使用可选和部分扰动处理敏感数据的一些新的定量随机反应模型

为什么问难题这么棘手

许多最重要的社会问题——关于毒品使用、隐匿收入、逃税或非法行为——恰恰是人们最不愿意诚实回答的问题。如果他们担心被评判或受到惩罚，就可能撒谎或拒绝回答，这会使调查结果产生偏差。本文介绍了一些新的调查设计方法，使人们可以在安全地隐藏个人答案的同时，仍然允许研究者以高精度测量这些敏感行为在总体中到底有多普遍。

机会如何保护你的隐私

自20世纪60年代以来，统计学家采用了一种巧妙的技巧，称为随机反应。与直接回答敏感问题不同，受访者使用一个随机装置——比如抛硬币或旋转指针——来决定是说实话还是给出一个掩饰过的答案。因为只有受访者看得到随机装置的结果，外人无法判断某一具体回答是否真实。然而，通过知道随机规则，研究者仍然可以重建出总体的准确均值。后来的工作将这一思路从是/否问题扩展到数值问题，例如某人犯法的次数或未申报收入的金额。

让人们选择隐藏的程度

传统的隐私方法对所有人一视同仁：每个受访者的答案都以相同方式被扰动，即便有些人并不特别担心这个问题。这种“一个模子刻出来”的做法可能浪费信息，且仍无法让谨慎的受访者感到安全。为了解决这个问题，研究者提出了可选模型。在这些模型中，每个人可以根据自己的舒适程度要么报告真实数字，要么发送被扰动的版本。本研究在数值数据方面基于这一思想，构建了四个模型，混合了直接回答与不同类型的扰动——有时加入随机噪声，有时乘以随机因子，有时使用多阶段随机化。

平衡安全与精度的四种新方法

作者引入了四个相关模型，标记为 M1 到 M4。它们的目标都是无偏地估计总体中某一敏感数值的平均水平，也就是说，平均而言能恢复真实值。M1 在现有方法上增加了第二阶段随机化，这提高了对单个答案的不确定性同时保持总体计算的简单性。M2 结合了第一步部分人直接回答与第二步通过乘法或加法随机扰动答案的做法。M3 和 M4 进一步推广了早期的多选项设计，为受访者提供几种可能的被扰动形式。这些额外的选择和随机层次为个体创造了更多“保护”，同时仍允许统计学家解开总体模式。

同时衡量隐私与精确度

因为更多的扰动能保护个人但也会模糊数据，关键问题是如何判断隐私与精确度之间的权衡。作者将他们的四个模型与七种知名的早期方法进行了比较，使用若干衡量标准。他们考察统计效率，即最终估计的变异性，以及隐私度量，捕捉报告值与个人真实数值的偏离程度。他们还使用一个组合评分——称为 phi 指标——允许分析者决定在隐私与效率之间赋予多大权重。在广泛的设置下，新的模型，尤其是 M1 和 M4，在组合评分上持续优于旧方法。

为敏感话题选择合适的工具

该研究并不宣称某一单一模型适用于所有情形。相反，它提供了关于何时使用每种方法的明确指导。当保护个体隐私是首要任务且研究者愿意接受更多统计噪声时，建议使用 M1 到 M3。这些模型能强有力地保证单个受访者的真实答案不易被猜测。当调查组织更在意从有限数据中尽可能挤出准确度——例如在样本小或成本高的研究中——M4 往往表现最佳。总体而言，对非专业读者的结论令人放心：通过谨慎设计调查背后的随机规则，可以以对参与者在伦理上更安全、在科学上更可靠的方式提出非常敏感的数值问题。

引用: 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

关键词: 保护隐私的调查, 随机反应, 敏感数据, 调查方法学, 统计保密性