《Journal of the Royal Statistical Society Series A: Statistics in Society》:Multivariate mixed models accounting for don’t know options in ordinal data
编辑推荐:
本文针对调查问卷中常见的"不知道"(DK)选项破坏数据有序性的问题,提出了一种多元混合模型统一解决方案。研究人员开发了联合建模框架,通过累积logit模型、位置尺度模型和位置位移模型三种形式,同时分析DK选项选择倾向和有序评分行为。研究结果表明,该方法能有效捕捉个体异质性、反应风格差异和变量间相关性,在金融知识评估和烟草产品认知两个案例中验证了模型的无偏性和高效性。这一方法论创新为社会科学和行为研究中的复杂调查数据分析提供了稳健框架。
在社会科学和行为研究的调查问卷中,有序数据(ordinal data)被广泛使用,例如要求受访者对某个陈述的同意程度进行评分,从"非常不同意"到"非常同意"。然而,当问卷中包含"不知道"(don't know,简称DK)选项时,数据的结构就变得复杂起来。这种部分有序(partially ordinal)数据给传统统计建模带来了严峻挑战:标准的有序模型不再适用,而名义模型则效率低下且难以解释。更棘手的是,简单地剔除DK响应可能导致严重偏差,因为选择提供评分的受访者与选择DK的受访者往往存在系统性差异。
针对这一方法论难题,耶鲁大学公共卫生学院生物统计学系的Ralitza Gueorguieva和那不勒斯腓特烈二世大学政治学系的Maria Iannario在《Journal of the Royal Statistical Society Series A: Statistics in Society》上发表了创新性研究。他们开发了一套多元混合模型(multivariate mixed models),能够同时建模DK选项的选择过程和多个有序变量的评分行为。这一方法不仅灵活性强,还能捕捉个体异质性、反应风格(response styles)差异,以及协变量对有序评分和DK选择的影响。
研究人员采用了三种核心建模方法:最基本的累积logit模型(LCL)、考虑个体异质性的位置尺度模型(LLCM)以及捕捉反应风格差异的位置位移模型(LLHM)。所有模型都通过最大似然估计进行推断,并利用自适应高斯求积(adaptive Gaussian quadrature)技术处理随机效应的积分问题。模型比较基于贝叶斯信息准则(BIC),同时计算了伪R2(Pseudo R2)和正确分类率(CCR)等指标评估模型拟合优度。
研究团队将这一方法论应用于两个实际案例:金融科技知识评估和烟草产品成瘾性认知研究。在金融知识案例中,625名意大利受访者被问及对三类金融信息(风险等级、历史基准和资产描述)重要性的认知。分析发现,位置位移模型(LLHM)拟合效果最佳,揭示了女性更倾向于选择DK选项、经济学背景的个体更可能寻求信息、年长者倾向于选择极端评分等有趣现象。
在烟草产品成瘾性认知研究中,1,641名美国青少年评估了三种烟草产品(雪茄、水烟和无烟烟草)的成瘾可能性。与金融知识案例不同,这里DK响应比例显著更高(21%-49%),最简单的累积logit模型(LCL)表现出最佳拟合效果。研究发现,当前吸烟者更可能选择DK选项,并且倾向于认为替代烟草产品成瘾性较低。
模拟验证方法有效性
为了系统评估提出方法的统计性能,研究人员设计了全面的模拟研究。六个不同场景的模拟数据被生成,分别对应不同的数据生成机制、样本大小和DK响应比例。结果表明,当正确指定模型时,参数估计表现出良好的无偏性和精确性。然而,忽略DK选项会导致阈值参数和方差分量估计的严重偏差,尤其是在DK响应比例较高时(如50%),这种偏差还会影响到回归系数的估计。
模型比较与选择
通过系统比较不同模型的拟合优度,研究发现模型选择应基于具体数据特征。在金融知识案例中,考虑反应风格差异的位置位移模型(LLHM)显著优于传统累积logit模型,而在烟草认知研究中,简单的累积logit模型(LCL)已足够捕捉数据特征。这种差异可能源于两个案例中DK响应比例和个体异质性程度的不同。
统计推断的稳健性
似然比检验(likelihood-ratio tests)在模拟研究中表现出优异的模型区分能力,即使在样本量较小(n=300)的情况下也能有效识别真实的数据生成机制。覆盖率分析(coverage probabilities)进一步证实,当正确指定模型时,95%置信区间能够达到名义覆盖率,而错误忽略DK选项则会导致覆盖率严重下降。
方法论创新与实际价值
这项研究的核心贡献在于提供了一个统一的统计框架,能够同时处理调查数据中的两个关键问题:DK选项的存在和多个相关有序响应的联合建模。通过将随机效应引入DK选择过程和有序评分过程,并允许这两个过程之间存在相关性,模型能够更真实地反映受访者的决策机制。
从实际应用角度看,该方法为社会科学研究者提供了强大工具,能够从包含DK选项的复杂调查数据中提取更准确、更有意义的信息。特别是在DK响应比例较高的情况下,传统方法的偏差可能导致错误结论,而本研究提出的方法则能有效避免这一问题。
未来研究方向
尽管当前研究取得了重要进展,但仍有一些方向值得进一步探索。纵向数据扩展、更复杂的随机效应结构、替代链接函数的使用以及更完善的模型诊断工具都是未来研究的潜在方向。此外,开发更高效的变量选择方法和模型比较准则也将提升该方法在实际研究中的实用性。
这项研究不仅在统计方法论层面做出了重要创新,更重要的是为社会科学实证研究提供了更可靠的分析工具。通过更准确地建模调查受访者的复杂决策过程,研究者能够获得对人类态度、认知和行为更深入的理解,从而推动社会科学研究向更精确、更可靠的方向发展。