LLM-Mirror：基于生成型人物的问卷预测试方法

问卷在社会科学中广泛用于理解人类行为，但其实施过程往往需要耗时耗力的反复调整。为此，研究者们日益倾向于利用大型语言模型（LLM）来模拟人类行为。虽然已有研究聚焦于分布相似性，但个体层面的比较仍属探索不足的领域。基于前期工作，我们探讨了在提供 LLM respondents' 先验信息后，是否能够同时复制统计分布和个体决策模式，这取决于采用 Partial Least Squares 结构方程模型（PLS-SEM）这一已建立的因果分析方法。我们还引入了 LLM-Mirror 概念，即通过提供受访者特定信息生成的用户人物。通过将 LLM-Mirror 生成的响应与实际个体问卷响应进行比较，我们评估了其在复制个体层面结果方面的效果。我们的发现表明：（1）PLS-SEM 分析显示，LLM 生成的响应与人类响应一致；（2）在提供受访者特定信息的情况下，LLM 能够复现个体人类响应；（3）LLM-Mirror 生成的响应在个体层面与人类响应密切一致。这些发现凸显了 LLM 作为问卷预测试和优化研究设计的补充工具的潜力。