影響，它可以提供較為可靠、可信和恰當的分析結果。當然，列舉實驗仍然面臨敏感問題測量的本質困難、實驗效力、設計和分析難點等問題，因此需要進一步優化改進。

關鍵詞：列舉實驗；調查實驗；敏感問題測量；非制度化政治參與

“您是否有接受別人的禮物而幫助別人的經歷？”“您是否同意外來務工人員應當享受與本地居民相同的福利待遇？”在社會調查中，對于這些直接的詢問，受訪者往往選擇拒絕回答[1]，這將導致待測問題的低估，或者，受訪者會隱藏自己的真實偏好或行為，而選擇符合社會規范的答案，這將導致待測問題的社會意愿偏差(social desirable bias)。社會科學的調查研究中，敏感問題出現的概率很高，對于上述關于腐敗的經歷和社會歧視的問題，受訪者會因為不合法或者存在社會意愿壓力而拒絕應答或不作真實應答。在這種情形下，社會調查采集的調查數據不僅沒有采集到受訪者的真實想法，而且在進一步的統計推斷和分析過程中可能產生錯誤的結論，從而嚴重影響實證研究的效度。

由此可見，敏感問題測量是實證研究的一個關鍵性方法論挑戰，近年來，以普林斯頓大學政治學系為中心的國際社會科學界，掀起一股敏感問題方法論討論的新熱潮，在《政治分析》(PoliticalAnalysis)、《美國統計學雜志》(JournaloftheAmericanStatisticalAssociation)、《美國政治學評論》(AmericanPoliticalScienceReview)和《美國政治學雜志》(AmericanJournalofPoliticalScience)等期刊上，迅速推出一批研究成果。鑒于這一問題對于實證研究科學性的重要意義，本文首先概要介紹對于敏感問題的既往調查方法，分析其產生原因和相關調查技術的原理。之后，筆者以非制度化政治參與調查為典型案例，以示例分析和驗證方式，檢測了列舉實驗(list experiment)方法的有效性，并且分析了其需要進一步優化之處。

一、既往的調查方法

對于敏感問題的調查，常常產生受訪者不應答或者虛假應答的情形。研究表明，之所以出現這種情況，其主要原因在于：社會調查的訪問員無法細致觀察和檢驗受訪者在待測問題上的回答，而只能選擇依靠受訪者自報答案。在遇到敏感問題時，受訪者的答案會直接暴露在訪問員面前。在這種情況下，由于敏感問題多不合法或不符合社會規范，受訪者將獨自承擔由此產生的道德、社會甚至政治后果。由此產生的顧慮，往往會使得受訪者選擇回避應答或選擇不真實應答。最初，研究者意識到敏感問題的社會意愿偏差后，僅僅是通過降低措辭的敏感性，期望由此獲得更真實的應答。經驗表明，這種方法效果乏善可陳。

經過幾十年的發展，目前，在社會科學研究中的常用的應對敏感問題測量的方法一般包括隨機回答技術(randomized response technique, RRT)、列舉實驗和支持實驗(endorsement experiment)。在這其中，支持實驗主要應用于(敏感)政治領導人的支持研究，例如伊斯蘭武裝[2]和塔利班[3]等。該方法將受訪者對特定政策的支持和對特定領導人的支持組合起來，最終分離出對敏感領導人的支持。新近的研究成功地將分析策略顛倒，從支持實驗中分離出對政策的真實支持程度[4]。由于該方法的應用范圍有限，因此不在本文的討論范圍之內。

(1)

沃納的基本模型雖然效果比降低措辭的敏感性好，但是，該模型設置的A與B的相反問題，很容易引起受訪人的注意，進而了解采訪的真實意圖，由此導致受訪者完全可能采用針對性的回答方式。同時，式(1)表明，p不能為1/2。1/2是一個可以最大程度減少受訪者顧慮的概率，無法設定為1/2，也造成常見的隨機化裝置硬幣等無效，這就需要采用其他更復雜的裝置。

(2)

但是，以上這些隨機化回答方法，仍然會讓受訪者注意到研究者和訪問者的興趣和意圖所在，從而降低回答的真實度[8]。這種對個體保護而對群體不保護的隨機回答技術，仍然會讓明知違法的受訪者出于保護群體的目的而不作真實應答，因此，對于與整體利益相關的受訪者，這種隨機回答技術，在訪問效果方面可能并無多大改善[9]。這種技術在暴露研究關注點的同時，延長了訪問時間。

二、列舉實驗及其設計

列舉實驗又稱條目計數法(item count technique, ICT)，由Kuklinski及其合作者提出[10]。在1991年的美國種族和政治調查中，政治學者首次設計了一道列舉實驗題[11]以測量個人的種族歧視傾向。作為一種隨機試驗，研究者將受訪者分為實驗組和控制組兩組。兩組受訪者分別需要回答如下問題：

【控制組】現在我將讀出3件可能使你生氣的事情。你只需告訴我其中____件使你生氣，而不必說出具體哪項。

(1) 聯邦政府提高汽油稅

(2) 專業運動員薪水超過百萬

(3) 大型企業污染環境

【實驗組】現在我將讀出4件可能使你生氣的事情。你只需告訴我其中____件使你生氣，而不必說出具體哪項。

(1) 聯邦政府提高汽油稅

(2) 專業運動員薪水超過百萬

(3) 大型企業污染環境

(4) 一個黑人家庭搬到你家隔壁

實驗組和控制組的受訪者都會面對3個控制選項，其中的區別在于，實驗組的受訪者將面對研究者關心的第4個敏感選項，即“一個黑人家庭搬到你家隔壁”是否使受訪者生氣。列舉實驗并不直接詢問個人種族歧視傾向的敏感問題，而是轉而通過回答件數，降低了由于直接詢問帶來的社會意愿偏差。實際上，只要受訪者不回答“4”，即所有事情都使受訪者生氣，研究者和訪問員都無法確切了解該受訪者的種族歧視傾向。這種信息的不對稱，可以一定程度上鼓勵受訪者提供更真實的答案。

但是，列舉實驗題設計并不像看上去那么簡單，它必須滿足兩個基本假定：

假定1，不存在設計效應(design effect)；

假定2，不存在欺騙者，主要是指不存在天花板效應(celling effect)和地板效應(floor effect)。

所謂設計效應，是實驗組增加的敏感選項，會對受訪者選擇控制題項產生顯著的影響。設計效應會在受訪者認定控制題項與敏感題項相關的情況下產生，會使得控制組和實驗組的受訪者面對控制題項時產生顯著不同的回答方式。因此，列舉實驗題不存在設計效應，是列舉實驗題測量成功的必要條件，而所謂列舉實驗題不存在設計效應，是指實驗組增加的敏感選項，不會對受訪者選擇控制選項產生顯著的影響。

列舉實驗與隨機回答技術相比，理論上最大的缺點在于，隨機回答技術僅看答案，沒有任何人可以知道受訪者的真實回答，而列舉實驗在一些情況下卻無法達到這一點，這就會違背假定2，即產生天花板效應或地板效應。所謂天花板效應，是指實驗組的受訪者面對的所有選項(J個)都符合其實際情況，但是，為了保護隱私，受訪者的應答變為(J-1)個。所謂地板效應則正好相反，只有敏感的那個選項符合受訪者的實際情況，但是，受訪者寧可將答案變成0，從而隱藏自己的偏好。

為了防止列舉實驗題失敗，研究者在設計過程中，必須謹慎考慮設計效應、天花板效應和地板效應，控制題項的設置應當慎之又慎。一個關鍵技巧是控制題項之間應該至少有2個呈現強負相關關系，并且有一個應當會有大多數人選擇[12]。根據這一思路，詢問個人的經歷時，我們可以將出國經歷、乘坐公共汽車的經歷設置為控制選項。而干預題項的設置事關設計效應是否存在，應當選擇指向清晰明確的干預題項[13]。

三、列舉實驗的分析

但是，列舉實驗長期只能應用上述方法，通過比較控制組和實驗組的均值差來估計敏感問題發生的人群比例，而無法進一步通過多變量回歸分析探討受訪者的其他變量與敏感問題的關系。例如，具備哪些特征的受訪者會隱瞞自己的種族歧視傾向。更進一步的問題是，如何將列舉實驗產生的變量作為我們熟悉的常規變量納入多變量分析，Imai[15]、Blair & Imai[16]和Imaietal.[17]開發的多變量分析方法，開辟了這一路徑。

下文將利用北京大學中國國情研究中心2014年設計并采集的“互聯網與社交媒體調查”數據，對于這一方法進行典型實例分析和驗證。該調查采用該中心獨創的“GPS輔助的區域抽樣”與分層多階段相結合的抽樣方法，對于解決傳統戶籍抽樣中存在的難以覆蓋流動人口、戶籍資料不精確、人戶分離等問題，具有重要積極作用。這項調查涉及70個縣的初級抽樣單位，共完成3747個個案，有效完成率為66%。分析采用R程序的“list”包和“Amelia”包完成，前者應用于列舉實驗的分析，后者應用于多重插補。

非制度化政治參與，是政治社會學研究的熱點敏感話題，研究者設計了一個列舉實驗題，想要了解參與“在請愿書上簽名”和參與“游行/靜坐/示威/群體性事件”的人群比例，問卷被分為A、B、C三種類型，列舉實驗題設計如下：

【A卷】下面列舉的事情，您做過幾個？您不必說具體哪個，請告訴我0到3之間的一個數字。

a.讀大學b.買房

c.換過工作

(出示答題卡)您經歷過上面提到的____件事情。

【B卷】下面列舉的事情，您做過幾個？您不必說具體哪個，請告訴我0到4之間的一個數字。

a.讀大學b.在請愿書上簽名

c.買房d.換過工作

(出示答題卡)您經歷過上面提到的____件事情。

【C卷】下面列舉的事情，您做過幾個？您不必說具體哪個，請告訴我0到4之間的一個數字。

a.讀大學

b.游行/靜坐/示威/群體性事件

c.買房d.換過工作

(出示答題卡)您經歷過上面提到的____件事情。

A卷為控制組，B卷和C卷分別添加了敏感選項“在請愿書上簽名”和“游行/靜坐/示威/群體性事件”。同時，在列舉實驗后，又直接詢問了受訪者是否參與過“在請愿書上簽名”和“游行/靜坐/示威/群體性事件”，選項為“是”和“否”。當然，列舉實驗題和直接詢問題中間，還設置有大量其他問題，盡可能減少其他干擾。

我們首先對列舉實驗題進行描述性統計和設計效應檢驗，結果見表1。直接提問的結果表明，無應答率為2.7%，而列舉實驗的無應答比率僅為0.7%，表明列舉實驗確實降低了無應答的比例。在列舉實驗中，從控制組、干預組1和干預組2的樣本量看，大致均衡，分別有1223、1265、1259個樣本，但是，無應答樣本較少，不足1%，且控制組合干預組之間分布較平均。設計效應檢驗的原假定是存在設計效應，我們需要比較邦費羅尼p值(Bonferronip)與0.05的關系，如果前者大于0.05，則拒絕原假設，認為不存在設計效應。我們的設計中，干預組1存在設計效應，干預組2則不存在顯著的設計效應，因而對于“在請愿書上簽名”，列舉實驗測量失敗。下文僅考察參與“游行/靜坐/示威/群體性事件”的情況。

表1　列舉實驗的設計效應檢驗

排除了設計效應，我們還需要檢驗是否存在天花板效應和地板效應。首先，表2對控制題項有3個(J=3)，而存在天花板效應和地板效應的情形進行了舉例。

表2　列舉實驗中存在天花板效應和地板效應的情況舉例(J=3)

注：(y,z)表示特定回答類型的人群。其中y為控制選項中回答“是”的個數，z為對敏感選項的回答情況(是=1，否=0)。

?表示受天花板效應和地板效應影響的回答類型。

從表2看，(0,1)是可能受到地板效應影響的人群，只有敏感選項符合他們的實際情況，而為了防止暴露真實想法，他們在回答列舉實驗題時，寧可應答“0”。(3,1)是可能受到天花板效應影響的人群，不僅3個控制選項符合情況，敏感選項也符合他們的情況，但是他們也可能選擇應答“3”從而保護真實想法。

接下來，我們可以比較直接回答參與“游行/靜坐/示威/群體性事件”的比例和列舉實驗表明參與“游行/靜坐/示威/群體性事件”的比例，來確認非制度化政治參與經歷的應答中受訪者的社會意愿偏差大小。分析中對于列舉實驗未回答的樣本采用列刪除方式排除，共27個，因為分析中無法容納列舉實驗題為缺失值的情形。

表3　列舉實驗中不同回答類型的實際受訪者比例估計

表4　非制度化政治參與經歷的社會意愿偏差

從表4的結果看，直接詢問受訪者是否參加過“游行/靜坐/示威/群體性事件”，僅有1.96%的受訪者確認有過這類經歷。而使用列舉實驗，該比例提高到7.83%，由此可見，真實應答的比例僅為四分之一。直接提問和列舉實驗的差值5.87%，這個值即為受訪者因為擔心真實想法泄露等因素，或期望符合社會規范而產生的社會意愿偏差程度。這也表明，如果僅僅采用直接提問的方式，將嚴重低估激進政治參與的比例，由此產生的其他統計推斷都會產生偏差。由此也可見，在問卷調查中，詢問受訪者激進政治參與的經歷時，往往存在社會意愿偏差，由此需要應用列舉實驗方法來應對。

接下來，我們將采用示例方法，來驗證列舉實驗題作為因變量和自變量的分析方法。針對列舉實驗題作為因變量的分析情形，Imai[19]和Blair & Imai[20]基于前述2個假定，開發了基于非線性最小二乘法(nonlinear least squares, NLS)估計和極大似然估計的估計辦法。極大似然估計的應用范圍較廣，但是估計的難度較大，因而估計失敗的可能較大。我們的分析應用了非線性最小二乘法。

首先，列舉實驗題作為因變量時，我們舉例考察誰具有非制度化政治參與經歷，或者說是具有非制度化政治參與經歷的影響因素。變量描述性統計見表5，其中男性受訪者占47%，平均45.9歲，平均接受8.9年教育，黨員有9.7%，有工作的受訪者占56.7%，體制內(黨政機關和國有企事業單位)的受訪者有12.5%。收入水平為家庭收入狀況自評4等級，非制度化政治參與傾向為回答“如果受到政府非常不公平待遇，或對政府的某個官員或某項政策非常不滿，利用上網發帖的方式解決問題”選擇“是”的比例，社會滿意度利用對“社會穩定、經濟形勢、文化發展、公共秩序、法制改革、科技政策、環境保護、公民維權、食品安全”滿意度制備，個人表達利用參與“向上級政府領導表達自己的觀點、通過媒體表達自己的觀點、通過社會組織表達自己的觀點”的經歷制備，政治價值觀使用季程遠等[21]文中的方法制備，得分從低到高對應個人的政治價值觀由威權價值觀到民主價值觀，社會滿意度、個人表達、政治價值觀變量的制備均采用了項目反映理論。

由于存在較多的缺失值，以下分析中的結果均為20次插補數據分析基礎上，利用魯賓法則合并的結果，這樣可以在比較中保證不同模型樣本量一致，增加分析的可靠性。表6的結果呈現中，模型1、模型2、模型3的因變量為直接提問的非制度化政治參與，模型4和模型5的因變量則為列舉實驗所獲的非制度化政治參與，模型4、模型5的數據集使用了A卷和C卷數據，模型3也使用這一數據集，以防出現數據集差異減少帶來的統計推斷差異。模型1和模型2的結果表明，在控制了經濟社會地位、體制羈絆因素和個人特質后，政治價值觀對于個人的非制度化政治參與經歷居于負向影響，即更偏向威權價值觀的個體，反而擁有更多的非制度化政治參與經歷。但是，這一結果是真的嗎？模型4和模型5的結果逆轉了這一結果，在控制了其他因素后，個人的政治價值觀偏向民主的受訪者，更可能擁有非制度化政治參與經歷。

表5　變量描述性統計

表6　模型結果摘要

注：*p<0.1，**p<0.05，***p<0.01，下同。

這一結果表明，如果使用直接詢問的方式，對敏感事項進行數據采集，并據此進行的統計推斷，可能存在錯誤，列舉實驗的多元統計分析可以發現更加真實的結果。

列舉實驗題作為自變量的分析方法，直到最近才得以開發[22]，通過最大似然估計的兩階段法，可以方便地產生穩健估計，最大似然估計的應用，也拓展了方法的應用范圍。我們以政治信任作為因變量，該變量為對“縣市政府”和“中央政府”的信任程度因子得分。非制度化政治參與經歷以及其他經濟社會地位變量等為自變量，考察非制度化政治參與對于個人政治信任的影響。表7匯總了分析結果，模型1的非制度政治參與經歷采用了直接詢問方式，而模型2采用的是列舉實驗獲取的非制度政治參與經歷。結果表明，在控制了其他因素后，直接提問和列舉實驗獲得的非制度化政治參與經歷，產生了明顯差異，列舉實驗獲得的非制度化政治參與經歷對受訪者的政治信任產生顯著的負向影響。另外一個變化是，政治價值觀對于政治信任的影響也消失了，這表明，個人的威權價值觀或民主價值觀，實際上并不會對政治信任產生顯著影響。

綜上驗證可見，列舉實驗對于敏感問題測量具有重要價值，它可以有效化解一部分社會意愿偏差。更為關鍵的是，直接詢問的測量方式可能對于統計推斷產生顯著的影響，這種影響甚至是方向上的，我們關心的敏感變量實際上應該對因變量有正向影響，但是，直接提問的方式卻可能產生負向的影響，由此可能蒙蔽研究者的眼睛。

表7　模型結果摘要

四、結論與討論

如何在調查中消解受訪者的顧慮、如何更好地保護其真實想法、如何采集到更為真實的數據，實證研究的學者們一直為此而積極努力。目前，隨機回答技術在社會科學各學科都已廣泛應用，但是，主要由政治學者Blair和Imai推動的列舉實驗，尚屬于新興技術。本文的研究介紹了列舉實驗的設計、假定檢驗和分析路徑，并利用相關全國概率調查數據進行了示例性驗證。我們的驗證表明，列舉實驗不僅能夠提高應答率，而且能夠有效地降低社會意愿偏差，獲取較為真實的應答。并且在敏感問題的統計推斷中也呈現關鍵價值，可以糾正模型的估計，使得實證分析結果較為可靠、可信和恰當。

當然，列舉實驗也并非已經完美。歸結起來，其主要存在以下問題：

首先，列舉實驗仍然沒有解決敏感問題測量的本質，即提供受訪者真實回答的動力。列舉實驗本質上是研究者以一定的信息犧牲，來換取受訪者的信息補償。但是，受訪者仍然有足夠多的顧慮避免自己惹麻煩。文化程度較高的受訪者可以輕松猜中研究者和訪問者的意圖，文化程度較低的受訪者則可能對于這種詢問方式非常困惑。事實上，在敏感問題的社會科學研究中，投入大量時間建立的個人信任，被證明往往對真實的分析與結果至關重要，例如著名的《街角社會》就是如此。因此，在一定程度上可以認為，對于敏感問題的大規模測量，一些分析工具和方法形成的結果與事實之間仍然有一段距離，為此，研究者對于這一方法的采用必須保持充分的謹慎和敬畏。

其次，列舉實驗問題的效力有待進一步檢測。根據Muldersetal.的總結[23]，即使是1965年沃納開發的隨機回答技術，也只有5篇相關論文比較研究了這一技術在促進測量接近真實的程度問題。而研究者使用列舉實驗方法，究竟能在多大程度上接近真實，即列舉實驗的結果與事實之間究竟有多大差距，目前尚缺少大規模的檢驗。實際上，只有學者Rosenfeldetal.進行了初步討論[24]，因此，列舉實驗問題的效力有待進一步檢測。

再次，列舉實驗的問題設計需要精確化。這是列舉實驗測量成功與否的關鍵，研究者需要仔細考慮控制題項的設置，以保證分析假定的成立，保證不存在設計效應、天花板效應和地板效應。為了檢測設計的可靠性，在正式調查前，對于列舉實驗設計進行小規模的測試至關重要。

最后，列舉實驗的分析路徑和技術有待優化。由于實驗組和控制組的設計、估計方法復雜性，列舉實驗需要更大的樣本量，估計方法的復雜性也造成了分析結果的不穩定。更為關鍵的是，目前，列舉實驗與因果推斷(Casual Inference)的結合還缺乏特別可行的分析路徑，有待進一步的研究。

[1]嚴潔，任莉穎.政治敏感問題無回答的處理: 多重插補法的應用[J].華中師范大學學報: 人文社會科學版, 2010(2): 29-34.

[2]Bullock W, Imai K, Shapiro J N.Statistical analysis of endorsement experiments: Measuring support for militant groups in Pakistan [J].Political Analysis, 2011, 19(4): 363-384.

[3]Lyall J, Blair G, Imai K.Explaining support for combatants during wartime: A survey experiment in Afghanistan [J].American Political Science Review, 2013, 107(04): 679-705.[4]Rosenfeld B, Imai K, Shapiro J N.An empirical validation study of popular survey methodologies for sensitive questions [J].American Journal of Political Science, 2015.

[5]Warner S L.Randomized response: A survey technique for eliminating evasive answer bias [J].Journal of the American Statistical Association, 1965, 60(309): 63-69.

[6]Greenberg B G, Abul-Ela A L A, Simmons W R, et al.The unrelated question randomized response model: Theoretical framework [J].Journal of the American Statistical Association, 1969, 64(326): 520-539.[7]Blair G, Imai K, Zhou Y Y.Design and analysis of the randomized response technique [J].Journal of the American Statistical Association, 2015, 110(511): 1304-1319.

[8]Droitcour J, Caspar R A, Hubbard M L, et al.The item count technique as a method of indirect questioning: A review of its development and a case study application [J].Measurement errors in surveys, 1991, 11: 185-210.[9]紀竹蓀.隨機化回答技術調查“敏感性問題”的博弈分析及設計改進——對一次沃納方法調查實踐的分析思考 [J] 統計與信息論壇, 2008(5): 82-86.

[9]Kuklinski J H, Cobb M D, Gilens M.Racial attitudes and the “New South”[J].The Journal of Politics, 1997, 59(02): 323-349.

[11]Sniderman, P.M., P.E.Tetlock, and T.Piazza.Codebook for the 1991 National race and politics survey[R].Survey Research Center, Berkeley, California.[12]Corstange D.Sensitive questions, truthful answers? Modeling the list experiment with listit [J].Political Analysis, 2009, 17(1): 45-63.

[13]Blair G, Imai K.Statistical analysis of list experiments [J].Political Analysis, 2012, 20(1): 47-77.

[14]Meng T, Pan J, Yang P.Conditional receptivity to citizen participation evidence from a survey experiment in China [J].Comparative Political Studies, 2014: 0010414014556212.

[15]Imai K.Multivariate regression analysis for the item count technique [J].Journal of the American Statistical Association, 2011, 106(494): 407-416.

[16]Blair G, Imai K.Statistical analysis of list experiments [J].Political Analysis, 2012, 20(1): 47-77.

[17]Blair G, Imai K, Zhou Y Y.Design and analysis of the randomized response technique [J].Journal of the American Statistical Association, 2015, 110(511): 1304-1319.

[18]Meng T, Pan J, Yang P.Conditional receptivity to citizen participation evidence from a survey experiment in China [J].Comparative Political Studies, 2014: 0010414014556212.

[19]Imai K.Multivariate regression analysis for the item count technique [J].Journal of the American Statistical Association, 2011, 106(494): 407-416.

[20]Blair G, Imai K.Statistical analysis of list experiments [J].Political Analysis, 2012, 20(1): 47-77.

[21]季程遠, 王衡, 顧昕.政治價值觀與網絡抗爭行為的限度 [J]社會, 2016.

[22]Blair G, Imai K, Zhou Y Y.Design and analysis of the randomized response technique [J].Journal of the American Statistical Association, 2015, 110(511): 1304-1319.

[23]Lensvelt-Mulders G J L M, Hox J J, Van Der Heijden P G M.How to improve the efficiency of randomised response designs [J].Quality and Quantity, 2005, 39(3): 253-265.

[24]Rosenfeld B, Imai K, Shapiro J N.An empirical validation study of popular survey methodologies for sensitive questions [J].American Journal of Political Science, 2015.

(本文責編：海洋)

List Experiment in Measuring Sensitive Issue——Example from Non-institutionalized Political Participation

WANG Pu-qu, JI Cheng-yuan

(School of Government, Peking University, Beijing 100871, China)

It is difficult to measure sensitive issues in social science study, for respondents choose not to report or lie to the questions as a result of social desirable bias.With the development of survey technology, such a difficulty comes back to academic discussion in recent years, in which list experiment is three most popular methods.The key of list experiment design is to avoid design effect, celling effect and floor effect.This study takes non-institutionalized political participation as an example.We introduce the method to test the assumption.And we prove that list experiment can lower the nonresponse rate, raise the truthful response rate and lower the social desirable bias.Compared with direct question, list experiment has significant impacts on the model estimation, which provide more reliable, credible and appropriate result, when applying list experiment as dependent and independent.Of course, list experiment still has to face the problems include the essential problem of sensitive issues measuring, power, design and analysis, which means it still need further improvement.

list experiment; survey experiment; measuring sensitive issue; non-institutionalized political participation

2016-03-19

2016-08-16

國家哲學社會科學重大項目：“推進國家治理體系現代化研究”成果，項目批準號(014ZDA011)；國家哲學社會科學基金后期資助項目“當代中國治理模式研究”成果。

王浦劬(1956—)，男，江蘇鹽城人，北京大學國家治理研究院院長，北京大學政治發展與政府管理研究所所長，教育部“長江學者”特聘教授，北京大學政府管理學院教授。

C81

A

1002-9753(2016)09-0135-09