针对不注意受访者的交叉模型偏差校正估计量

交叉模型是一种日益流行的调查技术，用于引导受访者对敏感问题给出坦诚回答。然而，近期研究指出，在不注意受访者存在的情况下，敏感属性流行率的常规估计量会向 0.5 偏倚。为补救该问题，我们提出一种简单的基于设计的偏差校正方法，使用带有已知流行率敏感项的锚定问题。我们证明，无需测量个体层面的注意力，即可轻松估计并校正由不注意受访者引起的偏差。我们还提供了估计量的若干有用扩展，包括常规估计量的敏感性分析、加权策略、以潜在敏感特征作为结果或预测变量的多元回归框架，以及功效分析与参数选择工具。我们的方法可通过开源软件 cWise 轻松实现。