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。