中美加劳动力调查方法的比较与启示

罗薇

摘 要： 通过对美国、加拿大和中国的劳动力调查方法在抽样设计、数据收集、数据处理、数据产品和开发应用四方面进行比较分析发现，中国劳动力调查在抽样设计上虽然采用较大的样本量，但在样本代表性、样本轮换模式上存在若干问题，不利于后期的估计；在数据收集上采用传统入户询问的方式既不便于数据的录入，又增加了基层调查员的负担；在数据处理上，缺乏数据处理过程中对无回答的调整、覆盖率的校准、季节调整，尤其忽视估计量的方差估计，导致调查估计结果不够科学；缺乏对劳动力调查数据产品和开发应用。然后，从连续性调查的角度对中国劳动力调查方法进行了深入思考，提出六点建议：一是加强人口普查和劳动力调查的衔接，二是合理分配样本量，三是构建和维护劳动力调查多重抽样框体系，四是改进轮换模式，五是建立基于连续性抽样的估计体系，六是形成以劳动力调查为核心的人口住户类调查体系。

关键词： 劳动力调查； 调查方法； 连续性抽样

中图分类号：C811

文献标识码：A文章编号：1671-623X（2016）05-0087-07

随着人力资本对社会发展和经济增长的贡献日益增加，世界上大部分国家和地区都展开了劳动力调查，收集本国或地区劳动力特征的信息，如就业情况、失业情况、工种分布、工作时数、收入等。美国现时人口调查（The U.S. Current Population Survey，下文简称为CPS）是由美国普查局和劳工统计局联合组织实施，在非普查时期为搜集美国按各种标志分组的16岁及以上的人口、就业与失业、劳动力等统计数据而每月进行的住户调查。[1]加拿大劳动力调查 （the Labor Force Survey，以下简称LFS）由加拿大统计局劳动统计司组织实施，是为加拿大提供分行业和职业的劳动力和人口信息的月度住户抽样调查，是劳动力和人口发展趋势等信息的主要数据来源。[2]6我国于2005年11月首次开展全国劳动力调查，现行的劳动力调查在每年四季度调查1次，省会城市和直辖市则组织月度劳动力调查，2016年正式实施全国月度劳动力调查，目前，劳动力调查数据还没有正式对外发布，处在起步探索阶段。本文通过比较分析中美加劳动力调查的实践和理论研究，为中国劳动力调查的开展提供一定借鉴。

一、抽样设计的比较

（一）样本量和设计要求比较

CPS调查样本由824个初级抽样单元，大约60 000个住户单元构成。CPS采用以州为子总体的抽样设计，各州的样本相互独立，样本量要根据各州劳动力实际状况和对变异系数的要求抽取：对于6%的失业率而言，全国失业率月度估计的相对误差控制在1.9%以内，各州年度平均失业率的相对误差控制在8%以内。[1]

LFS每月的调查样本大约是5.4万户，大约包括了10万个劳动力人口的信息。LFS的样本量分配既要满足各级（全国、各个省、各个经济区等）精度要求，又要从整体上保证调查设计的效度：全国失业率月度估计的变异系数低于2%，各省失业率月度估计的相对误差低于7%，各经济区三个月移动平均估计的相对误差低于25%，各就业保险经济区三个月移动平均估计的相对误差低于15%。[2]9-13

中国劳动力调查的样本量约为15万户，人数为46万人。样本设计要求全省调查失业率的相对误差控制在15%左右，省按省会、非省会分类的调查失业率相对误差控制在20%左右。[3]

与中国劳动力调查相比，美国和加拿大劳动力调查设计的住户样本量较少，但是其全国及分行政区域相关目标估计量的精度要求都较高。

（二）抽样方法比较

CPS采用多阶、分层、概率比例的抽样方法。第一阶段抽样设计是在根据2000年美国人口普查划分的全美2 025个初级抽样单元（primary sampling units）中抽取一系列具有代表性的初级抽样单元，对州内的初级抽样单元进行分层，分层的原则是使各层在劳动力及其他与失业高度相关的社会经济因素上尽可能相似。样本中包括全部“自我代表的（selfrepresenting）初级抽样单位”，而对“非自我代表的（nonselfrepresenting）初级抽样单位”进行分层后随机抽取，每层只抽取一个初级抽样单元，且其入样概率应与2000年人口普查时的人口数成比例。第二阶段抽样是从样本初级抽样单元中一次性抽取满足十年调查需要的住户单元。第二阶段抽取的单元实际由地理位置相邻的四个住址构成一个子群，称为最终抽样单元，每个住址对应着2000年人口普查时分类街区目录上的一个住户。2000年人口和住户普查及建筑许可证调查信息为CPS创造出四个抽样框：私人住宅抽样框、区域抽样框、公共住宅抽样框和建筑许可证抽样框。根据普查信息，对抽样框中的住户单元进行相关标志排序，将具有相似特征的住户单元放在一起。样本的抽取在各个初级抽样单元及抽样框中独立操作，在私人住宅抽样框和公共住宅抽样框中，样本的抽取是一次性抽取10年所需的样本量，而来自区域抽样框和建筑许可证抽样框的样本逐月抽取。为了满足CPS的轮换系统和不断更新的抽样设计，抽取一个最终抽样单元系统样本后，其相邻的20个最终抽样单元样本也可以确定，即共抽取21个轮换样本。[1]

LFS采用二阶分层抽样，第一阶段抽样是从各行政区抽取初级抽样单元。根据初级抽样单元的定义和地址登记库的相关信息，对人口普查街区进行组合或再细分为55 605个初级抽样单元。[2]27为了节省调查成本和利用LFS数据分析特定人群，将一部分初级抽样单元分成四种特殊类型的层级：一是包括人口密度极低的边远地区和采用三阶段抽样的偏远城区层，二是原住民比重相对大的层，三是移民比重较大的层，四是高收入住户比重较大的层。而对于普通初级抽样单元，在每个人口普查大都市区内分层，根据人口普查大都市区内人口普查分区的规模，再适当划分出城市和农村，分层的依据是各层在劳动力及社会经济因素上尽可能相似，以减少LFS多目标估计的抽样方差。为了衔接样本轮换模式，将每层均匀地分成6个不同的轮换组，每个轮换组中的初级抽样单元数相同，从每个轮换组抽取一个初级抽样单元，其入样概率应与2001年人口普查时期该初级抽样单元内的住户数成比例。[2]22-23LFS第二阶段抽样是在样本初级抽样单元中采用系统抽样抽取住户。以地址登记库的地址清单及初级抽样单元区域清单作为抽样框，根据2001年人口普查数据提供的初级抽样单元内住户数和样本量分配时决定的初级抽样单元抽样比，计算出抽样间距， 从样本初级抽样单元中抽取住所。

中国劳动力调查的样本，采用分层、二阶段、概率比例抽样的方法抽取调查样本。第一阶段在2010年人口普查提供的抽样框中抽取各省、自治区、直辖市的社区居委会（村委会）简称（村级单位），利用2010年普查得到多项与就业失业水平相关的指标进行分层，分层按市、镇、乡，市中心区、城乡结合区，镇中心区、镇乡结合区， 乡中心区和村庄划分，同时考虑村级单位的人口规模和集体户人口比例。第二阶段抽样是从样本村级单位抽取住户组。各省负责在抽中的村级单位中，利用2010年人口普查时的普查区和普查小区图的建筑物编号和相应的住户清单抽取住户组。[3]

中美加劳动力调查都采用多阶、分层、概率比例的抽样方法。为了保证样本的覆盖面，CPS和LFS采用多重抽样框，利用区域抽样框、建筑许可证抽样框进行更新维护，而中国劳动力抽样框第一阶段的样本在五年内保持不变，笔者认为这样存在覆盖不足的隐患。为了保证样本的代表性，CPS和LFS不仅仅按照行政区划、城市和农村进行分层，并在此基础上根据一些社会经济特征进行更细层次的划分；而在中国，随着城镇化进程的速度不断加快，以中国的行政区划为基础，以民政部门确认的居民委员会或村民委员会辖区为划分对象的分层方法，将面临越来越多的实际问题。[4]

（三）样本轮换比较

CPS采用4—8—4样本轮换设计，定期轮换样本中的部分最终抽样单元，偶尔也轮换一些初级抽样单元。调查人员每月到住户单元收集信息，一个住户单元被连续访问4个月，在接下来的8个月退出调查，之后又连续调查4个月，最后永久退出该项调查。同时，从同一轮换组中重新抽出一个新的轮换样本替换永久退出的住户单元，在下一期继续接受调查。样本有75%的月度重叠率，50%的年度重叠率。[1]这种轮换模式符合概率抽样的原则，每月的样本对目标总体有很好的代表性。

LFS将加拿大全国劳动力总体分成6个轮换组，每期调查样本都是从6个轮换组中抽出的6个轮换样本构成，每个轮换样本连续调查6个月，然后退出调查。这种轮换模式，操作较简单，月度重叠率高于80%，非常适合抽样估计阶段采用的组合校准估计方法。[2]22-23

在中国，省会城市和直辖市按月度在村级单位内进行样本轮换。样本轮换以住户组为单位，即每个住户组为一个轮换组。当住户组进入一个完整的轮换周期后，每个住户组每隔2个月调查一次，连续调查5次后退出调查。各省会城市每季度在每个村级单位调查15个住户组，每个住户组约为4户，共60户（15×4），分3个交叉子样本，每个子样本20户，分5个住户组，每月调查一个子样本，每季度调查3个子样本，合计调查60户。[3]

CPS和LFS分别采用不完全单水平和完全单水平轮换模式，既节约调查成本，又能较好地估计总体特征变化情况，还能有效地提高调查的估计精度。[5]中国劳动力调查也采用了轮换样本，在不同的劳动力调查项目中轮换模式并不相同，不同的轮换模式将带来轮换偏差，而且这种偏差很难在连续性抽样估计中精确地计算出来。

二、数据收集比较

对于初次调查的住户，CPS要求调查员进行入户访问，接下来各个调查月一般进行电话调查。每月，位于马里兰州的黑格斯敦、印第安纳州的杰斐逊维尔、亚利桑那州的图森的三大电话中心的调查员，通过电子问卷对大约70%的样本住户进行电话调查，对10%的样本住户进行计算机辅助电话调查。在每月的调查中，15岁或以上的人口需要回答一系列调查周的前一周（参照周）有关劳动力市场活动的标准化问题。这些问题将样本总体分成三个基本的经济组：就业、失业和非劳动力。原始数据最终传输至普查局位于华盛顿特区的数据中心。[1]

LFS 采用计算机辅助电话调查和计算机辅助入户调查。对初次参加调查的住户，调查前会给他们邮寄一封介绍信和宣传小册子。对初次参加调查的城镇住户还进行电话初步接触，收集住户中每个家庭成员的信息，并获取15岁及以上、70岁以下家庭成员的劳动力信息。为了节省调查成本和减少无回答，第1个月调查过的资料在随后5个月的调查中不再重新询问；除非被调查住户要求入户调查，所有的调查都通过计算机辅助电话调查进行。[2] 40-41

中国劳动力调查的调查登记工作在调查时点之后的七天内进行，入户登记前，调查员对应调查的住户样本进行核实，对于第一次参与调查的住户发放通知信，有条件的，可预先约定入户登记的时间。登记采用调查员入户询问、现场填报的方式进行。[3]

就数据采集方式而言，CPS和LFS所采用的计算机辅助电话调查、计算机辅助入户调查、电子问卷调查，方式灵活，能快速确认被调查者是否回答了问卷中所有的问题以及问题答案之间的一致性，便于现场解决调查过程中出现的问题，最大程度地保证问卷的一致性，减少人为误差，是数据采集方式的发展趋势。[6]

三、数据处理比较

CPS和LFS的原始数据经过行业和职业编码、一致性校订、项目无回答插补、变量分类后，就可以进入加权调整、估计和季节调整的程序。

每个月，CPS把从调查住户获取的信息同时汇总，其抽样估计不仅包括每月的劳动力估计，还提供按照年龄、性别、种族、是否西班牙裔分类的劳动力估计。此外，还为全美的非机构人口提供相关的人口估计。CPS实际公布全国和各州的调查结果通过无偏估计、无回答调整、第一阶段比率调整、全国及各州的覆盖调整、第二阶段比率调整五个加权调整步骤后，采用组合估计方法，对当月全部样本数据得出的第二阶段比率估计量和上月的组合估计量进行加权平均，加权平均后的估计量加上误差调整项以减少方差和轮换引起的偏差。充分利用轮换模式中上期样本的积累信息，CPS采用组合估计方法得到估计量，增加了估计量的稳定性。季节调整主要根据历史数据，自2003年起，全国劳动力数据采用X12ARIMA（autoregressive integrated moving average model，自回归求和移动平均模型）程序进行劳动力时间序列的季节调整。①它可以进行ARIMA时间序列建模和模型选择，检测和估计异常值和节日效应，调整后诊断及消除季节和趋势影响。每年1—6月，采用上年的季节调整因素调整，每年7月，劳工统计局公布下半年采用的季节调整因素。自1995年以来，CPS采用逐差法估计方差。[1]

LFS实际公布的加拿大全国、各个省调查结果通过对样本数据进行无偏估计、无回答加权调整后得出， 自2000年来，LFS采用组合校准估计量，旨在保证抽样调查所得人口估计与人口普查得到的控制总量一致，改善覆盖误差，提高估计精度。LFS在省级层面的估计中，采用了25个与劳动力特征、就业与失业相关的上月信息作为组合辅助变量向量，通过最小距离函数得到组合校准权重。[2]53-57利用整合权重的方法，修正辅助变量向量及组合辅助变量向量得到最终权重。[7]LFS季节调整旨在调整季节变化所引起的主要指标的短期变化。这些指标大部分是以全国和各省的水平进行调整的，主要的劳动力状况估计也会调整到普查都市区的水平，并且公布3个月的移动平均数，以减少由相对小的样本规模所引起的不规律变化。LFS采用X11ARIMA方法进行季节调整，例如，对就业和失业人口的季节调整通过对主要年龄/性别分组的调整估计求和得到，这一总体估计作为其余季节调整的基准。由于LFS采用复杂的抽样设计和估计方法，所以很难从抽样方法中直接估计出方差估计量，LFS使用随机组方法，给出刀切法方差估计量。[2]55-57

在中国，经过登记工作的准确性和逻辑性复查后，县级统计机构对原始数据进行行业和职业编码，市级和省级统计机构对编码进行验收后进行数据处理，主要有10个步骤，包括：制定计算机数据处理总体方案；制定计算机编辑规则和汇总表式；研制录入、审核程序；研制汇总程序；调试程序；下发程序；数据录入；向国家报送原始数据；报送推算的主要数据；报送基础数据；省、国家数据汇总。在省级单位子总体内，调查数据可以直接汇总，也可以按城乡人口比例进行事后分层后汇总，全国数据按各省级单位所占全国人口的比重进行加权汇总。[3]

与CPS、LFS科学严谨的数据处理流程相比，中国劳动力调查估计虽然规定了数据处理的总体方案，但实际中仍是由各级统计机构自行组织、汇总和估计，缺乏数据处理过程中对无回答的调整、覆盖率的校准、季节调整，尤其忽视估计量的方差估计，导致调查估计结果不够科学，也难以度量抽样估计的精确程度。

四、数据产品和开发应用比较

CPS在调查结束2周后发布第一阶段结果，包括就业和失业指数、工作人口的年龄与性别、在农业和非农业领域的雇员人数、工作时间、持续失业时间及和CPS紧密相关的其他信息。[1] CPS除了搜集劳动力和人口数据外，还附带搜集一些其他数据，以满足联邦、州、私人组织或其他组织的特殊需求，如住房空置调查、年度社会经济调查、时间利用调查等。这些调查利用CPS的丰富资源，如大样本量、完善的抽样框、通用的抽样设计、训练有素的调查员、标准化的调查和数据处理流程，大大降低了调查成本，提高了估计精度。

LFS在调查结束后的第13天发布第一阶段结果，在加拿大统计局网上电子数据库和日常发布期刊上，提供了劳动力调查的大量表格数据。[2]58主要数据产品包括劳工信息、劳工和收入观察、劳动力历史数据、西部加拿大原住民、加拿大移民的工作状况分析、加拿大劳动力市场概况、加拿大劳动力调查方法、劳动力调查的产品和服务、劳动力调查的改进、劳动力调查指南。为了满足特殊分析目的，公众可以获取微观数据库文件进行数据提取和分析，LFS还提供有偿自定义制表服务。加拿大统计局的住户调查计划下的大量住户调查都通过LFS的样本、抽样框进行，如利用LFS淘汰样本的加拿大劳工和收入动态调查，利用LFS抽样框重新抽取样本的加拿大住户支出调查。这些调查利用LFS的样本和抽样框，减少了被调查的回答负担，节省了可观的调查成本。

目前，中国统计部门没有正式发布劳动力调查数据。与CPS和LFS所提供的丰富的劳动力市场数据和附带调查产品相比较，中国劳动力调查并未为公众及时了解经济社会发展态势提供相关信息。

五、劳动力调查方法国际比较的启示

伴随着“劳动力状况”在宏观调控中重要性的日益凸显，本部分借鉴已趋成熟的美国和加拿大劳动力调查方法，对中国劳动力调查提出六点思考和建议，以期改进和完善我国劳动力调查方法体系。

（一）加强人口普查和劳动力调查的衔接

人口普查能为劳动力调查抽样框的建立和各阶段调查单元的分层提供大量信息，但是现行的人口普查还未能与劳动力调查进行很好衔接。中国统计部门应该充分发挥普查的基础作用，科学地设计普查表，将普查、各类调查和各种行政记录的相关指标协调统一，使其能够提供劳动力调查所需的基础性资料。在劳动力抽样设计中，利用普查资料编制名录抽样框和区域抽样框；与劳动力调查相关的普查数据可以用于分析各行政区域的经济活动人口特征，利用一些综合指标，如城乡人口比重、非农业人口比重、16岁以上人口比例、从事第二和第三产业人口比例、就业率、劳动力参与率和失业率等指标对各个行政区域进行分层；利用村级单位的人口规模，按PPS（sampling with probability proportional to size）方法进行第一阶段抽样，利用人口普查区图和普查小区图，辅以村级单位的人口总数、家庭收入、就业人口等辅助资料，可更好地利用系统抽样等方法进行第二阶段抽样。在劳动力抽样估计中，各类普查资料可以为项目无回答的插补、单位无回答调整和校准估计提供辅助信息。

（二）合理分配样本量以满足各级政府行政区域的需求

在各省人口规模差异较大的情况下，如果按各省人口规模分配样本量，则各省的样本量差异较大，造成部分人口规模较小的省份目标变量的估计精度不足；如果在各个省平均分配样本量，则会造成全国目标变量的估计精度下降。为了满足各级行政区域的精度要求，我国劳动力调查的样本量分配应由国家层面统一测算，满足全国、分省的抽样精度目标要求的样本量、统一抽取样本村级单位、统一对各省的样本村级单位进行评估，将有效提高样本村级单位的代表性，确保调查精度。

（三）构建和维护劳动力调查多重抽样框体系

中国现行劳动力调查采用2010年人口普查提供的抽样框，在2015年全国1%人口抽样调查后，将根据全国1%人口抽样调查资料，建立最新抽样框，抽取新的样本。[3]由于我国人口众多，城镇化进程较快，劳动力流动性较大，仅仅通过普查和定期调查来对抽样框进行更新和维护并不够，可以借鉴CPS和LFS采用的多重抽样框体系。首先，在村级单位内建立住户名录抽样框和区域抽样框相结合的多重抽样框。周期性人口普查应提供住户基础性资料，并根据相关基础标志，将其转化成各个村级单位内的住户名录框；而对没有进入住户名录抽样框的那些调查单位，通过收集其地理分布特征，以行政村为单位确定区域抽样框的实际分块（可以是普查区），构建村级单位的区域抽样框作为补充。实际调查中只需要编制样本村级单位内的住户名录框和区域框。其次，以普查资料为基础，结合相关抽样调查资料和行政记录对抽样框进行更新和维护。结合人口普查、经济普查、1%人口抽样调查、相关行政部门有关土地变更和人口流动的行政记录，通过相关数据库的链接，则可以连续利用上述信息来更新抽样框。最后，建议加强政府综合统计机构和部门统计机构的协作，逐步建立住户抽样框的数据库系统，设立专项更新和维护费用预算，并以法律的形式予以保障。

（四）改进轮换模式以提高各期数据的准确性

为了提高现行一年1次的全国劳动力调查的时效性和大城市月度劳动力调查的覆盖面，国家统计局整合了这两项调查，将月度劳动力调查从目前的65个城市扩大到全国所有地级城市。[8]建议进一步将这两项调查合并成一体化的连续性季度劳动力调查。其轮换样本设计如下。把每个调查村级单位内抽取的样本均匀地分成3个调查子样本，当一个住户组进入一个完整的轮换周期后，每个住户组每个季度调查一次，连续调查5次后退出调查，即每月只调查一个子样本，每季度调查全部3个子样本。要求获取月度劳动力调查数据的地级市，以三个月的全部调查数据参与分省季度数据的汇总。当样本轮换步骤完全实施后，月度间无重复样本，季度间有80%的样本重复调查，年度间有20%的重复样本，这种轮换模式在横向和纵向都能实现季度的平衡。[5]且每个样本住户每季度调查一次，减少了回答者的负担和频繁调查的成本，而将一个季度要调查的样本平均地分配到各月，将减轻调查组织者的管理工作和保证调查数据的准确性。

（五）建立基于连续性抽样的估计体系

建立劳动力调查估计体系包括四方面的内容。第一，做好数据的采集整理工作，采取调查员利用手持终端设备与住户通过互联网自主填报相结合的形式采集数据，同步完成数据的录入储存工作，直接传送至统一的数据处理平台，实现各级统计机构按照权限共享基础数据，以保证数据的准确性、及时性和安全性；直接用计算机程序对调查问卷进行职业和行业编码，以减少人工劳动，节省成本；并对项目无回答数据进行插补、校正。第二，利用人口普查资料，分析接受调查住户和拒绝调查住户的差别，对数据进行无回答调整，校准由于某些类别样本住户拒绝调查造成的偏差。同时，要利用社保、税务等部门的宏观资料，设计恰当的控制变量，对全国劳动力调查样本进行校准；配合样本轮换方法，对省会城市和非省会城市的数据进行汇总调整；构建组合估计量，并按人口校准值对估计量进行校正。第三，进行季节调整和趋势估计，以更好地识别失业与就业趋势及其拐点。根据我国国情，可借鉴美国普查局研制的X13ARIMASEATS（Signal Extraction in ARIMA Time Series，基于ARIMA模型的时间序列的信号提取）季节调整方法。第四，针对我国劳动力调查的复杂样本，可以考虑采用随机组方法，计算Jackknife方差估计量。

（六）形成以劳动力调查为核心的人口住户类调查体系

从目前需求方面看，各级政府都迫切希望掌握统一准确的各类人口的收入、消费、就业、迁移等民生状况，而中国人口、住户类调查项目种类繁多，调查内容时有重复，这既增加了基层调查人员的工作量，浪费调查经费，又增大了保证数据完整性、及时性的难度。就业是民生之本，收入是民生之基，建立以劳动力调查为核心的人口住户类调查体系既可行，又必要。建立人口住户类调查体系，就是要整合人口住户调查资源，建立指标、抽样框、抽样方法、调查流程、数据处理统一规范、调查手段高效便捷、数据质量扎实可靠、产品发布公开透明的住户调查新体系。劳动力调查作为全国最重要的抽样调查之一，其丰富的资源如抽样框、调查流程、调查人员、计算机设备等可以为其他住户调查的开展提供便利，可以降低其调查成本，提高估计精度。例如，利用劳动力调查的抽样框重新抽取新样本，进行人口变动情况抽样调查、住户收支和生活状况调查；利用劳动力调查的现行样本，与劳动力调查同时进行住房空置率调查；利用劳动力调查的淘汰样本进行职工收入调查。

注释

①1954年，美国普查局的Shiskin首先开发了可以在计算机上运行的季节调整程序，称为模型I，此后该程序的每一次改进都以X加上序号表示。直到1965年美国普查局推出了比较完整的季节调整程序X11，后来世界流行的X11ARIMA也是以X11程序为核心的，而X12ARIMA作为X11ARIMA的提高版，是目前较成熟的季节调整方法之一。

参考文献

[1]U S DEPARTMENT OF LABOR， U S DEPARTMENT OF COMMERCE. The current population survey： design and methodology， technical paper 66[EB/OL].[2015-09-15]. http：//www.census.gov/prod/2006pubs/tp-66.pdf.

[2]STATISTICS CANADA. Methodology of the canadian labour force survey [M]. Ottawa： Statistics Canada， 2008：1-67.

[3]国家统计局. 劳动力调查制度[EB/OL].[2015-09-15]. http：//www.stats.gov.cn/tjsj/tjzd/gjtjzd/201501/t20150105_663428.html.

[4]孙玉环.改进住户调查数据质量的多维视角[J] .中国统计，2011（4）：12-13.

[5]陈光慧，刘建平. 基于平衡单水平轮换的连续性抽样估计方法研究[J]. 统计研究，2008，25（10）：81-85.

[6]杨盛菁.计算机辅助电话调查技术及其应用分析[J]. 统计科学与实践，2012（2）：49-51.

[7]LEMAITRE G，DUFOURUFOUR J. An integrated method for weighting persons and families [J]. Survey methodology， 1987（13）： 199-207.

[8]国家统计局. 关于“在‘十三五期间启用新的就业统计指标”建议的答复（摘要） [EB/OL].[2015-11-18].http：//www.stats.gov.cn/tjfw/jytadf/rddbjy/201511/t20151118_1277657.html.