论文部分内容阅读
对敏感性问题进行社会调查时,若采用直接对被访者进行问卷调查的方法往往得不到真实的应答,所以提出了间接的问卷调查技术:一种是随机应答技术,另一种是非随机应答技术。虽然随机应答技术研究较为完善,但是通常不便于操作,而非随机应答技术虽然取得了较大突破,但是往往都是对于单个敏感性问题模型的研究,对于多个敏感性问题模型的研究目前还仅限于对隐藏模型的研究,此模型也仅是给出了具有不同敏感性特征人群比重及其方差的算法,并没有证明出得到含有不同种敏感性特征人群比重及其方差结果的理论依据,而在利用隐藏模型对敏感性问题进行问卷调查时,总会出现被访查者无意或是故意填错信息等情况,像这种加入噪音情况下的隐藏模型的理论研究以及抗造区间等实证结果也尚未给出。由于加入噪音后的实证分析很复杂,因此,本文从新的视角对调查出错下的隐藏模型进行研究。考虑了对隐藏模型的理论体系分析,本文利用统计学知识对具有不同种敏感性特征人群比重及其方差进行了理论推导,得到了具有严谨证明过程的不同种敏感性特征人群比重及其方差的理论解析解。通过对隐藏模型进行计算机仿真实验,本文成功得到了具有不同种敏感性特征人群比重和方差的实验数值解,并且通过对比得到了理论解析解与实验数值解完全一致的结果。考虑到被调查者可能会有意或者无意填错信息,那么就需要对隐藏模型在不同出错情况下重新进行调查问卷设计,进而在不同出错情况下对具有不同种敏感性特征人群比重及其方差进行理论分析,得到了一系列的理论推导结果,同时对不同种出错情况下都验证了理论推导结果与实验仿真结果的一致性,至此将模型的理论体系基本构建完整。考虑了对隐藏模型具体实证的分析,本文在加入不同种噪音下的隐藏模型的基础上,利用计算机编程求解出了不同出错情况下的隐藏模型抵抗出错的区间即抗噪区间,它是衡量隐藏模型在不同出错情况下抗噪性的重要指标。在研究完模型的抗造性之后,本文又考虑到由于模型的结果会受到非敏感性特征人群比重的影响,那么就应该找到适合隐藏模型的最优非敏感性特征的人群比重,这样能提高利用隐藏模型进行问卷调查的准确性,而且在实际调查中实验次数是个不容忽视的研究内容,由于它会影响问卷调查的效率,在不降低调查结果准确性的前提下,应该找到最少的实验次数来提高利用此模型进行问卷调查的效率。