2016年-世界发展银行全球_Decomposing_Response_Errors_in_Food_Consumption_Measurement___Implications_for_Survey_Design_from_a_Survey_Experiment_in_Tanzania_36页_3mb

文档总结：食品消费测量中的报告误差分解及其对调查设计的启示

核心内容

本文探讨了不同调查方法在测量家庭食品消费时所引入的报告误差类型及其相对影响，旨在为提高消费调查设计的准确性提供参考。研究基于坦桑尼亚的一项随机食品消费调查实验，通过将多种调查模块分配给4000多个家庭，比较了不同设计在测量食品消费时的误差模式。

主要观点

• 消费测量误差的多样性：不同调查方法在测量食品消费时会引入不同类型的误差，包括遗漏误差（omission error）、回忆误差（recall error）、时间压缩误差（telescoping error）、规则估算误差（rule of thumb error）和个人遗漏误差（personal leave out error）。
• 误差分解的重要性：简单地比较总消费量会掩盖具体的误差模式，因此有必要对误差进行分解，以理解其对不同食品类别的影响。
• 调查设计对误差的影响：不同调查设计（如回忆调查与日记调查）在误差类型和程度上存在显著差异。例如，日记调查因监督频繁，减少了回忆和时间压缩误差，而回忆调查则更容易出现遗漏和规则估算误差。
• 基准调查方法：研究中采用的个人日记调查（模块8）被认为是最准确的，因为它详细记录了每日消费，并通过监督和交叉核对减少了误差。

关键信息

调查设计与误差类型

调查模块与结果

• 模块1-5：回忆调查模块，涉及不同长度的回忆期（7天、14天、常规月）和不同数量的食品项目（58项、17项、11项）。
• 模块6-8：日记调查模块，其中模块8为个人日记，监督频率最高。
• 结果：回忆模块的食品消费估计值比个人日记低8%至33%，而日记模块的估计值更接近真实值。

误差分解方法

• 消费总量被分解为消费发生率（incidence）和消费价值（value）两个向量。
• 消费发生率指家庭是否报告了某种食品的消费，而消费价值指消费的金额或数量。
• 通过回归分析，研究了不同调查模块对消费发生率和价值的影响，并考虑了家庭特征（如家庭规模、地理位置、教育水平、财富状况）与误差之间的交互作用。

家庭特征与误差

• 家庭规模：家庭规模越大，回忆模块对消费的低估越严重。
• 地理位置：城市家庭的消费被低估，可能与城市中个人消费机会更多有关。
• 教育水平：教育水平较低的家庭在常规月调查中表现出更高的不准确率。
• 财富状况：最贫穷家庭在回忆模块中低估消费最严重，随着家庭财富增加，低估程度下降。

调查实验设计

• 样本与地点：调查覆盖坦桑尼亚七个地区的24个社区，共计4029户家庭。
• 数据收集方式：调查通过纸质问卷进行，所有问卷均录入两次以减少数据录入误差。
• 单位转换：在坦桑尼亚，非标准单位较为常见，因此通过社区价格调查收集了单位转换因子，并将其转换为千克或升。
• 监督频率：个人日记模块（模块8）监督频率最高，每周两次，而其他日记模块监督频率较低。

结论与启示

• 不同调查方法在误差分解上表现各异，因此需要更细致地分析误差来源。
• 个人日记调查在减少误差方面表现更优，但成本较高。
• 调查设计应考虑家庭特征与误差类型之间的相互作用，以提高消费测量的准确性。
• 未来调查设计应注重食品类别特性（如消费频率、市场购买率、储存性等）对误差的影响，从而优化数据收集方法。

参考文献与作者信息

• 作者：Jed Friedman, Kathleen Beegle, Joachim De Weerdt, John Gibson
• 机构：世界银行、安特卫普大学、根特大学、怀卡托大学
• 关键词：食品消费、家庭调查、报告误差、回忆、时间压缩
• JEL分类：C81, D12

实验方法

• 采用随机分配方法，将八个调查模块分配给不同家庭。
• 通过回归分析和误差分解方法，评估不同模块对消费发生率和价值的影响。
• 引入家庭特征变量，如家庭规模、教育水平、财富状况，以分析误差的来源和影响。

未来研究方向

• 需要进一步研究不同误差类型对特定食品类别的影响。
• 优化调查设计以减少误差，特别是在不同社会经济背景下。
• 探索如何在实际调查中平衡数据准确性与成本效益。