缺乏代表性的大型调查显著高估美国疫苗接种率
应用统计
2023-08-21 v3
摘要
调查是理解公众意见和行为的重要工具，其准确性取决于通过最小化各类偏差来保持对目标总体的统计代表性。数据量的增加会缩小置信区间，但会放大调查偏差的影响，这是大数据悖论（Meng 2018）的一个实例。在此，我们在美国成年人首剂 COVID-19 疫苗接种率的估计中证明了这一悖论：Delphi-Facebook（每周约 250,000 份回复）和 Census Household Pulse（每周约 75,000 份）。到 2021 年 5 月，与疾病控制与预防中心（CDC）的基准相比，Delphi-Facebook 高估了 17 个百分点，Census Household Pulse 高估了 14 个百分点。此外，它们庞大的数据量导致错误估计的误差幅度极小。相比之下，遵循调查研究最佳实践（AAPOR）的 Axios-Ipsos 在线面板（约 1,000 份回复）提供了可靠的估计和不确定性。我们使用近期的一种分析框架分解观测误差，以解释这三项调查的不准确性。然后我们分析了其对疫苗犹豫和接种意愿的影响。我们展示了拥有 250,000 名受访者的调查所产生的总体均值估计，其准确性可能不优于大小为 10 的简单随机样本估计。我们的核心信息是：数据质量远比数据数量重要，而用后者弥补前者在数学上是可证明的失败之举。
引用
@article{arxiv.2106.05818,
title = {Unrepresentative Big Surveys Significantly Overestimate US Vaccine Uptake},
author = {Valerie C. Bradley and Shiro Kuriwaki and Michael Isakov and Dino Sejdinovic and Xiao-Li Meng and Seth Flaxman},
journal= {arXiv preprint arXiv:2106.05818},
year = {2023}
}
备注
Revised and reformatted for journal