Enkele nieuwe kwantitatieve randomised response-modellen met optionele en gedeeltelijke verwarring voor gevoelige gegevens

Waarom het zo lastig is om lastige vragen te stellen

Veel van de belangrijkste maatschappelijke vragen—over drugsgebruik, verborgen inkomsten, belastingontduiking of illegaal gedrag—zijn precies de vragen die mensen het minst eerlijk willen beantwoorden. Als ze oordeel of straf vrezen, kunnen ze liegen of weigeren te antwoorden, en dat maakt enquêteresultaten misleidend. Dit artikel presenteert nieuwe manieren om enquêtes te ontwerpen zodat mensen hun persoonlijke antwoorden veilig kunnen verbergen, terwijl onderzoekers toch in staat zijn om met hoge nauwkeurigheid te meten hoe vaak deze gevoelige gedragingen daadwerkelijk in de bevolking voorkomen.

Hoe toeval je privacy kan beschermen

Sinds de jaren 60 gebruiken statistici een slimme truc die bekendstaat als randomized response. In plaats van een gevoelige vraag rechtstreeks te beantwoorden, gebruikt een persoon een willekeurig apparaat—zoals een muntopworp of een spinner—om te beslissen of hij de waarheid zegt of een verhuld antwoord geeft. Omdat alleen de respondent de uitkomst van het willekeurige apparaat ziet, kan geen buitenstaander weten of een bepaald antwoord echt is. Toch kunnen onderzoekers, door de willekeurregels te kennen, nog steeds nauwkeurige gemiddelden voor de hele groep reconstrueren. Later werk breidde dit idee uit van ja–nee-vragen naar numerieke vragen, zoals hoe vaak iemand de wet heeft overtreden of hoeveel niet-aangegeven inkomen iemand heeft.

Mensen laten kiezen hoeveel ze verbergen

Traditionele privacymethoden behandelen iedereen hetzelfde: bij elke respondent wordt het antwoord op dezelfde manier verward, zelfs als sommige mensen zich niet bijzonder zorgen maken over de vraag. Die "one size fits all"-benadering kan informatie verspillen en toch terughoudende mensen niet veilig doen voelen. Om dit te verhelpen, ontwikkelden onderzoekers optionele modellen. Hierbij kan elke persoon ofwel hun echte getal rapporteren of een verwarde versie sturen, afhankelijk van hun comfortniveau. De nieuwe studie bouwt voort op dit idee voor numerieke gegevens door vier modellen te creëren die directe antwoorden mengen met verschillende soorten verwarring—soms door het toevoegen van willekeurige ruis, soms door vermenigvuldiging met een willekeurige factor, en soms door meerdere stadia van randomisatie te gebruiken.

Vier nieuwe manieren om veiligheid en nauwkeurigheid in balans te brengen

De auteurs introduceren vier verwante modellen, aangeduid als M1 tot en met M4. Alle hebben tot doel het gemiddelde niveau van een gevoelig getal in de bevolking onpartijdig te schatten, wat betekent dat ze gemiddeld de werkelijke waarde terugvinden. M1 breidt een bestaande methode uit door een tweede fase van randomisatie toe te voegen, waardoor de onzekerheid over iemands antwoord toeneemt terwijl de algemene berekening eenvoudig blijft. M2 combineert een eerste stap waarbij sommige mensen rechtstreeks antwoorden met een tweede stap die antwoorden vervaagt door vermenigvuldiging of door het toevoegen van willekeurige ruis. M3 en M4 generaliseren eerdere ontwerpen met meerdere opties verder, en geven respondenten meerdere mogelijke verwarde vormen van hun werkelijke waarde. Deze extra lagen van keuze en willekeur creëren meer "dekking" voor individuen terwijl statistici toch het algemene patroon kunnen ontleden.

Zowel privacy als precisie meten

Aangezien meer verwarring mensen kan beschermen maar ook de gegevens kan vervagen, is de cruciale vraag hoe de afweging tussen privacy en precisie te beoordelen. De auteurs vergelijken hun vier modellen met zeven bekende eerdere methoden met behulp van verschillende maatstaven. Ze kijken naar statistische efficiëntie, wat weerspiegelt hoe variabel de uiteindelijke schatting is, en naar privacymaten, die vastleggen hoe ver gerapporteerde waarden doorgaans van iemands werkelijke getal afliggen. Ze gebruiken ook een gecombineerde score—de zogenaamde phi-maat—die de analist laat kiezen hoeveel gewicht aan privacy versus efficiëntie wordt gegeven. Over een breed scala aan instellingen tonen de nieuwe modellen, met name M1 en M4, consequent betere gecombineerde scores dan de oudere methoden.

Het juiste instrument kiezen voor een gevoelig onderwerp

De studie beweert niet dat één enkel model in alle situaties het beste is. In plaats daarvan geeft ze duidelijke richtlijnen over wanneer welke aanpak te gebruiken. Als het beschermen van individuele privacy de hoogste prioriteit heeft en onderzoekers bereid zijn iets meer statistische ruis te accepteren, worden modellen M1 tot en met M3 aanbevolen. Zij bieden sterke garanties dat iemands werkelijke antwoord niet makkelijk te raden is. Wanneer enquête-organisatoren meer geven om het maximaliseren van nauwkeurigheid uit beperkte gegevens—bijvoorbeeld bij kleine of dure studies—presteert model M4 doorgaans het beste. Over het geheel genomen is de boodschap voor niet-specialisten geruststellend: door de willekeurregels achter een enquête zorgvuldig te ontwerpen, is het mogelijk zeer gevoelige numerieke vragen te stellen op een manier die zowel ethisch veiliger is voor deelnemers als wetenschappelijk betrouwbaarder.

Bronvermelding: Iqbal, S., Hussain, Z. & Omer, T. Some new quantitative randomized response models using optional and partial scrambling for sensitive data. Sci Rep 16, 7734 (2026). https://doi.org/10.1038/s41598-026-40714-0

Trefwoorden: privacy-behoudende enquêtes, randomized response, gevoelige gegevens, enquêtemethodologie, statistische vertrouwelijkheid