民意调查数据评估研究——以浙江省药品安全公众满意度调查为例

杨飞

（浙江省统计局民生民意调查中心，浙江杭州310012）



民意调查数据评估研究——以浙江省药品安全公众满意度调查为例

杨飞

（浙江省统计局民生民意调查中心，浙江杭州310012）

摘要:本文以全省药品安全公众满意度调查为例，对2012年-2014年已完成的历次药品安全公众满意度调查作全面回顾，从客观和主观、定性和定量等不同角度对民意调查数据进行多角度的分析评估,归纳出需要改进的地方，并提出改进建议。

关键词:民意调查；数据评估

一、做好民意调查数据评估的意义

民意调查是以科学的方法收集民众的各种反映，并应用统计分析的方法对所收集的资料进行分析研究，发现社会反映集中的意愿，为管理者科学决策提供必要的信息依据。近年来，各种民意调查兴起，在引导民众参与政府决策、推动公共管理工作方面取得了明显的成效，对党委政府科学决策、民主决策起到了很好的促进作用。但从近年来的民意调查工作实践看，往往比较注重调查方案的设计、样本抽样、调查组织、数据审核、数据处理、分析报告等过程，忽视了事后调查数据的评估。虽然从事民调工作的专业人员为保证数据质量的真实可靠，采取了很多措施，如设计调查方案尽可能科学，抽样符合随机原则，采集数据规范，把好数据审核关等等，但最终取得的调查结果质量如何，究竟有没有真正反映民众的真实意愿，是需要通过数据评估才能判断的。在进行数据管理与数据分析时，只进行描述性统计(平均值、百分比等)，忽略推论性统计(T检验、卡方检验、回归模型等)，是无法正确评估民意调查数据质量的。

因此，当前加强民意调查数据的评估，加大民意调查数据深度开发具有较强的现实意义。

二、民意调查数据评估的实证分析

本评估报告中，我们对调查结果的整体连续性进行直观的检验，然后分析统计误差，检验统计关联的假设，从整体上评估三个年度民意调查的可靠性。

1.连续性检验。根据统计学中连续性评估的原理，同样问题的回答应该具有相似的统计分布。而统计分布的一阶数学量是统计平均值，二阶数学描述是统计涨落。据此数学原理对于三个年度内的连续性评估的具体方法如下：

a)计算每个年度内调查问卷统计的平均值：

b)计算三个年度全部样本的统计平均值：

c)在每个年度内测量调查问卷的样本方差：

d)计算三个年度全部样本的统计方差：

xi是受访者关于某个问题的回答，为受访者关于某个问题回答的统计平均。S2year为某年度的统计涨落，S则是总样本的标准偏差，Nyear为某个年度调查问卷的样本数，N是三年调查统计的总样本数。

表1　三个年度调查结果的连续性评估

由上表可以看出三个年度民意调查的统计结果是非常连续的，三个年度统计平均值的差别很小，年度平均值差别均小于本身的统计涨落，三个年度标准统计偏差同总样本的标准统计偏差之间的差异也很小。统计结果在均值以及统计涨落两个方面都具有良好的连续性，表明2012-2014三个年度的民意调查数据是连续可靠的。

2.调查误差分析。民意调查往往存在一定的误差，即便是两次同样的调查，结果也会存在差异，这种差异的大小表明了民意调查结果的质量和误差。因此，在考虑抽样误差的前提下，研究总体间误差的方法对于民意调查评估而言，尤为重要。

由于民意调查是抽样调查，总体标准差未知，因此，我们用样本方差来代替总体标准差。设某一年度的民意调查样本数目为n，针对对于某一个问题X的样本均值为，样本方差为S2，该年度问题X置信度为α的均值置信区间则可以通过下面的公式(7)来计算：

对应方差的置信区间为：

民意调查的结果往往通过某个选项的占比写入最终调查报告，例如“26.86％的受访者对当前药品安全状况表示满意”。对于某个问题的选项，受访者选定这个选项可以记作“1”，未选中该选项，则记作“0”，这样该选项的样本平均值就是百分百。而长度为n，由0、1构成的数列的方差最大值为n24n(n-1 )。按照此公式可以推断出各年度民意调查结果的置信度区间，如下表所示：

表2　三个年度样本均值、置信度为95％的方差置信区间

通过方差检验，可以看出三个年度样本均值和样本统计方差在95％可信度水平上的统计误差都非常的小，仅略大于1％，即断定调查结果的可信度高于99％。因此，可以认为统计结果是可信的。

3.数据之间的关联性评估。本报告进行以下关联性评估：相关关系是否存在的审查——独立性检验、相关程度——关联系数的计算。以下以2013年民意调查问卷里的问题：“现在药品供应渠道较多，您通过哪些渠道购买药品？”为例，观察不同人口类型（城镇居民和农村居民）和药品购买渠道之间是否存在关联。

表3　不同人口类型同药品购买渠道的列联表

独立性检验的通常方法是采用χ2检验方法，其原理是相互独立的不同事件同时的发生概率等于各自事件单独发生的概率的累积。通过计算事件联合概率与单独发生概率之间的差别，则可以断定事件之间是否存在关联。根据通用的计算方法，可以计算不同类型人群同药品购买渠道之间关系的χ2值：

由于这里的列联表维数是2×5，所以χ2的自由度应为(2-1 ) (5-1 ) =4。根据χ2表，自由度为4，信度99％的χ13.28。因为χ2＞χ0结论“不同类型人群与药品购买渠道之间存在着关联”的出错概率小于1％。综上所述，我们以不同人口类型同药品购买渠道之间存在着关联为出发点，对这个假设进行了关联性检验，最后结果验证了结论是可信的。4.综述。由于不同民意调查的主旨不一样，民意调查数据的评估不能简单照搬。全省药品安全公众满意度调查具有较强的政策调研性质，主要目的是为药品安全工作决策提供参考依据，而非评价既往的公共政策，因此，在评价药品安全公众满意度调查信效度的时候，不能简单地以满意度民意调查理论为参考。为进一步科学有效地测量全省药品安全公众满意度，建议从严谨和同国际接轨等方面考虑，在今后的药品安全公众满意度计算中引入结构方程模型。

三、药品安全公众满意度结构方程建模探析

1.药品安全公众满意度模型的构建。政府对药品安全的监督和管理不同于一般的公共服务。首先，药品安全监督不完全属于公共服务，药品的检测和监督已经逐渐商业化，药品检测的费用往往由药品生产单位支付，不需要公众支付。因此，“感知价值”在药品安全公众满意度调查中并没有太大的意义。其次，因为药品的监督检测是一个非常专业的过程，公众信息在满意度测量中并不占有十分明显的意义。基于以上两点，本报告提出一种新的测量公众对药品安全满意度的模型。其因果关系路径图如图1所示，其中椭圆代表结构变量，两个结构变量中的连线代表它们之间存在因果关系。箭头表示的显变量见表4：

图1　药品安全的公众满意度测量模型

表4　药品安全的公众满意度观测变量的设置与问题示例

在这些变量中，感知质量是唯一的一个外生变量(Exogenous Variable)，不受模型中其他变量的影响，标记为ξ1，所对应的显变量叫做外生标示(Exogenous Indicator)，标记为X=() x11,x21,...,x51。公众期望、公众满意度都是内生变量（Endogenous Variable）,受模型中其他变量的影响，分别标记为η=(η1,η2 )。所对应的显变量叫做内生标示（Endogenous Indicator），标记为Y=() y11,y21,y12,y22,y32。

图1所示的模型基于下面3个假设：

1.公众期望对感知价值有着直接的正面影响；

2.感知价值对公众满意度有着直接的正面影响；

3.公众期望对公众满意度有着直接的正面影响。

在这里，公众期望是人民群众对政府药品安全监管部门监管效果的预期。人民群众作为纳税人，是政府药品安全监管部门正常运转的“出资人”，必然对政府药品安全监管部门有所期待。

感知价值是指公众在享受政府药品安全监管部门提供的服务后对自身需要和自我利益实现的主观感受。感知价值是以公众享受政府提供的服务为前提，体现的是政府药品安全监管部门对公众的尊重、帮助公众实现对社会服务的要求。

公众满意度是公众对政府药品安全监管部门的总体满意程度，包括满意感受和对政府信任两部分。

2.药品安全满意度指数模型的计算。假设模型结构变量之间的关系为线性关系，那么结构变量之间的因果关系可以通过下面三个线性方程描述：

方程中β、λ为方程参数，或者称为路径系数，而ζ，δ以及ε均为回归误差。路径系数由调查统计的观测数据回归分析后拟合得到。路径系数的计算可采用AMOS软件中的各种结构方程路径系数的计算方法。在路径系数计算的同时，可以计算不同显示结构变量之间的权重系数，恰当的权重系数会极小化回归误差。

一旦权重系数得以确定，则可以进一步通过下面的公式计算药品满意度：

上面的公式计算出来的公众满意度区间范围是0～100。其中0和100表示两个极端。0表示所有受访者给所有显变量都给了最低分，即对每项内容都非常不满意；100则相反，表示对每项内容都非常满意。

3.药品安全满意度指数模型的检验。分为模型设计检验与回归分析检验:

a.模型设计检验——信度检验。不同问题如果有着相似性，那么问题的结果也会有关联。例如问题“您认为当地政府打击药品安全违法行为的力度如何？”和问题“您对当地政府的药品安全监管工作满意吗？”的统计结果就可以相互印证。在结构方程理论当中，属于同一组的问题，其统计结果要内在一致，而测量数据内在一致性的变量有很多，最常用的是Cronbach's α信度。Cronbach'sα是一个值在0～1之间的数字，它表示对一种现象的测度的稳定性和一致性的程度。α值越大，代表同一组观测量不同问题之间所测量到的分数受到误差的影响越小，说明同一组观测量不同问题之间的分数并没有受被调查者一致性行为的影响。Cronbach's α信度检验常被称为内部一致性检验，因为它检验了不同问题之间是否度量了同样一个概念。信度检验也被称为重测检验，因为它可以表征不同时间进行测量时调查结果的一致性。Cronbach's α信度检验具体地检验了什么一致性在于被检验数据集的特性。在测量满意度的过程当中，最重要的一个检验就是检验统一观测量不同问题之间的内部一致性。它需要用到的数据集是民意调查同一组不同问题的统计结果。其流程图如图所示：

图2　利用Cronbach's α检验问卷内部一致性的流程图

灵活运用Cronbach's α信度检验可以检验各种一致性。

b.回归分析的检验。结构方程理论的数学本质是多元线性回归，因此对结果检验的一个重要方面就是线性假设的显著性检验。常用的检验方式有t检验、测定系数R2检验、容忍度检验、变异膨胀系数检验。

1）t检验是常用的一种统计假设检验方法。在我们的模型当中，我们主要用它来检验原始数据同拟合之后的模型数据是否一致。例如在公式(12)当中，结构变量y和内生变量η之间存在着线性关系，通过线性回归，可以确定方程(12)中的拟合系数λ，进一步可以得到拟合结构变量y˜。按照统计学规律y-y˜的分布满足t分布。因此可以通过t分布检验线性相关的显著性。

2）测定系数（Coefficient of determination）检验，

通常称作R2检验。R2的计算公式为

其中R2in代表模型中包括预测模块时的R2， R2ex表示不包括预测模块剔除该模块的R2。一般来说，当f2＜0.05时，该预测模块对模型结构的影响较小，可以考虑从模型中剔除。

3）容忍度和变异膨胀系数都是SPSS软件中用来度量观测量之间是否具有多重共线性的标准量。容忍度的值介于0和1之间。如果某一个自变量的容忍度太小，表示此变量同其他自变量之间存在共线性问题。变异膨胀系数(VIF)是容忍度的倒数，其值越大，表示自变量的容忍度越小，共线性越有问题。经验判断方法表明：当VIF的值在0到10之间的时候，不存在多重共线性；10＜VIF＜100的时候，存在较强的共线性。VIF＞100时候，存在多重共线性。

（责任编辑：牛域宁）