2013年-世界发展银行全球_What_Does_Variation_in_Survey_Design_Reveal_about_the_Nature_of_Measurement_Errors_in_Household_Consumption__19页_981kb

总结：调查设计变化揭示了家庭消费测量误差的性质

核心内容

本研究通过在坦桑尼亚进行的一项家庭消费调查实验，探讨了不同调查设计对家庭消费测量误差的影响。该实验随机分配了8种不同的消费问卷给4,000个家庭，其中一种“金标准”问卷采用个人记账方式，每日监督14天，被认为是测量误差最小的设计。研究发现，测量误差并非随机，而是与真实消费值呈负相关，这构成了一个非经典测量误差问题，传统统计修正方法可能无法有效应对。

主要观点

• 测量误差的非随机性：调查结果显示，测量误差与真实消费值呈负相关，意味着误差会随着真实消费水平的提高而减少，这种现象被称为“均值回归”测量误差。
• 误差对回归系数的影响：测量误差会显著影响回归结果，特别是消费弹性系数（$\beta$）。非随机误差会导致系数估计偏向，而随机误差则只会导致系数低估（即“衰减”）。
• 金标准问卷的重要性：由于没有直接的验证数据，研究将个人记账问卷视为“金标准”，并据此评估其他问卷的测量误差。该问卷在实验中表现最佳，且其数据在统计上更接近真实值。
• 误差与家庭特征的关系：非随机误差可能与家庭规模、消费多样性等因素相关，例如较大的家庭或消费结构更复杂的家庭，其消费报告可能更容易受到误差的影响。

关键信息

调查设计

• 8种问卷设计：包括不同类型的回溯（7天、14天、通常一个月）、不同项目数量（58项、17项、11项）以及个人记账与家庭记账的区别。
• 金标准设计：个人记账，每日监督，14天周期，成本是回溯访谈的近10倍。
• 其他设计：涵盖长列表、短列表、缩略列表、回溯访谈等不同方法。

实验方法

• 随机分配：8种设计被随机分配给168个抽样单位，每个单位包含3个家庭。
• 控制变量：实验过程中，所有调查员均实施所有问卷设计，以减少调查员效应；每个家庭仅接受一种设计，以避免跨问卷误差溢出。
• 数据来源：使用村庄平均消费数据进行分析，以减少个体差异带来的偏差。

分析结果

• 非经典测量误差：误差与真实值呈负相关，与经典误差模型（随机误差）不同，这意味着传统统计方法（如工具变量）可能无效。
• 食品恩格尔曲线：通过比较不同问卷设计下的食品消费弹性（$\beta$）和家庭规模弹性（$\gamma$）的回归系数，发现$\beta$显著受测量误差影响，而$\gamma$则受影响较小。
• 模拟验证：通过模拟随机和非随机误差，研究发现食品消费误差与真实值的负相关性更强，能够解释观察到的$\beta$变化，而对$\gamma$影响不大。

误差影响的经济意义

• 对政策评估的影响：测量误差可能导致对项目效果的低估，特别是在使用消费作为结果变量的评估中。
• 对收入代理变量的影响：当消费被用作永久收入的代理变量时，测量误差可能影响回归系数的方向，从而影响政策建议。

结论

本研究揭示了家庭消费调查中测量误差的非随机性和其对回归分析结果的影响。结果表明，误差与真实消费值呈负相关，且对消费弹性系数（$\beta$）有显著影响，而对家庭规模弹性系数（$\gamma$）影响较小。因此，了解测量误差的性质对提高发展经济学研究的准确性至关重要。