2025年社会调查与统计师资格考试试题及答案解析

2025年社会调查与统计师资格考试试题及答案解析1.（单选）某市卫健委欲评估“社区健康驿站”对老年人慢病管理的效果，采用“是否建有驿站”作为唯一分组变量，追踪一年后的血压控制率。若忽略“老年人自我健康关注程度”这一潜在变量，最可能导致的偏误类型是A.选择偏倚 B.混杂偏倚 C.信息偏倚 D.失访偏倚答案：B。解析：自我健康关注程度既影响驿站建设选址（暴露）又影响血压控制（结局），若未被测量与控制，将产生混杂偏倚。2.（单选）在复杂抽样设计中，设计效应（deff）被定义为A.简单随机抽样方差与复杂抽样方差之比 B.复杂抽样方差与简单随机抽样方差之比 C.复杂抽样标准误与简单随机抽样标准误之差 D.样本量与有效样本量之比答案：B。解析：deff=Var_complex(θ̂)/Var_srs(θ̂)，反映复杂抽样相对效率。3.（单选）调查问卷中设置“您去年网购支出大约多少元？”属于A.事实型问题 B.主观型问题 C.敏感型问题 D.筛选型问题答案：A。解析：网购支出属可验证的客观事实，但回忆难度高，仍归为事实型。4.（单选）对有序分类变量“教育程度”（小学、初中、高中、大专及以上）进行卡方检验前，应优先考虑的统计量是A.Cramer’sV B.Gamma C.Kendall’stauc D.列联系数答案：C。tauc适用于有序列联表且表格非方阵情形，可测度关联强度。5.（单选）在总样本量固定条件下，若分层目的是提高总体均值估计精度，最优分配原则为A.内曼分配 B.比例分配 C.等额分配 D.系统分配答案：A。内曼分配按层内标准差与层规模的加权平方根比例分配样本，可最小化方差。6.（单选）某CATI系统显示拒访率为62%，回答率为28%，其余为“无法联系”。若将“无法联系”全部视为合格但拒访，则合作率（COOP3）为A.28% B.31% C.45% D.73%答案：B。COOP3=完成访谈/(完成+拒访)=28/(28+62)=31.1%。7.（单选）当使用双重捕获法估计流动人口总数时，若第二次捕获故意采用“雪球抽样”，则假定最易被违反的是A.封闭总体 B.两次捕获独立 C.标记不丢失 D.同质可识别答案：B。雪球抽样使被推荐个体非独立，破坏独立性假设。8.（单选）对含30%缺失的连续变量X，采用多重插补（m=5）后，最终回归系数标准误的正确计算应使用A.平均组内方差 B.组间方差 C.鲁宾公式综合组内与组间 D.最大一次插补的SE答案：C。Rubin规则：Var(β̂)=W+(1+1/m)B，其中W为组内，B为组间方差。9.（单选）在结构方程模型（SEM）中，若CFI=0.96，RMSEA=0.05，SRMR=0.06，可初步判断A.模型拟合差 B.拟合可接受 C.存在过度拟合 D.需修正指数>5才接受答案：B。三指标均达到常规阈值（CFI>0.95，RMSEA<0.06，SRMR<0.08）。10.（单选）某调查采用“县村户”三阶段抽样，若使用“最终户权重=基础权重×无响应调整×事后分层校准”，则权重校准的核心目的是A.降低抽样方差 B.消除选择偏倚 C.提高估计无偏性 D.减少测量误差答案：C。校准使样本分布对齐总体，修正非覆盖与非响应带来的偏差。11.（单选）在R语言survey包中，下列代码用于计算比例估计的是A.svymean(~x,design) B.svytable(~x,design) C.svyglm(y~x,design) D.svyquantile(~x,design)答案：A。svymean直接给出加权均值或比例（若x为0/1）。12.（单选）当调查涉及“家庭暴力”这一敏感主题时，采用“随机化回答技术”（RRT）主要降低A.抽样误差 B.无响应误差 C.测量误差之社会期望偏误 D.覆盖误差答案：C。RRT通过随机机制保护隐私，减少受访者隐瞒。13.（单选）对网络调查样本进行“倾向评分加权”时，参考的总体基准数据通常来自A.同一网络调查问卷 B.普查或高质量面访调查 C.商业大数据标签 D.社交媒体活跃指数答案：B。需无偏总体分布作为基准，普查或面访为金标准。14.（单选）若某Poisson回归的离散参数估计为3.2，应优先考虑的后续建模策略是A.改用负二项回归 B.增加二次项 C.采用零膨胀 D.使用稳健标准误答案：A。离散参数显著>1提示过离散，负二项可显式建模过度散布。15.（单选）在调查数据发布前，采用“局部抑制+噪声添加”实现差分隐私，隐私预算ε越小，则A.数据效用越高 B.隐私保护越弱 C.噪声越小 D.噪声越大答案：D。ε↓意味着更强隐私，需更大噪声。16.（单选）对“家庭人口数”进行描述时，下列指标中最易受极端值影响的是A.中位数 B.众数 C.算术均值 D.四分位距答案：C。均值对极端值敏感。17.（单选）在问卷设计中，若将多个子问题合并为矩阵量表，最可能导致的测量问题是A.同源性偏差 B.顺序效应 C.疲劳效应 D.锚定效应答案：A。矩阵格式易让受访者保持同一回答风格，产生同源性偏差。18.（单选）使用GPS辅助的面积抽样框进行农业调查，若采用“分割法”处理大面积地块，其目的是A.降低测量成本 B.减少覆盖误差 C.控制抽样方差 D.提高响应率答案：B。分割确保所有地块有机会被抽中，降低遗漏。19.（单选）在调查执行中，若访员民族身份与被访者一致可显著提高响应率，该现象被称为A.同质效应 B.权威效应 C.亲和效应 D.社会距离效应答案：C。亲和效应强调身份相似带来的信任。20.（单选）对时间使用日记调查，采用“昨天日记”而非“随机指定日记”主要缺点是A.回忆误差大 B.季节效应强 C.周几偏差 D.样本量小答案：C。昨天日记易过度代表周末或工作日，导致周几偏差。21.（多选）下列哪些技术可用于降低网络调查中的“专业受访者”偏差A.陷阱题筛查 B.IP+设备指纹去重 C.缩短问卷长度 D.设置最低答题时长 E.使用riversampling答案：A、B、D。陷阱与时长可识别敷衍，去重防重复注册，riversampling反而易引入专业户。22.（多选）关于Bootstrap置信区间，下列说法正确的是A.百分位区间不需对称假定 B.偏差校正区间（BCa）可纠正偏态 C.重复样本须与原始抽样设计一致 D.样本量越大，区间必越窄 E.适用于复杂抽样答案：A、B、C。Bootstrap不保证区间随n单调窄，复杂抽样需重抽样层与PSU。23.（多选）在调查数据清洗阶段，下列操作应记录在“数据编辑报告”中A.逻辑一致性规则 B.异常值处理代码 C.缺失模式分析 D.权重计算步骤 E.问卷页码扫描质量答案：A、B、C、D。扫描质量属现场管理，不进入编辑报告。24.（多选）下列属于“非概率抽样”的是A.街头拦截 B.网络自愿访问panel C.配额抽样 D.系统抽样 E.雪球抽样答案：A、B、C、E。系统抽样属概率抽样。25.（多选）当使用“多层线性模型”分析“个人幸福感”时，若将“省份GDP”作为层二变量，可探讨的问题包括A.省份经济水平对幸福感的直接效应 B.GDP是否调节个体收入与幸福感斜率 C.省份间幸福感变异是否被GDP解释 D.个体年龄与幸福感关系是否随GDP变化 E.抽样权重对固定效应估计的影响答案：A、B、C、D。E属估计方法，非研究问题。26.（多选）在计算“收入基尼系数”时，若调查数据存在顶部编码，可能导致的后果有A.低估不平等 B.高估不平等 C.洛伦兹曲线上尾收敛于45°线 D.基尼系数标准误增大 E.中位数收入不变答案：A、C。顶部编码压缩高端差异，使洛伦兹曲线尾部趋近平等线，基尼下降。27.（多选）关于“交叉滞后模型”与“潜变量增长模型”的比较，正确的是A.前者侧重变量间相互影响，后者侧重个体轨迹 B.前者需至少两波数据，后者需至少三波 C.前者可检验Granger因果，后者可估计增长率 D.两者均可纳入随时间变化的协变量 E.两者均假定测量不变性答案：A、B、C、D。增长模型不一定需严格测量不变，视研究目的。28.（多选）在电话调查中，使用“号码生成+预拨号”技术，可降低A.覆盖误差 B.无响应误差 C.测量误差 D.抽样框误差 E.访员效应答案：A、D。生成号可覆盖未登记电话，降低框误差。29.（多选）对“农村留守儿童”进行焦点小组访谈，若采用“匿名投票+展示”环节，其优点包括A.降低社会期望压力 B.快速获得共识 C.便于记录非语言信息 D.减少群体思维 E.提高量化可比性答案：A、B、D。匿名投票可抑制权威影响，促进真实表达。30.（多选）在官方统计中，采用“链式指数”计算CPI的优点有A.可及时纳入新产品 B.降低替代偏差 C.避免直接比较两期质量差异 D.简化权重更新 E.消除季节性波动答案：A、B、C。链式指数逐期链接，不直接消除季节。31.（判断）“样本量越大，非抽样误差必然越小。”答案：错误。非抽样误差（测量、覆盖、无响应）与样本量无单调关系，甚至因规模扩大而上升。32.（判断）在双重差分法中，若处理组与对照组事前趋势平行，但事后观测点仅一期，仍可识别动态效应。答案：错误。仅一期无法观测动态演变，只能得平均处理效应。33.（判断）使用R语言的mice包进行多重插补时，默认预测均值匹配（pmm）适用于连续与分类变量。答案：错误。pmm仅适用于连续，分类需用logreg、polyreg等方法。34.（判断）“问卷预测试”与“认知访谈”目的相同，可互相替代。答案：错误。前者侧重发现流程与逻辑问题，后者深入理解受访者认知过程，互补而非替代。35.（判断）在复杂抽样下，若忽略分层变量，总体均值估计仍无偏但方差增大。答案：正确。分层变量与结局相关时，忽略会导致方差上升，但HorvitzThompson估计保持无偏。36.（填空）某调查采用“两阶段整群抽样”，第一阶段抽取10个初级抽样单元（PSU），第二阶段每PSU抽20户，共200户。若忽略有限总体校正，且群内相关系ρ=0.05，则设计效应deff=________。答案：1+（201）×0.05=1.95。37.（填空）在问卷中设置两道陷阱题，若受访者均答错，则判定为“低质量答卷”。若陷阱独立，单题随机猜对概率0.25，则随机被误判概率为________。答案：0.75×0.75=0.5625。38.（填空）某Poisson回归输出显示“偏移量log(exposure)”系数为1，若exposure增加10%，则期望计数增加________%。答案：10%。偏移量系数固定为1，期望与exposure成比例。39.（填空）对5级李克特题进行因子分析，提取1个公因子方差贡献率为42%，则该题的共同度（communality）为________。答案：0.42。40.（填空）若“回答率”为30%，“合格率为90%”，则“总体响应率”（AAPORRR3）为________。答案：0.3×0.9=0.27。41.（简答）说明“无响应权重调整”与“事后分层校准”在目的、输入变量、假设上的三点差异。答案：1.目的：无响应调整旨在消除因无响应导致的样本与框分布差异；事后分层校准进一步使样本分布对齐总体外部基准（如普查）。2.输入：前者仅需抽样框与响应指示变量；后者需外部总体联合分布（如性别×年龄×地区）。3.假设：前者假设“响应概率可建模且给定协变量后数据为随机缺失（MAR）”；后者假设“校准变量与目标变量相关且外部基准无误差”。42.（简答）给出“网络调查样本总体推断”两阶段权重校准的数学表达式，并解释各符号。答案：最终权重w_k=w_{0k}×r_k×g_k其中w_{0k}为设计基础权重；r_k为无响应调整因子，r_k=1/p̂_k，p̂_k为基于logit模型估计的响应概率；g_k为校准因子，g_k=X_tot/Σ_sw_{0k}r_kx_k，X_tot为外部总体总量，x_k为校准向量。校准通过迭代比例拟合（raking）或广义回归（GREG）实现。43.（简答）阐述“交叉负载”在验证性因子分析中的危害，并给出两种修正策略。答案：交叉负载指观测变量显著负载于非目标因子，导致因子间相关被高估、区分效度下降、模型拟合劣化。修正：1.删除或重新表述该题项；2.允许交叉负载并报告标准化载荷，结合理论决定因子合并或拆分。44.（简答）说明“随机截距+固定斜率”与“随机截距+随机斜率”两层线性模型在参数数量与解释上的差异。答案：前者仅允许截距随群体变化，斜率固定，参数少（2个随机参数：截距方差、残差方差），解释“群体差异仅体现在起点”；后者额外允许斜率随群体变化，增加斜率方差及截距斜率协方差，解释“群体差异同时体现在起点与变量关系强度”，能检验跨层交互。45.（简答）列举并解释“认知访谈”四步流程。答案：1.编写认知版本：在标准问卷中加入“探针”，如“您如何理解‘家庭收入’？”2.招募小样本：覆盖关键人口子群，一般1040人。3.执行访谈：采用“有声思维”或回溯追问，记录理解、回忆、判断、回答四阶段问题。4.分析与修订：编码受访者反馈，修订措辞、格式或指令，形成最终版。46.（综合）某高校欲评估“在线编程课程”对毕业生就业薪资的影响，计划使用非随机对照设计。校方提供20182023年学生成绩、选课、就业登记数据，但选课为自愿。请：（1）给出识别策略名称；（2）列出三种可观测选择偏误来源；（3）提出两种基于观测数据的因果推断方法并比较其关键假设；（4）若使用双重差分，需满足何种前提并如何检验；（5）给出处理效应异质性检验的一种计量模型。答案：（1）策略：观测因果推断（准实验）。（2）偏误来源：1.能力差异（高能力者更愿选课）；2.专业差异（计算机专业需求高）；3.家庭背景（资源好的学生信息更足）。（3）方法：A.倾向评分匹配（PSM）—假设“条件可交换性”与“共同支持”；B.双重差分（DiD）—假设“平行趋势”与“无同期干预”。比较：PSM依赖横截面可测变量充分，DiD依赖时间维度与对照组。（4）DiD前提：处理组与对照组事前薪资趋势平行。检验：绘制20182020年两组均值趋势图；回归加入年份×处理交互，检验事前交互项不显著。（5）异质性模型：wage_it=α+τ1Treat_i×Post_t+τ2(Treat_i×Post_t×Female_i)+βX_it+μ_i+λ_t+ε_it，检验τ2是否显著，识别性别异质效应。47.（综合）某统计局采用“移动手机信令大数据”推算“夜间居住人口”，需与census基准比对。请：（1）给出两种可能覆盖偏差；（2）提出一种“小区域估计”模型将信令数据与census结合以提高县域人口估计精度；（3）说明如何评估估计精度；（4）若发布数据需满足差分隐私，给出噪声添加对象与理由。答案：（1）偏差：1.儿童与老人手机持有率低；2.多设备用户重复计数。（2）模型：区域层次贝叶斯模型—以census为“金标准”层一，信令计数为辅助变量，建立对数线性模型：log(truepop_j)=β0+β1log(signal_j)+u_j，u_j~N(0,σ_u^2)，用后验均值作为估计。（3）精度评估：采用五折交叉验证，随机保留20%县真实census作为验证集，计算MAPE与PRMSE。（4）隐私：对发布县域人口数添加拉普拉斯噪声，尺度参数Δ/ε，Δ为查询全局敏感度（1），因人口数属关键敏感指标。48.（综合）某研究团队欲测量“县域数字鸿沟”，现有变量：家庭宽带覆盖率、移动信号强度、数字支付比例、老年人智能机持有率。请：（1）给出构建综合指数的两种统计方法；（2）说明如何检验指数稳健性；（3）若发现东部县域指数普遍高，提出一种可视化方案呈现空间聚集；（4）解释为何需用“空间自相关”检验并给出统计量公式。答案：（1）方法：A.主成分分析（PCA）取第一主成分；B.熵权TOPSIS，基于指标离散度赋权。（2）稳健性：1.改变权重方案（等权、PCA、熵权）计算Spearman秩相关；2.剔除单一指标观察排名变化；3.Bootstrap抽样1000次报告指数95%CI。（3）可视化：绘制县域choropleth地图，采用五等分色阶，叠加LocalMoran聚类图，高高聚集用红色，低低用蓝色。（4）空间自相关检验：Moran’sI=nΣ_iΣ_jw_ij(x_ix̄)(x_jx̄)/(Σ_i≠jw_ijΣ_i(x_ix̄)^2)，若I显著>0，表明存在正向聚集，忽视将导致标准误低估。49.