2026年社會(huì)調(diào)查與統(tǒng)計(jì)實(shí)務(wù)考試試題及答案1.（單選）2026年“零工經(jīng)濟(jì)”勞動(dòng)者中，通過(guò)算法直接派單獲得收入者占比首次突破：A.38%??B.51%??C.62%??D.73%答案：C解析：2026年《中國(guó)靈活就業(yè)質(zhì)量報(bào)告》顯示，算法派單型零工已占全部零工勞動(dòng)者的62%，較2024年提高14個(gè)百分點(diǎn)，主因是即時(shí)配送、無(wú)人零售補(bǔ)貨、AI標(biāo)注三大場(chǎng)景擴(kuò)張。2.（單選）在“隱私計(jì)算”輔助的政府微觀數(shù)據(jù)開(kāi)放項(xiàng)目中，2026年最常用的技術(shù)路線是：A.聯(lián)邦學(xué)習(xí)??B.安全多方計(jì)算??C.可信執(zhí)行環(huán)境??D.差分隱私答案：D解析：差分隱私因部署成本低、兼容傳統(tǒng)SQL查詢，被國(guó)家統(tǒng)計(jì)局“云微觀”平臺(tái)選為默認(rèn)方案；聯(lián)邦學(xué)習(xí)雖安全但需改造建模流程，落地率不足20%。3.（單選）某市2026年人口變動(dòng)調(diào)查采用“行政記錄+網(wǎng)格掃碼”雙源采集，發(fā)現(xiàn)漏報(bào)率為1.7%。該漏報(bào)率最可能被哪項(xiàng)誤差覆蓋：A.抽樣誤差??B.覆蓋誤差??C.測(cè)量誤差??D.無(wú)回答誤差答案：B解析：行政記錄已含戶籍、醫(yī)保、水電90%以上人口，仍漏掉外來(lái)短住人群，屬于覆蓋框不完整造成的覆蓋誤差。4.（單選）為估計(jì)“銀發(fā)族”短視頻沉迷時(shí)間，研究者使用“時(shí)間使用日記+手機(jī)SDK日志”混合測(cè)量，發(fā)現(xiàn)兩者相關(guān)系數(shù)0.42。為提高效度，應(yīng)優(yōu)先：A.擴(kuò)大樣本量??B.采用結(jié)構(gòu)方程模型??C.校準(zhǔn)時(shí)間基準(zhǔn)??D.加入焦點(diǎn)組訪談答案：C解析：相關(guān)系數(shù)低主因是日記法以15分鐘為最小顆粒，而SDK以1秒記錄；統(tǒng)一基準(zhǔn)到1分鐘后，相關(guān)系數(shù)可升至0.81，效度改善最顯著。5.（單選）2026年“碳足跡”問(wèn)卷中，對(duì)“單次網(wǎng)購(gòu)快遞碳排放”量表采用0—10分量表。預(yù)調(diào)查Cronbachα=0.57，若刪除“我認(rèn)為快遞包裝環(huán)保程度”題項(xiàng)，α升至0.78，則：A.該題為系統(tǒng)誤差源??B.該題降低同質(zhì)性??C.該題存在天花板效應(yīng)??D.該題誘導(dǎo)社會(huì)期望答案：B解析：剩余題項(xiàng)均指向運(yùn)輸里程與能源類型，包裝環(huán)保認(rèn)知與碳排放感知維度不同，降低內(nèi)部一致性。6.（單選）某縣域2026年GDP初核1320億元，次年經(jīng)濟(jì)普查修訂為1280億元，修訂率–3.0%。該差異主要來(lái)源最可能是：A.規(guī)上企業(yè)虛報(bào)??B.個(gè)體戶漏報(bào)??C.跨地區(qū)重復(fù)計(jì)算??D.價(jià)格縮減指數(shù)錯(cuò)配答案：A解析：2026年“數(shù)據(jù)入表”新政后，規(guī)上企業(yè)為符合科創(chuàng)板上市標(biāo)準(zhǔn)，普遍高估營(yíng)收；普查通過(guò)稅控發(fā)票交叉驗(yàn)證，擠掉水分。7.（單選）在“夜間經(jīng)濟(jì)”衛(wèi)星燈光指數(shù)建模中，為消除云層干擾，2026年主流方案是：A.NPP-VIIRS月度合成??B.雷達(dá)衛(wèi)星替代??C.機(jī)器學(xué)習(xí)插補(bǔ)??D.地面燈光傳感器校準(zhǔn)答案：C解析：中科院“星云”計(jì)劃發(fā)布基于Transformer的時(shí)空插補(bǔ)模型，利用無(wú)云日影像、POI密度、天氣數(shù)據(jù)，插補(bǔ)精度R2達(dá)0.93，成本僅為雷達(dá)方案的1/8。8.（單選）某高校2026年“大學(xué)生情緒健康”追蹤調(diào)查，使用隨機(jī)截距交叉滯后模型（RI-CLPM），發(fā)現(xiàn)“社交媒體使用→焦慮”的滯后效應(yīng)β=0.12（p<0.01），但“焦慮→社交媒體使用”β=0.15（p<0.01）。據(jù)此：A.存在單向因果??B.存在雙向因果??C.僅相關(guān)無(wú)因果??D.需工具變量再驗(yàn)證答案：B解析：RI-CLPM已控制個(gè)體穩(wěn)定特質(zhì)，雙向系數(shù)均顯著，提示螺旋上升效應(yīng)；無(wú)需額外IV即可得出雙向因果結(jié)論。9.（單選）2026年“數(shù)字鄉(xiāng)村”監(jiān)測(cè)引入“無(wú)人機(jī)多光譜+smartphonecrowdsourcing”雙源數(shù)據(jù)，對(duì)水稻估產(chǎn)的最佳融合層級(jí)是：A.像元級(jí)??B.特征級(jí)??C.決策級(jí)??D.傳感器級(jí)答案：B解析：特征級(jí)先提取NDVI、LAI、株高紋理，再與crowdsourcing樣本協(xié)同訓(xùn)練XGBoost，既保留高分辨率，又抑制眾測(cè)噪聲，RMSE降低18%。10.（單選）為檢驗(yàn)“延遲退休”政策announcement對(duì)居民儲(chǔ)蓄率的影響，2026年某研究采用事件研究法，事件窗設(shè)定為announcement前后各30天。若發(fā)現(xiàn)儲(chǔ)蓄率在announcement前10天已顯著上升，最可能：A.信息泄露??B.預(yù)期效應(yīng)??C.季節(jié)性因素??D.模型誤設(shè)答案：A解析：政策文件在內(nèi)部征求意見(jiàn)階段已被媒體捕捉，市場(chǎng)提前反應(yīng)；通過(guò)高頻瀏覽器搜索指數(shù)可驗(yàn)證信息泄露時(shí)點(diǎn)。11.（多選）2026年“生育意愿”電子問(wèn)卷中，以下哪些措施可將breakoff率從19%降至5%以下：A.進(jìn)度條可視化??B.把矩陣題拆成單頁(yè)??C.啟用語(yǔ)音輸入??D.后置敏感題??E.隨機(jī)化選項(xiàng)順序答案：ABCD解析：A降低不確定性；B減少認(rèn)知負(fù)荷；C方便低學(xué)歷樣本；D利用“foot-in-the-door”效應(yīng)；E對(duì)breakoff無(wú)顯著影響。12.（多選）在“低碳消費(fèi)”實(shí)驗(yàn)中使用“披露他人碳排”信息，可能產(chǎn)生的混淆效應(yīng)包括：A.描述性規(guī)范??B.命令性規(guī)范??C.社會(huì)比較??D.錨定效應(yīng)??E.認(rèn)知失調(diào)答案：ACD解析：B命令性需明確“應(yīng)該怎么做”；E認(rèn)知失調(diào)更多出現(xiàn)在態(tài)度-行為不一致場(chǎng)景，與信息披露無(wú)直接關(guān)聯(lián)。13.（多選）2026年某市“老舊小區(qū)加裝電梯”民意調(diào)查，采用“分層PPS+入戶面訪”兩階段抽樣，可能引入的偏差有：A.樓層越高回答率越高??B.低學(xué)歷戶拒答??C.訪員年齡效應(yīng)??D.樣本替換隨意化??E.住戶季節(jié)性流動(dòng)答案：ABCDE解析：高層住戶更關(guān)心電梯，回答意愿強(qiáng)；低學(xué)歷戶擔(dān)心被騙；年輕訪員易被排斥；替換未按“最近生日法”執(zhí)行；冬季空掛戶增多。14.（多選）下列哪些技術(shù)可在不暴露原始個(gè)體記錄前提下，實(shí)現(xiàn)2026年“醫(yī)保欺詐”識(shí)別模型跨機(jī)構(gòu)訓(xùn)練：A.同態(tài)加密??B.垂直聯(lián)邦學(xué)習(xí)??C.安全多方求交??D.可信執(zhí)行環(huán)境??E.區(qū)塊鏈存證答案：BCD解析：A同態(tài)加密計(jì)算開(kāi)銷大，尚未在TB級(jí)醫(yī)保數(shù)據(jù)落地；E存證不解決隱私計(jì)算問(wèn)題。15.（多選）2026年“青年失業(yè)率”發(fā)布口徑調(diào)整，把“一周工作1小時(shí)”劃為就業(yè)，引發(fā)爭(zhēng)議。下列哪些校正方法可與國(guó)際接軌：A.引入“工時(shí)中位數(shù)”分組??B.發(fā)布“嚴(yán)格失業(yè)率”（≥10小時(shí)）??C.采用“就業(yè)不足率”??D.公布“NEET”比例??E.給出置信區(qū)間答案：ABCD解析：E置信區(qū)間不能解決口徑差異，僅表示抽樣誤差。16.（填空）2026年“數(shù)字游民”專題調(diào)查采用“雪球+受訪者驅(qū)動(dòng)”（RDS），假設(shè)每個(gè)受訪者招募3名同伴，招募成功率0.6，設(shè)計(jì)效應(yīng)DE≈________。答案：2.86解析：RDS設(shè)計(jì)效應(yīng)公式DE=[1+CV2(network)]×(1/(1–2×(1–1/m)×(1–p)))]，其中m=3，p=0.6，CV(network)按2025年同類研究取0.8，代入得2.86。17.（填空）某縣2026年人口普查短表“出生人口”漏報(bào)率經(jīng)“生育登記+疫苗接種”雙源捕獲-再捕獲估算，登記人口S1=2100，疫苗記錄S2=2300，雙登記C=1800，則漏報(bào)率________%。答案：15.6解析：N=(S1×S2)/C=2683，漏報(bào)人數(shù)=2683–2100=583，漏報(bào)率=583/2683=15.6%。18.（填空）2026年“AI客服”滿意度IVR調(diào)查，采用“雙框采樣”（固話+手機(jī)），固話框回答率12%，手機(jī)框回答率28%，固話覆蓋人口比0.3。若最終樣本n=2000，則有效樣本設(shè)計(jì)權(quán)數(shù)最大值為_(kāi)_______。答案：8.33解析：固話權(quán)數(shù)=1/(0.3×0.12)=27.78，手機(jī)權(quán)數(shù)=1/(0.7×0.28)=5.10，歸一化后最大權(quán)數(shù)=27.78/(27.78+5.10)×2000≈8.33。19.（填空）2026年“直播帶貨”消費(fèi)實(shí)驗(yàn)采用“2×2×2”被試間設(shè)計(jì)，因子為“主播顏值”“價(jià)格折扣”“互動(dòng)抽獎(jiǎng)”，每個(gè)單元需保證power=0.8檢測(cè)中等效應(yīng)f=0.25，則最少需被試________人（α=0.05）。答案：252解析：G*Power3.1.9.7方差分析，組數(shù)=8，f=0.25，α=0.05，power=0.8，得總樣本252。20.（填空）2026年“城市熱島”研究采用Sentinel-3地表溫度1km柵格，欲降至100m，需使用________融合算法。答案：STARFM解析：時(shí)空自適應(yīng)反射率融合模型（STARFM）可同時(shí)利用Sentinel-210m可見(jiàn)光與Sentinel-3熱紅外，實(shí)現(xiàn)100m熱島制圖，MAE<1.2K。21.（簡(jiǎn)答）說(shuō)明2026年“數(shù)字鄉(xiāng)村”項(xiàng)目為何選擇“面積框抽樣”而非“名錄框抽樣”估算水稻產(chǎn)量，并給出兩點(diǎn)操作細(xì)節(jié)。答案：1.行政村級(jí)名錄框僅覆蓋土地確權(quán)到戶的地塊，而2026年土地流轉(zhuǎn)率已達(dá)62%，實(shí)際種植者與權(quán)屬人分離，導(dǎo)致地塊作物類型更新滯后；面積框以0.5m分辨率遙感影像實(shí)時(shí)分割田塊，避免框誤差。2.操作細(xì)節(jié)：①使用無(wú)人機(jī)多光譜在分蘗期、抽穗期兩次成像，通過(guò)隨機(jī)森林分類將水稻田塊與其他作物分離，用戶精度>92%；②按“耕地占比”比例分層，每層系統(tǒng)抽樣布設(shè)5個(gè)100m2實(shí)測(cè)樣方，脫粒測(cè)產(chǎn)校正遙感反演，產(chǎn)量估算誤差<3%。22.（簡(jiǎn)答）闡述“零工經(jīng)濟(jì)”調(diào)查中采用“手機(jī)SDK被動(dòng)監(jiān)測(cè)”可能帶來(lái)的三倫理風(fēng)險(xiǎn)，并提出技術(shù)緩解方案。答案：風(fēng)險(xiǎn)：①過(guò)度監(jiān)控，勞動(dòng)者產(chǎn)生“算法牢籠”心理壓迫；②數(shù)據(jù)二次使用，平臺(tái)將軌跡數(shù)據(jù)用于派單歧視；③第三方SDK漏洞導(dǎo)致敏感軌跡泄露。緩解：①采用本地差分隱私上傳，隱私預(yù)算ε≤1，保證個(gè)體軌跡不可重識(shí)別；②在用戶協(xié)議中增加“一次一授權(quán)”彈窗，禁止將監(jiān)測(cè)數(shù)據(jù)與派單算法直接掛鉤；③SDK通過(guò)安全眾測(cè)平臺(tái)持續(xù)fuzzing，高危漏洞24h內(nèi)熱修復(fù)。23.（簡(jiǎn)答）2026年“大學(xué)生情緒健康”追蹤調(diào)查使用“生態(tài)瞬時(shí)評(píng)估”（EMA），每日隨機(jī)推送8次問(wèn)卷，但回答率僅45%。請(qǐng)給出兩項(xiàng)提升策略并說(shuō)明原理。答案：1.動(dòng)態(tài)獎(jiǎng)勵(lì)：利用多臂老虎機(jī)算法實(shí)時(shí)調(diào)整獎(jiǎng)勵(lì)金額，對(duì)高流失時(shí)段提高0.5元紅包，使邊際收益等于邊際成本，回答率可升至68%。2.情境感知觸發(fā)：調(diào)用手機(jī)加速度計(jì)識(shí)別“靜止?fàn)顟B(tài)”再推送，避免課堂、運(yùn)動(dòng)場(chǎng)景，減少情境不適帶來(lái)的拒答，無(wú)效樣本比例下降12%。24.（簡(jiǎn)答）說(shuō)明2026年“城市更新”民意調(diào)查采用“離散選擇實(shí)驗(yàn)”（DCE）測(cè)量“電梯加裝”支付意愿時(shí)，如何防止“假設(shè)偏差”，并給出檢驗(yàn)指標(biāo)。答案：防止：①采用“廉價(jià)談話”（cheaptalk）腳本，在正式選擇前用2分鐘向受訪者解釋“過(guò)度報(bào)價(jià)”后果，并展示歷史案例真實(shí)繳費(fèi)憑證；②引入“投入成本”機(jī)制，要求受訪者預(yù)付10元保證金，若其報(bào)價(jià)低于實(shí)際籌資額則沒(méi)收，提高激勵(lì)相容。檢驗(yàn)：①比較DCE結(jié)果與真實(shí)簽約數(shù)據(jù)，若平均支付意愿（MWTP）差異>30%，判定存在顯著假設(shè)偏差；②用“確定性量表”詢問(wèn)受訪者選擇信心，分?jǐn)?shù)≤7者剔除后MWTP上升<5%，說(shuō)明偏差可控。25.（簡(jiǎn)答）2026年“醫(yī)保欺詐”識(shí)別模型使用圖神經(jīng)網(wǎng)絡(luò)（GNN），請(qǐng)解釋為何需引入“時(shí)序子圖采樣”以及具體實(shí)現(xiàn)步驟。答案：原因：醫(yī)保結(jié)算網(wǎng)絡(luò)含2.3億節(jié)點(diǎn)，全圖訓(xùn)練顯存溢出，且欺詐團(tuán)伙往往呈“短時(shí)爆發(fā)”特征，需聚焦可疑時(shí)序子圖。步驟：①以30天滑動(dòng)窗口構(gòu)建動(dòng)態(tài)圖；②用可疑案件種子節(jié)點(diǎn)做隨機(jī)游走，返回概率設(shè)置0.8，采樣k=5000節(jié)點(diǎn)子圖；③在子圖上運(yùn)行TGAT（時(shí)序圖注意力網(wǎng)絡(luò)），訓(xùn)練完成后將節(jié)點(diǎn)embedding映射回全圖，實(shí)現(xiàn)億級(jí)圖上的分鐘級(jí)推斷，AUC提升4.7%。26.（計(jì)算）2026年“低碳出行”實(shí)驗(yàn)隨機(jī)抽取800名通勤者，干預(yù)組觀看“碳排地圖”視頻，對(duì)照組觀看中性視頻。一周后干預(yù)組平均公交出行次數(shù)增加1.8次，對(duì)照組增加0.6次，合并標(biāo)準(zhǔn)差3.4。請(qǐng)計(jì)算Cohen’sd及95%置信區(qū)間，并判斷效應(yīng)大小。答案：d=(1.8–0.6)/3.4=0.353；SE=√[(1/400+1/400)×3.42]=0.240；95%CI=0.353±1.96×0.240=[–0.117,0.823]；因置信區(qū)間含0，且d<0.5，屬小到中等效應(yīng)，需擴(kuò)大樣本至n≈1600方可得到顯著差異。27.（計(jì)算）某縣2026年“農(nóng)村低?！泵闇?zhǔn)采用“多維度貧困指數(shù)”（MPI），其中教育、健康、生活水平權(quán)重3:3:4。已知某戶得分：教育deprivation=1，健康=0，生活水平=1，k=30%臨界線。請(qǐng)計(jì)算該戶是否被瞄準(zhǔn)，并給出MPI值。答案：加權(quán)得分=1×0.3+0×0.3+1×0.4=0.7；因0.7>0.3，屬貧困人口，應(yīng)被瞄準(zhǔn)；MPI=0.7×(剝奪維度比例)=0.7×(2/3)=0.467。28.（計(jì)算）2026年“直播帶貨”價(jià)格實(shí)驗(yàn)采用“階梯降價(jià)”設(shè)計(jì)，價(jià)格序列199→169→149→129元，記錄各價(jià)格下購(gòu)買人數(shù)：80，120，180，220。請(qǐng)計(jì)算需求價(jià)格彈性Ed（中點(diǎn)公式）在169→149元區(qū)間，并解釋經(jīng)濟(jì)含義。答案：ΔQ=(180–120)/[(180+120)/2]=0.48；ΔP=(149–169)/[(149+169)/2]=–0.125；Ed=0.48/–0.125=–3.84；|Ed|>1，需求富有彈性，降價(jià)13%帶來(lái)銷量提升50%，總收入增加，繼續(xù)降價(jià)有利。29.（計(jì)算）2026年“零工勞動(dòng)者”小時(shí)工資對(duì)數(shù)線性模型：ln(wage)=0.05edu+0.03exp–0.01age+0.12platform，其中platform為虛擬變量（1=算法派單）。若某勞動(dòng)者edu=15，exp=5，age=30，platform=1，求小時(shí)工資相對(duì)于platform=0的百分比差異。答案：差異=exp(0.12)–1=12.75%，即算法派單者小時(shí)工資高12.75%，控制其他變量后，平臺(tái)溢價(jià)仍顯著。30.（計(jì)算）2026年“城市熱島”研究建立多元回歸：ΔT=2.1+0.35built–0.21green+0.09water，其中built、green、water分別代表建筑、綠地、水域占比（%）。若某區(qū)built=60，green=20，water=5，求ΔT預(yù)測(cè)值，并解釋green系數(shù)含義。答案：ΔT=2.1+0.35×60–0.21×20+0.09×5=2.1+21–4.2+0.45=19.35℃；green系數(shù)–0.21表示綠地占比每增加1個(gè)百分點(diǎn)，地表溫度下降0.21℃，提示增加綠地是緩解熱島的有效手段。31.（綜合）2026年“生育意愿”調(diào)查欲建立“政策組合”離散選擇實(shí)驗(yàn)，屬性含“現(xiàn)金補(bǔ)貼”“托位供給”“配偶育兒假”“房?jī)r(jià)折扣”。請(qǐng)完成：（1）給出正交主效應(yīng)設(shè)計(jì)表頭（4屬性×3水平）；（2）說(shuō)明如何加入“性別×年齡”交互效應(yīng)；（3）若樣本1000人，每人8個(gè)選擇任務(wù)，估計(jì)MWTP所需最小樣本是否足夠？答案：（1）采用L9正交陣列，表頭：任務(wù)1：補(bǔ)貼1000元，托位20%，假期3個(gè)月，房?jī)r(jià)–1%；任務(wù)2：補(bǔ)貼500元，托位50%，假期6個(gè)月，房?jī)r(jià)–3%；任務(wù)3：補(bǔ)貼1500元，托位80%，假期1個(gè)月，房?jī)r(jià)–5%；其余任務(wù)按正交排列，保證主效應(yīng)不相關(guān)。（2）在混合logit模型中加入“性別×假期”交互項(xiàng)，設(shè)定假期系數(shù)為β+γ1×Female+γ2×Age30–39+γ3×Female×Age30–39，檢驗(yàn)γ3顯著性可知女性育齡群體對(duì)假期敏感度是否更高。（3）根據(jù)Sawtooth建議，主效應(yīng)模型需樣本≥500，交互模型≥1000；本設(shè)計(jì)1000×8=8000觀測(cè)，自由度=4×(3–1)=8，經(jīng)驗(yàn)規(guī)則8000/8=1000>500，且采用貝葉斯高效設(shè)計(jì)，D誤差<0.05，樣本足夠。32.（綜合）2026年“數(shù)字鴻溝”評(píng)估報(bào)告采用“手機(jī)擁有率”“寬帶速率”“數(shù)字技能”“AI使用”四維指標(biāo)，數(shù)據(jù)來(lái)自“社區(qū)電子問(wèn)卷+運(yùn)營(yíng)商日志+技能實(shí)測(cè)”。請(qǐng)：（1）給出缺失值多重插補(bǔ)步驟；（2）說(shuō)明如何用“驗(yàn)證性因子分析”檢驗(yàn)四維結(jié)構(gòu)；（3）若CFA顯示CFI=0.89，RMSEA=0.09，應(yīng)如何修正？答案：（1）步驟：①對(duì)缺失機(jī)制進(jìn)行LittleMCAR檢驗(yàn)，p=0.12，可認(rèn)為隨機(jī)缺失；②用mice包在R中生成20個(gè)插補(bǔ)集，預(yù)測(cè)均值匹配法，納入性別、年齡、教育作為輔助變量；③合并估計(jì)采用Rubin規(guī)則，插補(bǔ)后有效樣本恢復(fù)至98%。（2）構(gòu)建四維CFA模型，設(shè)定四因子斜交，載荷λ≥0.5，因子間相關(guān)<0.85；用DWLS估計(jì)適配分類變量，指標(biāo)：CFI>0.95，TLI>0.95，RMSEA<0.06，SRMR<0.08。（3）CFI=0.89、RMSEA=0.09未達(dá)標(biāo)，查看修正指數(shù)MI>10，發(fā)現(xiàn)“AI使用”題項(xiàng)“我用過(guò)生成式AI”同時(shí)受“數(shù)字技能”因子影響，存在交叉載荷；刪除該題后重新擬合，CFI升至0.96，RMSEA降至0.05，滿足要求。33.（綜合）2026年“城市更新”項(xiàng)目需評(píng)估“加裝電梯”對(duì)住房?jī)r(jià)格的因果效應(yīng)，但面臨自選擇難題。請(qǐng)：（1）設(shè)計(jì)“邊界斷點(diǎn)”思路，給出運(yùn)行變量；（2）說(shuō)明如何檢驗(yàn)操縱效應(yīng)；（3）若RDD估計(jì)顯示房?jī)r(jià)提升8.2%，但帶寬敏感，如何增強(qiáng)穩(wěn)健性？答案：（1）以“單元內(nèi)支持人數(shù)比例”為運(yùn)行變量，臨界值2/3；政策規(guī)則：≥2/3同意即強(qiáng)制啟動(dòng)，無(wú)需100%，形成清晰斷點(diǎn)。（2）繪制運(yùn)行變量密度直方圖與McCrary檢驗(yàn)，若log差分<0.1，p>0.2，說(shuō)明無(wú)操縱；同時(shí)考察協(xié)變量在斷點(diǎn)處平衡，t檢驗(yàn)均不顯著。（3）采用①三角核與矩形核雙重估計(jì)；②用IK最優(yōu)帶寬與1/2帶寬、2倍帶寬三重比較；③加入?yún)f(xié)變量改善精度，若結(jié)果區(qū)間[6.1%,10.5%]仍一致，報(bào)告加權(quán)平均8.2%，并聲明穩(wěn)健。34.（綜合）2026年“低碳出行”干預(yù)實(shí)驗(yàn)持續(xù)6個(gè)月，采用“階梯錢包+碳積分”雙激勵(lì)。數(shù)據(jù)含基線、3月、6月三次