00:00 / 02:11
连播
清屏
智能
倍速
点赞63
做DCE研究,为什么问卷总是收不回来? 很多人做离散选择实验(DCE)时,最关注的是模型怎么跑、属性怎么设、结果怎么解释,但其实还有一个很现实的问题:问卷能不能收得回来?回复率够不够高? 这篇发表在 Health Economics 的文章,专门讨论了这个问题。作者通过元回归分析,考察DCE研究设计中的哪些因素会影响问卷回复率。 文章基于2001—2011年健康领域DCE研究建立数据集,总共识别出258项研究;在剔除关键变量缺失后,可用于分析的样本降至132项。由于非邮寄模式常常缺少完整的回复率信息,最终主分析主要基于64项邮寄调查展开。 这篇文章的分析逻辑很清楚,背后用的是社会交换理论:一个人愿不愿意回答问卷,取决于他感受到的“收益”是否大于“成本”。这里的“成本”,主要就是回答问卷带来的认知负担;而“收益”,则主要体现在问卷内容和受访者本人的相关性上。 研究结果很有启发。第一,属性数越多,回复率越低。和只有2—4个属性的DCE相比,5个、6个以及7个及以上属性的问卷,回复率都更差。这说明在DCE设计里,任务复杂度是真正会影响数据回收的。第二,加入opt-out选项会提高回复率,这可能是因为这种设置让选择任务更贴近真实决策,也更容易回答。 另外,患者/照护者和医务人员的回复率高于普通公众,说明“和我是否相关”这件事非常重要。还有一个很实用的发现是:发送提醒可以提高回复率。相反,是否加入费用属性、时间偏好或恒定比较器设计,对回复率并没有显著影响。文章还发现,含风险属性的研究回复率反而更高,但作者也提醒,这个结果可能混杂了研究质量等其他因素,需要谨慎解释。 对做DCE的人来说,这篇文章最大的启发不是某一个统计结果,而是一个方法学提醒:想提高回复率,不能只靠“多发几份问卷”,更要从设计上降低认知负担、提高样本相关性,并把邀请数、提醒和回复率这些细节完整报告出来。 这对后续研究复现和方法学积累都很重要。 文章引用: Watson V, Becker F, de Bekker-Grob E. Discrete choice experiment response rates: a meta-analysis. Health Economics. 2016. DOI: 10.1002/hec.3354 IF: 2.4 Q2 B3. #离散选择实验 #DCE #问卷回复率 #卫生经济学 #水星天秤座状元
00:00 / 08:09
连播
清屏
智能
倍速
点赞7
00:00 / 13:49
连播
清屏
智能
倍速
点赞18
00:00 / 01:37
连播
清屏
智能
倍速
点赞108
00:00 / 01:08
连播
清屏
智能
倍速
点赞18