面对面面试官的态度和信念如何调节金钱激励对英国劳动力调查回复率的影响

多年来，全球所有数据收集模式的调查回复率一直在下降(de Leeuw, Hox和Luiten, 2018)．调查响应率下降是获得准确调查估计的主要问题;对于政府、地方当局和企业等政策制定者来说，这尤其是个问题。这是因为它们需要准确的数据来估计和向雇员提供有效的服务和收入服务，包括当地就业或培训机会以及学校和保健服务的提供。

调查无回应可归因于调查受访者无法联系、拒绝参与或由于收集数据时的间接原因而选择不参与，其中可能包括健康状况不佳、语言困难或太忙(布里克和威廉姆斯，2013年)．

在英国，由于人们日常生活中参与调查的普遍需求增加，普通公众越来越不愿意参与调查。英国国家统计局(ONS)是最大的统计机构，因此从本质上说，许多调查都是由ONS进行的。英国国家统计局调查回应趋势的数据显示，过去14年的回应率一直在逐渐下降。近年来的典型调查回复率在50%至60%之间，而2004年的回复率在55%至75%之间。劳动力调查(LFS)的下降轨迹最为明显，这是该调查的第一期响应率2004年，这一比例约为75%，2018年略低于55%。

研究显示，金钱奖励在帮助增加和维持调查回应方面发挥着越来越重要的作用(歌手和叶，2013年；林,2009；西蒙斯和威尔莫特，2004年)．然而，除了正常的数据收集成本外，使用激励措施与较高的调查成本有关。调查机构经常使用现有的证据，以指导他们的策略，以采用最具成本效益的激励策略(Luiten 2016)．

目前，关于面对面面试者如何调节激励对调查回复率的整体影响的实证研究数量有限。在对这个话题进行研究的研究中，证据是混杂的，鼓励进行更多的研究(歌手，Hoewyk和Maher, 2000年；Kibuchi等，2018)．考虑到激励在调查中越来越普遍，了解什么激励起作用，以及在以访谈者为中介的数据收集模式中，访谈者如何影响不回应是至关重要的。

这项研究的目的是:

• 探讨影响激励效果的因素

• 寻找解决方案，以最大限度地提高货币激励对调查回复率的影响

• 为解决以往研究局限性的实证研究做出贡献，并扩展现有研究，探索面对面访谈对调查研究中金钱激励的中介作用

• 就如何利用面对面的面试官作为中介，最大限度地发挥金钱激励的效果，提供可能的建议

本文回顾了已有的研究，并借鉴了已有的研究成果和理论，探讨了面试官是否会影响调查反应以及影响背后的原因。此外，在社会调查采用激励方法的例子中，我们探讨了面试官如何影响激励效果的证据。采用多层次交叉分类反应倾向logistic模型将LFS反应结果分解为家庭、采访者和地区水平。选择这种建模技术是因为它可以在每个层面(即家庭、采访者和地区)分离对反应结果的影响。

调查中回应下降的趋势

回应率下降是影响政府及学术调查的一个现象(Leeuw和de Heer, 2002年)．一项研究分析了10项不同调查的反馈数据，包括16个不同国家的劳动力调查，其中包括英国的劳动力调查(LFS)。研究结果得出结论，尽管各国的反应不同，但这包括不同国家的不接触率和拒绝率的不同。总体上呈逐年下降的趋势。研究还发现，非接触病例的平均年增长率为0.2%。该研究强调，公众参与调查的下降可能是一个国际问题。一个跟进研究是de Leeuw、Hox和Luiten在2018年进行的，他们将截至2015年的新数据与前一项仅针对LFS的研究的旧数据合并。他们发现LFS上的无反应率每两年增加1.46%，结果也相同Beullens等人的(2018)欧洲社会调查的调查结果。采用多级建模方法对不同国家的响应进行了比较，其中控制了调查的强制性或自愿性和抽样差异等因素。此外，人们还发现，各国之间下降的速度没有太大差别。目前正在进行分析，以确定近年来下降的速度是否在放缓。国家之间的差异大于调查之间的差异;这意味着有一些未定义的特定国家因素导致了反应的下降。

布里克和威廉姆斯(2013)暗示调查是一种社会活动;因此，回复率的下降必须在进行调查的背景下考虑，因为社会因素可能影响接触率和拒绝率。在这一背景下，他们提出的回应下降的解释之一是社会资本的普遍下降:“社会对主要调查机构(如政府和学术界)的信任水平下降了，进而降低了回应率”(Brick和Williams, 2013年，第47页)。他们把“高度公民参与”和“对社区的信任”作为社会资本的主要组成部分。随着隐私和机密性越来越成为研究人员和公众关注的中心问题，这种解释是一个重要的兴趣领域。

调查回复率下降的影响

回应率的定义为成功完成的单位数目除以符合条件的样本单位数目(美国舆论研究协会，2006年)．这一指标经常用来评价调查的质量以及从这些调查得出的估计的准确性。大多数社会调查使用概率抽样方法来选择参与者(格罗夫斯和佩切娃，2008年)．当使用概率抽样时，研究人员可以测量抽样误差并得出无偏估计。但是，这是基于100%的回复率的假设。当调查的响应率很低时，就不能确定调查估计是否可靠。因此，在概率抽样范式内，高响应率是首选。使用概率抽样方法意味着调查无回应可能导致调查误差，特别是无回应偏差(林,2006)．

Bolling和Smith(2017)解释说，非回应偏差是基于受访者数据的调查估计与真实总体人口值之间的差异。当一个特定的调查变量之间存在相关性时，非响应偏差可能会增加。如果不回应与研究试图衡量的主要变量直接相关，那么问题就更大了(也就是说，如果调查衡量的是就业，而被雇佣的人往往回应较少)。格罗夫斯和佩切娃(2008)注意，尽量争取高响应率是可取的，因为这样可以减少无响应偏倚的风险。

激励措施的使用和调查回复率

企业经常采用的提高回复率的策略之一是，向被选中参加研究的受访者提供某种形式的激励。在文献中，解释激励机制为何有效的最常见理论是社会交换理论，该理论解释说，当受访者相信回报与成本的比例是成比例时，他们更有可能做出回应。在给予激励的情况下，回应的增加可以解释为受访者觉得有义务参与，因为互惠的规范。也就是说，收到奖励的住户会考虑完成问卷作为一种互惠行为(2000年全身心)．对激励有效性的另一种解释是由货币交换理论提供的，在该理论中，激励是对他们的反应的支付，在该理论中，货币数字充当了“一个人的行为价值的精确衡量标准”(Dillman, 2000)。这一理论也可以解释对高负担调查的奖励。迪尔曼解释说，参与调查取决于三个因素:

• 奖励(人们期望从行动中获得收益)

• 成本(获得奖励所需的费用)

• 信任(长期期望回报将超过成本)

一个Singer等人进行的元分析(1999)发现激励，无差别的数额，是有效的增加调查响应在任何模式。他们通过回顾一些理论来解释这一结论，这些理论可能会说明为什么激励能有效地增加调查回应。理性行动理论可以解释为什么激励可能会有说服不情愿的受访者参与的效果，因为它提出，人们决定是否采取行动的基础是这样做的收益是否超过成本(Ajzen和Fishbein, 1980年)．因此，激励可能被受访者视为一种利益。提供参与调查的动机可能会创造其他动机，以吸引潜在的调查应答者。这一提议也可以替代对社会资本下降所产生的动机的需求，如公民参与和责任，这是今天的受访者所缺乏的。

调查中提供了两种主流类型的激励:无条件或预付和有条件或后支付的激励(Singer等人，1999)。经验证据表明，无条件激励在提高反应率方面往往比条件激励更有效(他,1994；教堂,1993年)．这可以用Gouldner(1960)互惠规范．这个理论认为，人们更愿意为那些为他们做过事情的人做一些事情来回报他们。因此，如果被调查者事先得到了激励，那么他就会通过参与研究来履行一种无意识的回报义务。此外，受访者可能被鼓励参与，因为需要减少认知失调(费斯廷格1957)．这是一种现象，意思是当被调查者收到激励而不采取行动回应调查时，可能会产生心理不适。

更具体地说，许多研究已经提供了证据，证明金钱激励比非金钱礼物更有效。它们可能更有效，因为它们迎合了人们的利己动机。克罗夫和布莱尔(2005)研究表明，当人们受到个人激励时，他们的反应会更好，这直接给他们带来了个人利益。

面试者中介对激励和调查回复率的影响

研究显示，与电话、邮件和网络等其他方式相比，面对面面试的受访者回复率更高(保龄球,2005)．Singer et al.(1999)认为，当访谈者在场时，受访者也可能更愿意参与，因为访谈者在完成调查时减轻了受访者的负担。然而，我们需要确定，当给受访者提供参与激励时，是否也能得出关于面试官对回答的影响的相同结论。下面的研究将回顾现有的证据，以调查面对面的面试者如何调解激励效应对调查回复率。

歌手与叶(2013)讨论一下，如果面试官知道被访者得到了激励，那么他们在接近一个家庭时就会变得更加自信，而这反过来又可能导致在这个家庭中达成合作。

Singer等人(1999)的元分析考虑了在访谈中介调查中的激励效应，得出的结论是，尽管在没有访谈者与被访谈者互动的邮件调查中，激励对回应有更大的影响，但在面对面调查中，激励也显著增加了回应。此外，他们的研究结果表明，激励对增加反应的有效性程度与没有激励的初始反应率直接相关，反应率越低，激励对增加反应的影响越大，反之亦然。

然而，有研究表明，面试官可能对激励的有效性没有贡献。在一个Singer, Van Hoewyk和Maher(2000)的研究一份电话调查样本被分成三个实验组。在第一组中，被选中的参与者收到了一封带有5美元奖励的预支信，第二组潜在的受访者也收到了一封带有同样奖励的预支信，但在这一组中，负责案件的面试官被告知存在这种奖励，而在第一组中，奖励分配没有告知面试官。最后，第三组是没有奖励的对照组。研究人员发现，无论面试官是否知道激励措施，两组参与者的反应都有所增加，因为两个实验组的反应没有显著差异。这可能是因为两组面试官处理案例的方式与没有激励时是一样的，因此面试官可能不需要或没有执行额外的激励提醒。研究人员没有讨论面试官被指示了什么协议。也没有提到通话记录，这可能表明，在分析中没有考虑到面试官在处理两个实验组的情况时的方法。

此外,威尔马克等人(1995)还进行了一项实验研究，以调查面对面面试对激励的影响。在这项研究中，提供的激励是预付的非金钱激励:一支弹珠笔。面试官不知道他们是在处理那些获得激励的案例，还是那些没有获得激励的案例。接受奖励的那一组的回复率明显高于对照组。这表明，即使面试官没有意识到激励因素，激励因素本身也会对面试结果产生积极影响。

到目前为止审查的研究支持在大多数情况下，激励对任何模式的调查回复率都有积极影响。研究还表明，面试官的行为和期望可能有助于取得积极的结果，这可能进一步提高仅靠激励就能取得的结果。然而，迄今为止，关于激励因素对面对面调查合作的联合影响的研究有所局限，结果也不尽相同。目前还不清楚采访者的效应是否一致，并以类似的方式对所有类型的激励有显著的调节作用，或是否根据激励类型的不同而不同。解释面试者之间差异的因素也有待发现。

下面的研究例子是最近的研究Kibuchi et al. (2018)，该研究使用多层次模型方法来调查面对面采访者对激励措施在实现调查合作中的有效性的影响。研究人员使用了来自三个英国面对面调查的数据，在这些调查中，发放不同数量的有条件激励以提高回复率。研究结果表明，为了获得合作，面试官在如何有效地使用激励措施方面存在显著差异。这在所有三次调查中都得到了观察。然而，该研究无法解释是哪些因素具体预测了面试官之间的差异。他们考察了面试官的性别、年龄、经验和整体表现，但这些特征都不能显著解释面试官之间在合作激励有效性方面的差异。Kibuchi等人(2018)强调，他们的研究有一些局限性，应该在未来的研究中解决。局限性包括无法将所有数据与区域特征联系起来，这意味着不可能查看区域和采访者特征之间的交叉分类，这将有助于将采访者的影响从外部区域影响中分离出来，并可能减少采访者之间的差异。此外，他们强调，目前还没有关于面试官态度、信念和行为的数据。Jäckle等，2011；Durrant等，2010)表明，这些特征可能有助于解释面试官之间的差异。

该研究论文旨在扩展Kibuchi等人(2018)的工作，研究面对面的面试者如何影响混合货币无条件激励的有效性，以实现英国LFS的调查合作。本研究还讨论了一些局限性，例如缺乏详细说明采访者行为和态度的数据以及包括区域一级的变数。

劳动力调查(LFS)的调查对象是在地区内随机抽样的，个案是非随机分配给实地采访者。每个现场面试官被分配到几个面试区域，这些区域是在固定的地理边界上，不随时间变化;这样做是为了优化效率和减少病例之间的旅行时间。因此，这构成了一种非随机分配案例给采访者的随机分配方法，也称为互穿设计(Hox, 1994)实施起来成本太高，而且对于像LFS这样的大型全国性调查来说也不现实。

为了使用传统回归模型准确地研究采访者效应，需要采用互穿设计方法。由于LFS采访者被分配在特定地理边界内的案例，数据中存在自然聚类，在这种情况下，数据分析的多级模型方法更合适。因此，目前的数据遵循分层结构，面试官和面试官区域交叉分类。在这种情况下，假设数据中观察值独立的标准分析将导致估计量的标准误差的低估，从而膨胀统计显著性．此外，当前数据中的因变量为二元变量，因此将采用多级结构的逻辑回归方法。

对研究数据中可能的聚类进行了初步分析，其中模型一使用简单逻辑回归，第二个模型是具有两个水平的随机拦截模型，该模型允许通过在模型中包含采访者的随机效应来研究群体特定效应。两个模型都包含一个预测变量，即激励假人。表1比较了每个模型的结果。偏差信息准则的减少远远大于3，这表明在第二个模型中，在采访者水平上添加一个随机截取，并考虑到数据中的层次结构，显著改善了模型拟合(拉什巴什等人，2019年；布朗,2017)．这表明多层方法更适合于数据分析。

此外，通过计算方差分区系数(VPC)来量化数据中的聚类效应。由于结果变量是二进制的，所以计算VPC不像结果变量是连续的那样简单。逻辑回归中有几种计算VPC的方法。这些包括:

• 线性化方法

• 基于仿真的方法

• 潜变量或阈值法

• 朴素线性模型法(李，格雷和贝茨，2008年）

然而，有些方法计算量大，因此在这种情况下，潜变量法或阈值法是最有利的。该方式计算VPC的方式为:

因此，第二种模型的VPC值为0.047 (VPC = 0.163/(0.163+3.29) = 0.047)。这表明数据中存在聚类效应，需要使用适当的统计分析来解决这一问题。

总结区域特征的变量与调查结果数据相匹配。因此，在模型中加入这些变量将允许通过使用交叉分类的多层模型将区域效应从采访者效应中分离出来。研究表明，在研究面试者效应时，区域效应往往被忽略，这可能导致高估面试者效应(Haunberger 2010；Blom等人，2010；Vassallo等人，2016年)．在多级模型中指定交叉分类也有助于防止在采访人分配的任务和区域之间存在重叠的情况下(也就是说，采访人将案例分配到多个地理区域，而同一地理区域内的案例可以分配给多个采访人(Vassallo et al.， 2016))，数据产生混淆效应。由于采访者分配的任务与LFS中的领域之间存在重叠，因此最终模型被指定为交叉分类模型。

由于我们在模型中指定了交叉分类，因此将使用马尔可夫链蒙特卡罗(MCMC)方法对模型进行估计;这将在MLwiN 3.02版本中进行(Browne, 2016;Rasbash等人，2005年)．使用本软件中的仅频率估计方法，不可能在模型中的水平之间进行交叉分类。MCMC方法可以处理更复杂的结构，因为该方法是基于模拟的，这意味着运行多次迭代，在每次迭代之后，产生每个参数的估计。从拟合模型中，得到每个模型参数的概率分布;这被称为后验分布(布朗,2015)．

系数的显著性和模型拟合将使用偏差信息准则(DIC)进行评估。Spiegelhalter等人(2002)提出了贝叶斯模型比较标准DIC，该标准权衡了拟合优度和模型复杂性。DIC通过偏差度量拟合程度，通过估计有效参数数来度量复杂性，有效参数数是后验平均偏差，减去参数的后验平均值来评估偏差。在比较使用DIC值的模型时，DIC值至少减少3点表示较低值的模型拟合较好。DIC最小的模型被认为是最能预测与当前观察到的数据具有相同结构的复制数据集的模型(Spiegelhalter et al.， 2002)。

共运行了10个模型，模型1 ~ 9的DIC值与前一个模型相比显著降低(表5，附录1)．模型1到模型7只包含一个协变量，即激励假人。在模型三中有一个例外，即没有在采访者上指定随机截取(如模型二)，而是在区域上指定了随机截取。当将区域随机拦截模型与采访者随机拦截模型进行比较时，DIC值增加，但这两个模型并不嵌套。然而，当在模型5中指定区域和采访者的两个截点以及交叉分类时，DIC值与模型2和模型3相比显著降低。此外，应该注意的是，当在模型五中指定交叉分类，并与没有指定交叉分类的相同模型(模型四)进行比较时，采访者方差增加。这表明，当交叉分类未被指定时，模型四中的采访者方差被低估了。

根据DIC值的改善(表5)，附录1我们决定最后的型号是九号。该模型包括对采访者和区域的两个随机截距和对采访者和区域的两个激励假人的两个随机系数;交叉分类也被考虑在内。最后的模型还包括6个区域特征变量在区域层面和7个变量衡量面试官的态度介绍方法，拒绝和激励在面试官的水平。在模型10中，我们还尝试了激励假人与重要的面试官级别变量之间的交互项;但该模型的DIC值较前一个模型有所增加，且相互作用项不显著。因此没有选择模型10作为最终的模型。

在分析中应用的最终模型有如下的数学表达式:

下载此图像

.PNG (9.7 kB)

在模型中，y_我(jk)LFS波的二元合作结果是一种情况吗我(我= 1,…,i)这是由面试官面试的j(j = 1,…,j)并且位于一个地区k(k = 1,…,k)．假设模型中的结果变量遵循伯努利分布，该分布具有条件响应概率(狙击手和博斯克，2012年)．

在前面所述的模型方程中，x_1我(jk)表示案例的激励金额分配我，分配给面试官j落在这个区域内k．此外,x_我(jk)为剩余案例向量，采访者和区域级协变量，β^＇为系数向量。以下表示模型中的随机效应，代表未观察区域和采访者效应:υ_{0 k}是面积的随机截距吗k而且υ_{1 k}面积的随机系数是多少k在激励变量上。同样的,μ_{0 jk}是对面试官的随机拦截吗j,μ_{1 jk}是面试官在激励变量上的随机系数。

假设随机截距和系数方差服从正态分布，均值为零，方差为常数:μ_{0 jk}～（0，²₀），μ_{1 jk}～（0，²₁）；υ_{0 k}～（0，²υ₀），υ_{1 k}～（0，²υ₁）．激励变量的采访者随机系数产生协方差（₁₀）在采访者水平的随机效应之间:_{0 k}而且_{1 k}．此外，区域随机系数还会在区域级随机效应之间产生协方差:υ_{0 k}而且υ_{1 k}．

参数估计的初始值(固定效应)将使用MLwiN中的RIGLS方法产生，这是一种二阶惩罚准似然(PQL)估计方法。随机参数的起始值将用作模糊先验。此外，扩散逆Wishart先验分布将应用于方差分量(布朗和德雷柏，2000年)．

描述性分析

表2显示劳动力调查(LFS)在10英镑激励条件下的合作率比在5英镑激励条件下的合作率高1.57个百分点。这是在10英镑条件下拒收率较低的结果。区别在于统计上显著(t = 3.23, p = 0.0012)，进行比例t检验(95%置信区间:£5条件[66.91;68.31);£10条件[68.54;69.82])。

在与其他数据源匹配之前，对原始调查结果数据进行进一步的描述性分析，以显示所有响应结果。这些调查结果如表3所示。结果表明，与5英镑激励条件相比，10英镑激励条件的应答率显著提高(0.9个百分点，t = 3.4, p = 0.0006)，拒绝率显著降低(1.9个百分点，t = 7.8 p < 0.0001)。然而，10英镑激励条件下的非接触率显著高于5英镑激励条件下的非接触率(1个百分点，t = 5.6 p < 0.0001)。激励条件之间的差异采用比例t检验进行检验。

由于初步分析表明，LFS结果在两种激励条件下有所不同，因此将使用交叉分类多级模型进行进一步分析，以调查在所有情况下，考虑到混合货币激励的存在，采访者之间的合作是否有所不同。

最终模型的结果如表2所示。该表显示了回归系数，重合标准差值，以及模型中固定和随机效应的可信区间。可信区间是特定于贝叶斯推理的，它们可以比频率论者更自然地解释置信区间．可信区间可以这样解释:区间包含总体均值的概率为0.95，而不是频率置信区间的解释，即如果研究重复多次，95%的置信区间将包含总体均值(比亚克和科比，2016年)．如果95%可信区间内的值范围不包含零，则相关变量可被解释为与结果变量显著相关。

表3所示的参数系数、标准差和95%可信区间是经过10000次磨合后，5万次运行后产生的后验分布的均值、标准差和分位数。

模型中固定效应的结果

如表3所示，与奖励5英镑的案例相比，如果案例获得了10英镑的奖励，则与合作的可能性增加有关。这一结果是显著的，因为较高的激励系数的可信区间不包含零。

从区域一级的区域特征来看，有两个变量与合作显著相关。分析表明，如果该地区的社会劣势越高，合作的可能性就越小。城市化程度也被发现与合作负相关。正如城市化负系数所表明的那样，随着城市化程度的增加，预计合作将减少。年龄剖面、住房结构和犯罪率变量均呈负相关，与合作关系呈负相关。然而，这些关联并没有被发现具有统计学意义。人口流动是唯一具有正相关系数的特征，表明与合作成果正相关;然而，这种关联也没有被发现是显著的。见表5 (附录1)，当在模型8中加入区域特征变量时，与不加入协变量的模型相比，偏差信息准则(DIC)值减少了81;这表明模型拟合的显著改善，尽管有些变量不是合作的显著预测因子。但出于理论考虑，以下模型均保留了非显著变量。

三个面试者层面的变量也被发现与合作有显著的关联。当采访者同意或强烈同意“当他们被拒绝是因为被调查者不合作”这一说法时，合作的概率在参照类别中下降，参照类别既不同意也不不同意这一说法。另一方面，当面试官不同意或强烈不同意同一陈述时，没有发现合作的显著联系。一个自我报告的面试官介绍性接近行为也被发现与合作显著相关。当面试官说他们总是或通常在介绍中描述如何选择家庭时，这与合作有积极的联系。很少或从不使用这种介绍性方法与合作之间没有发现显著的联系。此外，这类变量的系数为正，表明与合作呈正相关。最后一个与合作显著相关的面试官层面变量是面试官对哪种激励类型最有效的看法。当被问及“从你的经验来看，哪种类型的激励最有效地获得合作?”，并回答预付激励最有效地获得合作时，与参考类别相比，合作的可能性显示出下降(说明预付和后付费激励都是有效的)。当采访者表示，从他们的经验来看，参与后提供的付费后激励更有效地获得合作时，我们发现这与合作呈正相关，但这种影响在统计上并不显著。 Other interviewer-level covariates that were included in the final model related to interviewer opinions and behaviours in regard to incentives; however, none of the other covariates were found to be significantly associated with cooperation. Despite further associations not being significant, there were few notable findings. When interviewers agreed or strongly agreed that offered incentives helps them gain cooperation, the coefficient was positive, suggesting positive association, and the opposite was found when interviewers disagreed or strongly disagreed with the same statement. Also, when the interviewers were asked if the £10 incentive that is offered to some LFS respondents is too much, too little or about right, for those who said it was too much (compared with about right), probability of cooperation increased, and for those who said it was too little, probability of cooperation decreased.

当在模型九中加入采访者级别的特征时，除了先前模型中以随机效应、激励假人和区域特征为协变量的参数外，这极大地改善了模型拟合，DIC值下降了2,591(见表5)。附录1)．尽管增加了16个额外的参数，但模型拟合的改善非常大，这表明采访者特征变量在模型拟合方面是重要的协变量。为了理论上的兴趣，在最终模型中保留了面试官对激励态度的不显著变量。其他关于入门、门槛和拒绝转换方法的不显著变量被删除，因为可用的变量太多。

模型中随机效应的结果

表5 (附录1)，在比较模型二和模型三时可以看出，在模型三中仅添加对面积的随机截取时，对采访者的随机截取对模型拟合的改善程度更大。与基础模型相比，访谈者随机截距模型的DIC值减少了1221，区域随机截距模型的DIC值减少了487。这表明，采访者之间的变异性大于区域之间的变异性。当在模型五中同时加入区域和采访者的拦截(考虑了交叉分类)时，与模型二和模型三相比，这进一步降低了DIC值，表明采访者和区域之间的合作存在显著差异。

在模型6和模型7中，分别对采访者和采访者添加激励假人(低激励作为参考类别)上的随机系数。与之前的模型相比，DIC值分别降低了17和42;这表明一个改进的模型拟合。此外，在模型中，区域(0.027(0.010))和采访者(0.028(0.009))的七个随机系数值都是显著的，这表明在激励如何影响合作率方面，采访者和区域之间存在显著的变异性(见表5)。附录1)．在两个模型中，都指定了级别之间的交叉分类，这有助于调整估算中同一级别内的多个嵌套的影响(Durrant等，2010)．

在模型8中加入区域水平的协变量，既降低了区域和采访者之间对合作的差异，也降低了激励对合作影响的采访者和区域之间的差异。然而，尽管这显著改善了模型拟合(DIC相对于模型7减少了81)，但在模型8中，随机拦截和面积和采访者的系数仍然显著。这意味着模型中添加的区域特征并不能充分解释变化，仍然存在由未知因素引起的变化。在控制了模型中的区域特征后，在激励对合作的有效性方面，面试官之间的显著差异表明，这种差异可能是因为在使用激励时，面试官的态度和行为的差异。为了验证这一点，在最终的模型9中添加了采访者特征的协变量。

见表5 (附录1)，增加访谈者水平的协变量极大地改善了模型拟合，DIC值与之前的模型相比进一步减少了2591。然而，如表4所示，测量面试官态度和行为的附加协变量未能减少面试官之间的差异，这归因于随机效应。随机截距和系数值对采访者都是显著的，这表明即使在控制了采访者的一些态度、行为和区域特征后，采访者之间在合作以及他们如何调节激励对合作的影响方面仍然存在显著的差异。从最终的模型来看，面试官随机拦截表明，在未观察到的面试官特征上，一个标准偏差的增加与50%的合作几率增加相关¹．

此外，面试官随机系数表明，在未观察到的面试官特征上，一个标准偏差的增加与激励对合作的有效程度增加18%有关¹．

最终模型的访谈者协方差值不显著(协方差值为- 0.017)。这意味着激励对合作的影响不受面试官对他们整体工作量的整体合作率的影响。

此外，观察最终模型对面积的随机效应，如表4所示，也发现了类似的结果。区域随机截距和系数仍然显著，表明存在未观察到的区域特征，有助于促进区域间合作的可变性，以及区域差异如何调节激励对合作的影响。按照与采访者随机效应相同的逻辑，未观察到的区域特征的一个标准差的增加可能与13%的合作增加和17%的激励对合作的影响增加有关。区域随机效应的协方差在5%水平上不显著，但在10%水平上显著。这表明，有一些证据表明，对于总体合作率较低的地区，激励措施的效果较小。

结果说明:

1. 计算采用了Durrant等人提出的方法(2010，第14页)。

现有研究表明，在任何调查模式下，提供激励都对调查回复率有积极影响。然而，在面对面调查中，考虑到与这种模式相关的基线反应已经很高，这种影响可能小于自我完成模式。这是由于面对面面试的面试官效应(歌手和叶，2013年；格罗夫斯等，2009年；西蒙斯和威尔莫特，2004年)．

在使用激励措施的调查中，检验采访者影响的研究数量相当有限。现有的研究结果表明，面试官可以进一步提高单靠激励所取得的结果，但解释激励对某些面试官可能比其他面试官更有效的潜在机制尚不清楚(Kibuchi等，2018；林恩,2001)．这表明，在使用激励的情况下，还需要更多的研究来增加对采访者对调查合作的影响的认识和理解。这一点尤其重要，因为在英国的调查中，激励措施的使用正变得越来越普遍，试图扭转调查回应的下降趋势(SRA 2017)．

本文试图检验采访者对调查合作的影响，以及这些影响如何进一步调节激励的有效性。这是通过一个交叉分类的多层次模型来完成的，从其他混杂因素中分离出真正的采访者对调查合作的影响。

当比较5英镑无条件激励与10英镑无条件激励的有效性时，我们发现更高的激励会增加合作的可能性;这种影响是重要的即使在控制了区域和面试官的特点之后。这一发现可能表明，10英镑激励比5英镑激励更能反映参与者完成调查所需的负担，因此在这种情况下，更高的激励仍能产生更高的合作。这与现有的证据是一致的。现有证据表明，激励措施应足够大，以抵消调查的负担，并使受访者值得参与(Hsu等，2017；Cantor等人，2007年)．

此外，研究结果表明，社会劣势和城市化区域特征与合作关系显著相关。研究结果表明，随着社会经济劣势得分的增加，合作的可能性降低。这表明，在单亲家庭较多、失业和(或)领取福利的家庭较多、出租物业较多、居民从事管理和专业职业的家庭较少的地区，即使考虑到获得奖励，也可能更难实现合作。

社会交换理论(他,1987)可以为这一发现提供解释。研究表明，那些认为自己从政府得到的服务很少或很差的人，以及那些感觉处境不利的人，可能不太愿意回应政府的要求。这一结论似乎仍然是基于当前的研究结果，即使给家庭提供了参与的激励。

较高的城市化程度也与合作负相关。这意味着，在人口密度较高的地区，实现激励后的合作仍然更具挑战性。这一发现得到了达兰特和斯蒂尔(2009)他们还发现，城市地区，单亲比例较高的地区，以及主户主资格较低的家庭，合作程度较低。

年龄分布是一个显著的因素，表明随着年轻人比例的增加，合作减少。在某些地区，较年轻的年龄组比例较高，与较高的拒绝率显著相关Durrant等人(2010)的研究在没有考虑激励因素的情况下。这可能表明，激励可以帮助弥合不同合作倾向之间的差距，在调查研究中，这些倾向通常与年轻和年长的群体有关。

本研究发现，无条件激励对劳动力调查(LFS)合作率的有效性因访谈者而异。因此，这支持并扩展了Kibuchi等人(2018)的发现，表明在对LFS使用不同类型(无条件的)激励的情况下，这种效应持续存在。这是一个有趣的发现，因为可以假设，当激励直接发给被调查者而不是由面试官自己发出时，面试官的影响可能会更弱。这是因为使用不同类型的激励会产生不同的认知过程。无条件激励产生互惠的感觉，这是一个自动的，通常是潜意识的过程，而有条件的激励依赖于受访者的理性思考，以评估参与的成本和收益，然后获得奖励(Singer等人，1999年)．因此，我们可以认为，当提供有条件的参与激励时，面试官的影响力更大，因为他们可以影响被调查者的理性思考，从而决定参加调查。目前的研究结果表明，即使是无条件的激励，面试官的行为和态度也会对合作产生显著的影响。

此外，该研究试图通过包括《面试官态度调查》(2018年)收集的变量来解释面试官之间的差异。¹．这些数据包括采访者对激励的看法和他们在获得合作时使用激励的行为，以及他们对介绍性和拒绝转换方法的一些态度和行为的独特见解。不幸的是，所考虑的采访者特征不足以解释采访者之间的差异。在包括采访者变量后，由未知特征引起的采访者之间的方差仍然显著。这表明其他未被量化的采访者特征也在影响采访者之间的差异。

目前的研究结果还表明，在激励的有效性上，采访者之间的方差大于区域之间的方差，尽管区域之间的方差也被发现是显著的。这支持O’muircheartaigh和Campanelli的(1999)以及Durrant等人(2010)的发现，该发现也表明面试官对回答结果的影响更大，而不是区域。

最后，研究结果表明，激励措施有效性的可变性与采访者取得的总体回复率无关，这与Kibuchi等人(2018)的研究结果相呼应。虽然这一发现的原因尚不清楚，但这可能表明，面试官表现的其他衡量标准，如联系成功或电话模式的变化，这些在目前的研究中没有考虑到，可能有助于促进合作激励有效性的变化。

然而，这项研究也有局限性。所包含的面试者和地区层面的变量未能解释面试者之间和地区之间的合作激励有效性的差异。先前的研究可能表明，包括家庭水平的特征可能有助于解释地区间的差异。此外，对面试官的行为和态度有更客观的衡量标准可能有助于解释面试官之间的差异。这一领域的未来研究应该尝试获得这样的数据。还应考虑在模型中包括其他面试官的表现衡量标准，例如成功联系家庭的电话数量和预约的数量。这将需要调查与案件有关的通话记录和相应的采访者信息。

讨论注意事项

1. 《采访者态度调查》(2018年)改编自英国国家统计局的一项标准采访者态度调查。具体问题可通过联系本文作者获取。