2025年市場調(diào)查理論知識考核試題附答案一、單項選擇題（每題2分，共30分）1.在2025年最新修訂的《市場調(diào)查倫理準則》中，對“無應答偏差”的矯正順序被明確為：A.先加權后插補B.先插補后加權C.僅使用加權D.僅使用插補答案：B解析：2025版準則強調(diào)“先恢復數(shù)據(jù)結(jié)構(gòu)完整性，再調(diào)整代表性”，插補解決項目無應答，加權解決單位無應答，順序不可顛倒。2.某品牌計劃用“數(shù)字孿生門店”測試虛擬陳列效果，其本質(zhì)屬于：A.描述性調(diào)查B.因果性調(diào)查C.探索性調(diào)查D.預測性調(diào)查答案：B解析：通過控制虛擬貨架、價格、促銷等變量觀測銷量變化，符合因果性調(diào)查定義。3.當使用“聯(lián)邦學習”技術整合多方數(shù)據(jù)時，最需關注的誤差類型是：A.測量誤差B.覆蓋誤差C.抽樣誤差D.整合誤差答案：D解析：聯(lián)邦學習在本地訓練后僅交換梯度，數(shù)據(jù)分布異構(gòu)導致的整合誤差成為新增誤差源。4.在“零階問卷”設計中，被訪者只需做出“是/否”選擇，其理論基礎是：A.認知負荷最小化B.計劃行為理論C.展望理論D.認知失調(diào)理論答案：A解析：零階問卷通過極限簡化降低認知負荷，適用于移動微交互場景。5.2025年起，歐盟將“情感AI”視同敏感處理，若調(diào)查系統(tǒng)調(diào)用攝像頭微表情識別，須額外獲?。篈.明示同意B.雙重明示同意C.三重選擇同意D.默示同意答案：B解析：情感AI涉及生物特征，需“雙重明示”——一次為攝像，一次為情感分析。6.某短視頻平臺采用“滑動停留≥3秒”作為有效曝光標準，該指標屬于：A.行為變量B.態(tài)度變量C.心理變量D.人口變量答案：A解析：停留時長可直接觀測，歸行為變量。7.在“合成控制法”評估campaigns時，選擇捐贈池城市最重要的統(tǒng)計量是：A.馬氏距離B.歐氏距離C.曼哈頓距離D.余弦相似度答案：A解析：馬氏距離考慮協(xié)方差結(jié)構(gòu)，能更好匹配預處理趨勢。8.當問卷量表采用“0-100滑桿”而非傳統(tǒng)5級Likert，其信度檢驗首選：A.CronbachαB.復合信度C.分半信度D.重測信度答案：B解析：滑桿產(chǎn)生連續(xù)數(shù)據(jù)，潛在變量模型下的復合信度優(yōu)于α系數(shù)。9.“可解釋機器學習”在調(diào)查甄別中的應用，主要解決：A.黑箱模型不可審計B.運算速度過慢C.內(nèi)存占用過高D.無法處理文本答案：A解析：可解釋性讓研究者向監(jiān)管方說明為何某受訪者被判定為“專業(yè)受訪者”。10.使用“差分隱私”發(fā)布交叉表時，隱私預算ε越小，則：A.噪聲越小，精度越高B.噪聲越大，精度越低C.噪聲不變，精度不變D.噪聲與精度無關答案：B解析：ε控制隱私與精度的權衡，ε↓噪聲↑。11.在“元宇宙焦點小組”中，主持人發(fā)現(xiàn)虛擬化身身高差異影響發(fā)言順序，該現(xiàn)象稱為：A.數(shù)字身高偏差B.虛擬社會期望C.沉浸式從眾D.算法排序效應答案：A解析：數(shù)字身高偏差是虛擬環(huán)境中非語言線索的新變異。12.當采用“語音語義雙模態(tài)”測謊時，若語義通道置信度0.7，語音通道0.8，融合規(guī)則取“與”，則最終置信度為：A.0.56B.0.7C.0.8D.0.75答案：A解析：與規(guī)則即相乘，0.7×0.8=0.56。13.“區(qū)塊鏈問卷”將每份答卷哈希上鏈，主要防范：A.錄入錯誤B.事后篡改C.抽樣偏差D.測量誤差答案：B解析：哈希上鏈確保一旦寫入即不可無痕修改。14.在“實時調(diào)查Dashboard”中，若采用“貝葉斯自適應抽樣”，停止規(guī)則通常基于：A.置信區(qū)間寬度小于δB.樣本量達到預定nC.p值小于0.05D.功效達到80%答案：A解析：貝葉斯方法關注估計精度而非假設檢驗。15.某企業(yè)用“生成式AI”創(chuàng)建虛擬受訪者補充樣本，倫理審查重點應落在：A.虛擬樣本的知情同意B.虛擬樣本的隱私泄露C.虛擬樣本是否代表真實D.虛擬樣本的存儲位置答案：C解析：生成樣本若引入系統(tǒng)性偏差，將扭曲推斷。二、多項選擇題（每題3分，共30分）16.以下哪些技術可用于降低“專業(yè)受訪者”污染：A.設備指紋B.行為軌跡一致性檢驗C.區(qū)塊鏈身份D.聲紋聚類答案：ABCD解析：四者均可交叉驗證身份唯一性。17.在“移動面訪”中，訪問員軌跡數(shù)據(jù)可用于：A.監(jiān)測是否按照抽樣路徑行走B.計算拒訪率地理分布C.校正覆蓋偏差D.評估訪問員效率答案：ABCD解析：GPS軌跡提供時空維度質(zhì)量監(jiān)控。18.關于“非概率抽樣”的正確說法：A.2025年AAPOR發(fā)布新版非概率報告標準B.需報告“偽包含概率”C.可使用傾向得分加權D.不能用于因果推斷答案：ABC解析：非概率樣本在滿足可忽略性假設時仍可因果推斷，D錯誤。19.使用“眼動+EEG”同步采集時，需校準的同步誤差來源包括：A.采樣時鐘漂移B.網(wǎng)絡延遲C.人眼視覺延遲D.腦電潛伏期答案：ABD解析：視覺延遲屬于生理常量，無需校準。20.在“可編程隱私”框架下，受訪者可以：A.動態(tài)撤銷數(shù)據(jù)使用權B.設置數(shù)據(jù)過期時間C.指定算法類型限制D.要求刪除已發(fā)布結(jié)果答案：ABC解析：已發(fā)布結(jié)果若被第三方緩存，技術上無法保證完全刪除，D不現(xiàn)實。21.以下哪些做法會增大“社會期望偏差”：A.調(diào)查主題涉及環(huán)保行為B.訪問員為同性別大學生C.采用自填問卷D.使用間接提問技術答案：AB解析：C、D為降低做法。22.“零樣本學習”在開放文本編碼中的應用前提包括：A.預訓練模型見過相似語義B.編碼框架完全不變C.需人工提供屬性描述D.需重新訓練全部參數(shù)答案：AC解析：零樣本無需重訓全部參數(shù)，D錯誤。23.在“混合模式調(diào)查”中，模式選擇模型可基于：A.社會經(jīng)濟指標B.設備類型C.過往參與歷史D.地理距離答案：ABCD解析：距離影響面訪成本，可預測模式偏好。24.關于“合成數(shù)據(jù)”發(fā)布，正確的有：A.需進行隱私泄露審計B.需報告與真實數(shù)據(jù)分布差異C.可直接替代原始數(shù)據(jù)做顯著性檢驗D.需保留變量間關聯(lián)答案：ABD解析：合成數(shù)據(jù)分布差異會影響檢驗結(jié)果，C錯誤。25.在“實時情緒追蹤”系統(tǒng)中，情緒標簽的獲得方式包括：A.表情識別B.語音韻律C.鍵盤敲擊節(jié)奏D.皮膚電答案：ABCD解析：多模態(tài)融合提升情緒識別魯棒性。三、判斷題（每題1分，共10分）26.“可解釋AI”必然犧牲模型精度。答案：錯解析：局部可解釋可在保持全局精度同時提供解釋。27.2025年起，中國《個人信息保護法》將“去標識化”數(shù)據(jù)視為非個人信息。答案：錯解析：去標識化數(shù)據(jù)仍可重識別，需分類評估。28.在“差分隱私”中，加入拉普拉斯噪聲比高斯噪聲更易于實現(xiàn)ε-差分隱私。答案：對解析：拉普拉斯機制直接對應L1敏感度。29.“元宇宙調(diào)查”中，虛擬場景的光照強度不會影響被訪者情緒。答案：錯解析：環(huán)境光照影響喚醒水平，已被實驗證實。30.使用“生成對抗網(wǎng)絡”擴充樣本時，判別器損失越低越好。答案：錯解析：過低意味著生成器未產(chǎn)生挑戰(zhàn)性樣本，導致模式崩塌。31.“語音問卷”中，若受訪者使用方言，ASR錯誤率上升，可通過“方言適配器”緩解。答案：對解析：適配器微調(diào)技術可快速遷移方言。32.在“零知識證明”調(diào)查激勵中，受訪者無需透露任何個人信息即可領取獎勵。答案：對解析：ZKP允許驗證“合格”而不暴露身份。33.“區(qū)塊鏈+同態(tài)加密”可讓智能合約直接對加密問卷數(shù)據(jù)計算均值。答案：對解析：同態(tài)加密支持密文運算。34.當使用“強化學習”優(yōu)化問卷跳題邏輯時，獎勵函數(shù)只需考慮完成率。答案：錯解析：還需平衡數(shù)據(jù)質(zhì)量與受訪者體驗。35.“數(shù)字孿生消費者”技術已能100%預測個體購買行為。答案：錯解析：受隨機效用與信息邊界限制，預測不可能完美。四、填空題（每空2分，共20分）36.在“合成控制法”中，若預處理期均方預測誤差稱為________，則其英文縮寫為________。答案：均方預測誤差，MSPE37.2025年AAPOR將“無應答率”重新定義為________與________之比。答案：合格未應答單元，合格單元總數(shù)38.當采用“貝葉斯分層模型”校正非概率樣本時，超先驗通常選擇________分布以保證________。答案：柯西，厚尾39.在“眼動熱點圖”中，若采用“自適應帶寬核密度估計”，帶寬選擇原則為________最小化。答案：積分平方誤差40.“聯(lián)邦學習”中，模型參數(shù)聚合算法若考慮拜占庭攻擊，可采用________聚合。答案：trimmedmean41.若問卷量表采用“連續(xù)評分+錨點視頻”，其信度可通過________系數(shù)評估。答案：ω_h42.在“零知識激勵”中，為防止女巫攻擊，通常引入________成本。答案：計算或經(jīng)濟43.使用“生成式AI”創(chuàng)建虛擬被訪者時，需報告________指標以說明合成質(zhì)量。答案：FrechetInceptionDistance44.“移動感知調(diào)查”中，若利用GPS+加速度計識別出行模式，該過程稱為________識別。答案：交通模式45.在“實時Dashboard”中，若采用“貝葉斯序貫更新”，后驗分布的更新公式為________。答案：先驗×似然／邊際似然五、簡答題（每題10分，共30分）46.闡述“差分隱私”與“k-匿名”在調(diào)查數(shù)據(jù)發(fā)布中的核心差異，并說明為何2025年GDPR指南更傾向差分隱私。答案：(1)模型差異：k-匿名通過泛化與抑制使每組至少k條記錄，差分隱私通過添加噪聲使輸出對單條記錄不敏感。(2)攻擊模型：k-匿名面對背景知識攻擊脆弱；差分隱私提供ε-可量化保證。(3)信息損失：k-匿名在高維數(shù)據(jù)需過度泛化；差分隱私可在精度與隱私間平滑權衡。(4)合規(guī)：2025年GDPR指南要求“可證明且可審計”的隱私技術，差分隱私的數(shù)學證書滿足該要求，而k-匿名無法提供同等證明。47.某市政府欲評估“數(shù)字消費券”對線下客流的影響，設計一套基于“合成控制+移動大數(shù)據(jù)”的評估方案，要求說明數(shù)據(jù)來源、變量選擇、識別假設與穩(wěn)健性檢驗。答案：數(shù)據(jù)來源：①移動設備信令數(shù)據(jù)，獲取每日商場客流；②消費券發(fā)放行政記錄，含券面額、使用地點；③POI數(shù)據(jù)庫，匹配商場坐標；④天氣、節(jié)假日等外生變量。變量選擇：因變量：商場日客流對數(shù)；預測變量：發(fā)券前30天客流、節(jié)假日虛擬變量、天氣、地鐵運量、競對促銷。識別假設：①無同時期其他政策沖擊；②合成控制城市組合可復制處理前趨勢；③客流動態(tài)不受未觀測變量影響。穩(wěn)健性檢驗：①置換檢驗：對捐贈池城市逐一虛構(gòu)處理；②改變預處理期長度；③采用雙重差分作為對照；④剔除節(jié)假日樣本；⑤安慰劑檢驗：提前假設發(fā)券日期。48.說明“可解釋機器學習”在甄別“專業(yè)受訪者”時的實施流程，并討論如何平衡解釋性與精度。答案：流程：①特征工程：提取設備指紋、答題時長、鼠標軌跡、IP變化、文本相似度；②模型訓練：采用梯度提升樹獲得高精度基準；③局部解釋：使用SHAP值解釋每條預測，識別關鍵特征；④全局解釋：匯總SHAP聚合圖，發(fā)現(xiàn)“答題過速”與“IP聚集”為主要信號；⑤閾值設定：在驗證集上比較F1與解釋覆蓋率，選擇SHAPtop-10特征作為審計依據(jù)；⑥人工復核：對高影響樣本二次確認，避免誤殺。平衡策略：①采用混合模型：高精度黑箱+可解釋白箱，黑箱用于評分，白箱用于報告；②特征簡化：將高維稀疏特征壓縮為業(yè)務可解釋指標；③提供分級解釋：對監(jiān)管者輸出規(guī)則集，對內(nèi)部輸出SHAP；④設置解釋保真度指標，如保持特征排序一致性的Kendallτ≥0.9。六、計算分析題（共30分）49.某在線平臺采用“分層抽樣”估計用戶月均消費，總體分三層：高活、中活、低活。已知：層|層權W_h|層標準差S_h|樣本量n_h高|0.2|120|100中|0.5|80|200低|0.3|40|300（1）計算估計量標準誤；（2）若預算固定總樣本600，按奈曼分配重新分配樣本并求精度提升百分比。答案：(1)標準誤SE=sqrt(Σ[W_h2S_h2(1-n_h/N_h)/n_h])假設有限總體修正可忽略，SE=sqrt(0.22×1202/100+0.52×802/200+0.32×402/300)=sqrt(5.76+8+0.48)=sqrt(14.24)≈3.77元(2)奈曼分配n_h∝W_hS_h高：0.2×120=24中：0.5×80=40低：0.3×40=12總和=76n_高=600×24/76≈189n_中=600×40/76≈316n_低=600×12/76≈95新SESE’=sqrt(0.22×1202/189+0.52×802/316+0.32×402/95)≈sqrt(3.05+5.06+1.52)=sqrt(9.63)≈3.10元精度提升(3.77?3.10)/3.77≈17.8%50.某品牌使用“uplift模型”評估廣告轉(zhuǎn)化，隨機實驗樣本10萬人，處理組占30%。模型輸出uplift分位數(shù)結(jié)果如下：十分位|處理轉(zhuǎn)化|對照轉(zhuǎn)化|uplift1(高)|18%|5%|13%2|15%|6%|9%…|…|…|…10(低)|2%|10%|?8%（1）計算整體ATE；（2）若營銷預算只覆蓋前30%用戶，求凈提升收益，已知每單利潤50元，觸達成本5元/人；（3）討論為何需引入“sleepingdogs”指標。答案：(1)ATE處理組總體轉(zhuǎn)化=Σ(0.1×處理轉(zhuǎn)化)=9.3%對照組總體轉(zhuǎn)化=Σ(0.1×對照轉(zhuǎn)化)=7.0%ATE=2.3%(2)前30%即1-3十分位平均uplift=(13+9+7)/3=9.67%人數(shù)=30000增量轉(zhuǎn)化=30000×9.67%=2901單增量利潤=2901×50=145050元成本=30000×5=150000元凈收益=?4950元（虧損）(3)“sleepingdogs”指被廣告負面刺激而降低購買的人群（如第10組uplift為負）。若忽視該指標，僅看正uplift會高估總收益；需排除易反感群體，避免預算浪費。七、案例設計題（共30分）51.背景：2025年“銀發(fā)經(jīng)濟”崛起，某智能設備企業(yè)計劃推出“AI健康拐杖”，需在全國60+老人中調(diào)研支付意愿與功能偏好。受疫情后遺影響，線下集中訪談受限，而老年人對智能設備操作薄弱。請設計一套“多模式混合調(diào)查”方案，要求：①說明抽樣框與抽樣方法；②設計適老化數(shù)據(jù)收集流程；③給出