2008年-世界发展银行全球_The_Impact_of_Decentralized_Data_Entry_on_the_Quality_of_Household_Survey_Data_in_Developing_Countries__21页_300kb

总结：分散式数据录入对发展中国家家庭调查数据质量的影响

核心内容

本文通过一项在越南进行的随机对照实验，研究了在家庭调查中采用分散式数据录入（即在调查结束后几天内将数据录入电脑）对数据质量的影响。研究发现，虽然分散式数据录入在一定程度上减少了数据错误，但对贫困等主要指标的测量没有显著影响。此外，研究还探讨了数据录入方式对调查成本和效率的影响。

主要观点

• 数据质量提升：分散式数据录入显著减少了家庭调查数据中的错误数量，平均减少5–23%，具体取决于错误类型。
• 贫困测量无显著变化：尽管数据质量有所提升，但分散式数据录入并未对家庭人均消费支出的分布产生影响，因此对贫困测量无显著影响。
• 成本效益分析：增加样本量以提高估计精度的成本远低于增加计算机设备的成本，因此提高样本量可能更具成本效益。
• 时间节省效果显著：分散式数据录入减少了调查员在实地手动核对数据的时间，节省的时间价值接近购置一台台式电脑的成本。
• 数据录入方式影响错误类型：某些错误可以通过软件直接检测并修正，而另一些错误则需要重新访问家庭或检查其他数据源，因此分散式录入有助于发现并修正部分错误。

关键信息

实验设计

• 实验背景：2002年越南国家统计局（GSO）开展了首次越南家庭生活标准调查（VHLSS）。
• 实验对象：从61个省中随机选取23个省，其中202个区参与实验，分为“分散区”和“紧凑区”两类。
• 处理方式：
  • 分散区：10个区获得笔记本电脑，用于在访谈后短时间内录入数据。
  • 紧凑区：15个区获得台式电脑，放置在区统计局，用于在访谈后1–2天录入数据。
• 控制组：其余87个分散区和90个紧凑区未获得计算机。
• 样本规模：共涉及2,895户家庭，其中420户为处理组，2,475户为对照组。

数据录入方式与错误检测

• 数据录入流程：在传统方式下，数据录入在省会进行，调查员需在数周后返回家庭纠正错误。
• 分散式录入优势：数据录入在区级进行，调查员可在录入后短时间内返回家庭进行修正，从而减少错误。
• 错误类型：
  • 可检测错误：如年龄150岁、每日肉类消费10公斤、家庭成员信息不一致等。
  • 不可检测错误：如年龄错误（不与其他变量冲突）、收入或消费支出错误（无其他数据冲突）。
• 软件检测能力：数据录入软件检测了超过100种错误，但并非所有错误都能被检测到，部分需要重新访问家庭或通过其他数据源确认。

统计方法

• 方法一：通过比较处理组与对照组的均值差异，评估数据录入方式对变量分布的影响。
• 方法二：使用双重差分法（Difference-in-Differences）比较处理组与对照组在第四季度与前三季度的数据差异，以评估数据录入方式对变量均值的长期影响。
• 回归分析：通过加入控制变量（如省别、家庭规模、人均消费等）提高估计精度。

实证结果

• 人均消费支出分布：处理组与对照组的人均消费支出分布无显著差异，Kolmogorov-Smirnov检验未拒绝两者分布相等的原假设。
• 错误数量：处理组的错误数量平均减少了5–23%，尤其在人口密度高的地区效果更明显。
• 时间节省：分散式录入显著减少了调查员手动核对数据的时间，节省的时间价值接近购置一台台式电脑的成本。

结论与建议

• 结论：分散式数据录入提高了数据质量，但对主要政策指标（如贫困）的测量影响不显著。
• 建议：发展中国家统计机构在考虑增加数据录入设备之前，应优先考虑通过扩大样本量来提高估计精度，因为其成本更低且效果更显著。

参考信息

• 作者：Paul Glewwe（通讯作者），Hai-Anh Hoang Dang
• 发表期刊：The World Bank Economic Review，2008年1月
• 文章链接：http://wber.oxfordjournals.org/