在五点李克特量表中内在认知偏见的微观-宏观建模：揭示捕捉相同统计群体所需样本量的非线性特征 川畑康子（Yasuko Kawahata）

《Computation》：Micro-Macro Modeling of Inherent Cognitive Biases in 5-Point Likert Scales: Uncovering the Non-Linearity of Critical Sample Sizes for Capturing Identical Statistical Populations Yasuko Kawahata

　　摘要：随着20世纪70年代高速增长时期社会基础设施的密集发展，这些基础设施同时面临老化问题，因此迫切需要从传统的反应性维护转向利用各种数据（数据驱动的资产管理）进行预防性维护。然而，实践中最大的障碍在于检查数据以纸质文件和非结构化文件等模拟格式分布不均，并且严重依赖于专家工程师的主观视觉评估（例如，从A到D的离散等级评价）。这种“评估者偏差”的存在使得 ensuring 直接统计分析所需的稳健性变得困难。本文旨在架起模拟专家知识与定量数据科学之间的桥梁。它利用分析层次过程（AHP）的距离衰减模型和Softmax函数来描述人类认知冲突（真实状态、同伴压力、避免认知负荷），构建了一个包含随机变化的微观-宏观链接模型。通过大规模多智能体模拟（N=10^7）验证模型的收敛性，研究表明，在同伴压力下形成的长尾分布中，如Kullback-Leibler（KL）散度这样的宏观统计距离指标忽略了少数真实信号被非线性抑制的事实，从而导致“误差在可接受范围内”的统计误解。这意味着，只要过分信任宏观统计指标，关键恶化的迹象（少数情况）就会在结构上被忽视。回到德国社会统计学中关于“同质性（Homogenit?t）”的辩论，本文认为，为了实现“同质统计群体的微观分割”，必须从依赖人类直觉的定性方法转向结合多标准决策的定量方法，而不仅仅是扩大样本量。

1. 引言
1.1. 社会基础设施的同时老化和评估者偏差的挑战
在日本，高速增长时期密集发展的许多社会资本自建成以来已经过去了50年，面临着严重的同时老化问题[1]。由于出生率下降、人口老龄化以及税收收入减少，用于基础设施管理的财政资源受到严格限制，因此转向在有限预算下最大化效果的预防性资产管理已成为国家的优先事项[1]。人们强烈需求转向基于大数据管理和分析的“数据驱动管理”，这体现在诸如AI和物联网等先进信息处理技术上[1,2]。然而，在隧道照明设施等实际操作中存在一个重大障碍。大多数检查数据以纸质媒介和非结构化PDF等模拟格式存储，这意味着用于训练机器学习模型的时间序列数字数据严重缺乏[1]。此外，设施的恶化状态通过专家工程师的视觉检查以A、B、C和D等离散等级进行评估；因此，个人化的判断——即“评估者偏差”——不可避免地会介入[3,4]。例如，“等级B（轻微恶化”和“等级C（需要修复”）之间的界限很大程度上取决于工程师的隐性知识和经验，或者认知冲突，如“对预算和社会需求的考虑”[5,6]。直接将现有的数据驱动方法应用于充满此类不确定性的原始数据是非常危险的[1,7]。

1.2. 统计误解和“同质性”的缺乏
现有调查方法和统计建模的最大局限性是对“大数定律”和“宏观统计指标”的过度依赖。在传统范式中，不确定性被视为“随机白噪声”，并假设数百到数千的样本量（N）足以代表真实总体。然而，在高度保守的社会空间或组织中形成的“长尾分布”中，宏观统计指标（如KL散度）将尾部的微观随机波动视为简单的错误[8]。过去五年的最新文献广泛指出了这些传统假设的局限性。现代心理测量学研究和认知建模表明，传统的Likert格式往往无法将真实的潜在意见与特殊的反应偏差区分开来[9,10,11]。最近的心理测量评估强调，Likert量表经常存在“缺乏共同度量标准”的问题，不同受访者对离散点之间的区间解释不一致[9]。这种不一致性在个体感到被迫符合组织规范的环境中进一步加剧[9,10]。为了解决这个问题，必须明确地将专家“判断差异”建模为随机波动（例如，在[0, 1]区间内的贝塔分布），并通过大规模蒙特卡洛模拟验证模型是否在这种不确定性下仍能产生稳健的结果[1,2]。这意味着需要回到德国社会统计学中关于“同质性争议”的基本理论讨论——即统计总体内的“形式同质性”和“结构同质性”之间的区别[12]。

1.3. 评估尺度固有的错误和捕捉同质性的局限性
无论评估范围是小规模内部调查还是大规模社会调查，主观评估系统（如5点Likert量表）本质上都包含无尺度的“错误（偏差）”。尽管最近的百科全书式定义将Likert量表标准化为对称的心理测量工具[16]，但在实践中仍然存在广泛的误用——例如，无根据地解释平均值和忽略不对称的认知距离[17]。评估者心中的认知冲突，如“真实感受”、“虚荣”和“妥协”，无论样本量（N）如何，都会普遍干预人类决策过程。为了减轻这些格式偏差，最近的经验研究提出了替代的心理测量工具，如最佳-最差量表（BWS）[9]。然而，在旧的基础设施管理数据中，离散的Likert型评估已经是固定的，需要事后计算方法。传统调查做法的关键缺陷是缺乏基于这种错误的“同质统计群体”的提取和捕捉处理[12]。正如表1中清楚总结的那样，目标仅通过模拟结果的表面分布（平均值和方差）来进行判断[1]。因此，由于社会规范或同伴压力，大多数受访者倾向于选择特定的答案，而偏离这一答案的少数意见和极端观点很容易被简单地视为“异常”或“测量错误”。

表1. 传统评估系统的局限性和风险。主观评估中的错误不仅仅是“文书错误”，而是强烈反映评估者所处环境（同伴压力、信息过载）的不可避免的产物。然而，传统的汇总方法在理论上无法区分这种错误背后的“同质性”，将经历了不同认知过程的响应粗略地归为“同一群体”[12]。这构成了一个结构性限制，有可能整体吸收评估结果，无意中使少数意见消失。

1.4. 对评估结果的盲目信任的警告以及重新验证的“问题”
本文最基本的出发点是这样一个客观问题：“我们不应更严格地解释调查结果和所有主观评估吗？”以及“我们能否通过使用计算资源进行数学重新验证来实现更准确和公平的决策，而不是仅仅接受表面上的结果？”如果人类认知偏差不可避免，那么与其事后消除它，不如将产生偏差的过程建立在计算机上并对其进行压力测试（复制实验）。使用AHP和Softmax函数构建微观-宏观链接模型，以及对1000万人进行的大规模蒙特卡洛模拟[2]，正是对此问题的科学回应。表2概述了这种计算方法如何推进现代决策方法。

表2. 通过计算资源推进决策制定。不加批判地依赖评估结果作为绝对事实会带来重大风险。除非理解结果背后的噪声结构（如Softmax的非线性），否则数据很容易误导决策者。通过计算机进行的大规模重新验证（Dry Run），我们可以揭示统计偏差的机制，其中现有的统计指标（如KL散度）错误地判断“误差在可接受范围内”[2,8]。将调查响应中的微小随机波动提交给计算机进行“重新验证”是一个不可或缺的范式转变[1,2]。

1.5. 本文的方法和贡献
本文阐明了宏观评估分布是如何从人类认知过程（真实感受、虚荣、妥协）中产生的，以及捕捉相同统计群体所需的“关键样本量”如何根据分布形状非线性变化[1,14]。随机建模：使用分析层次过程（AHP）的距离衰减模型，将评估者偏差数学化为随机噪声[5,6]。模拟引擎：引入了通过Softmax函数的非线性转换，并通过大规模蒙特卡洛试验（）允许宏观群体分布的出现[2,6]。这解决了经验数据中罕见退化路径被统计低估的类别不平衡问题[1]。验证稳健性：通过使用KL散度评估错误，我们分析了宏观统计指标抑制少数信号的陷阱，并强调了微观分割的必要性[8,12]。本文的学术意义在于推动从依赖人类直觉的定性方法向基于逻辑证据的定量方法的范式转变，特别是在实际数据有限的情况下[1,5]。

2. 材料和方法：微观-宏观链接的数学建模
为了系统地介绍这种方法，模拟工作流程分为四个连续阶段：（1）代表潜在认知状态的智能体参数初始化，（2）通过AHP距离衰减推导确定性逻辑权重，（3）通过Softmax函数转换为随机选择概率，以及（4）利用多项式分布进行宏观聚合。作为模拟基础的代码库作为开源代码公开可用[18]。有关计算环境、系统规格和可重复性的详细信息在附录A中提供。

2.1. 设置评估标准和AHP距离衰减模型
当受访者从5点评估中选择时，假设他们对于以下三个标准具有重要性向量：真实状态、社会期望、认知易用性。使用目标选择的距离衰减模型推导出每个标准选择的评估向量的元素[5]。
（1）这里是每个标准的理想选择指数，衰减参数是。通过对这些的线性组合，计算出智能体k的最终逻辑权重。
（2）根据AHP相关研究中的标准敏感性分析，将参数设置为1.0，表示随着与理想选择指数的距离增加，偏好呈适度指数衰减。这确保了相邻选项保持被选中的统计显著可能性，模仿了人类在相似类别之间的认知犹豫。

2.2. 通过Softmax函数转换为概率向量
应用Softmax函数和人类认知信心（逆温度参数）到得到的逻辑权重上，以获得最终响应概率向量的元素[3,6]。
（3）置信参数在0到20之间变化，以涵盖人类决策状态的全部范围：从完全随机噪声（）到对逻辑权重的确定性地严格遵守（）。这些范围与随机效用理论中关于不同认知负荷水平下评估者行为可变性的实证观察一致。

2.3. 引入大规模蒙特卡洛模拟和多项式分布
由于持有1亿个人的数据的方法在计算上要求很高，因此采用了统计学中的“多项式分布”[2]。通过预先定义真实概率向量并一次性使用多项式分布生成“每个选择的计数”，计算复杂性从大幅降低[1]。验证这种优化的具体计算环境和效率指标在附录A中详细说明。

2.4. 捕捉相同统计群体的标准（Kullback-Leibler散度）
假设总体分布为P，提取的经验分布为Q，则使用KL散度评估两者之间的信息论距离[8]。
（4）将此的95百分位值低于阈值的最小N定义为“能够捕捉相同统计群体的关键样本量”。置信参数（）作为误差方差倒数的行为

引入Softmax函数中的参数在随机效用理论[6]中充当“不可观测误差方差的倒数”。图1所展示的关键统计意义在于，当从观测数据中反向估计真实权重时，“费希尔信息”会非线性消失。在误差方差极高的情况下（误差方差趋于零），概率值要么固定在0要么固定在1，导致“完全分离”，对数似然函数的梯度也消失。相反，随着误差方差的减小，信号逐渐淹没在背景噪声中，回归到均匀分布[4]。

在评估者偏见影响的实际情境中，必须将评估者判断的不确定性（的波动）明确纳入模型中，以提取真实信号[1]。

在长尾分布中，较高的误差方差会导致对少数意见的过度适应，从而抑制少数信号；而较低的误差方差则会导致信号被噪声淹没[2]。图1显示了误差方差倒数变化时多项逻辑概率的变化。图3.2将决策过程视为有限混合模型，并揭示了“个体内部混合分布”的存在。

本研究还对宏观统计指标中的过度自信现象进行了批判，从“有限混合模型”的角度进行分析[14]。逻辑权重在数学上是由三种不同概率分布（成分）的线性组合构成[19]。图2中的第4部分（内部冲突）展示了一个统计悖论：个体内心的随机变量本身可能是双峰的。传统上，当宏观数据中出现双峰现象时，统计学家会假设“总体被划分为两个异质子群体”并尝试对群体进行分割[12]。然而，如果个体选择概率本身就是双峰的（即个体内部存在混合分布），那么宏观数据中的双峰现象并非“社会划分”，而只是“个体犹豫的体现”。如果仅基于表面分布形状进行分割，即使整个群体在统计上是完全同质的，也会导致虚假的相关性和过拟合[14]。此外，当大量概率分散时，从多项分布中抽样会变得更加困难，从而在方法论上增加了参数识别的难度[7]。表3对比了传统统计谬误与我们的模型所揭示的真相。

图2还展示了随着认知标准混合比例变化（相位状态），概率分布的扭曲情况。字母a-e代表五点评估量表中的选择选项。

为了确保微观机制的统计稳健性，进行了三项额外的实验，操纵了参数空间的范围和潜在变量之间的相关性[20]：

4.1 实验1：目标接近时的概率融合与意见动态
如图3所示，当真实状态与社会需求趋同时，分布会退化为“非对称偏斜的单峰分布”。这表明了混合模型中可识别性的限制（病态问题）[19]。

非线性变换的动态系统分析：当目标彼此接近时（），权重差异微小，Softmax函数的指数性质使得概率质量均匀分布于两个端点。

社会物理学重新解读：当社会公认的正确答案与个体的真实感受接近时，代理会模糊界限，没有明显的冲突。这种“无声的同化过程”展示了少数意见如何被社会规范的引力所吸收[13,21]。

4.2 实验2：核平滑与向狄拉克δ函数的渐近行为
图4展示了距离衰减参数在核密度估计中作为带宽（精度参数）倒数的退化现象[22]。

数学上的极限考虑：当该参数趋近于零时，整个评估向量收敛为离散的克罗内克δ函数，表示单一选择。在使用L1范数距离的模型中，该参数的增加起到了强大的稀疏化作用，人为减少了概率向量的非零元素[23]。

社会系统的僵化：该参数决定了整个系统的“信息熵”。极度大的参数值会将选择之间的微小距离视为无限差异，表明信息环境的僵化[24]。

4.3 实验3：误差项的异方差性与统计力学逆温度
如图5所示，认知负荷规避（）与置信度（）之间的负相关关系是一种引入离散选择模型异方差性的先进尝试[25]。

逆温度的数学考虑：Softmax函数在理论上类似于具有能量状态和逆温度的典型分布。代理越试图避免认知负荷，系统的物理温度就越高，导致热激发向边缘状态扩散[6]。

信息健康的恶化与“认知迷雾”：概率集中在中心为那些决策努力减少的代理提供了认知基准。概率向边缘泄漏的现象在数学上可视化了随机错误（认知迷雾）如何掩盖真实信号的过程[1,26]。

4.4 与基线聚合方法的比较分析
为了将提出的AHP-Softmax微观-宏观链接模型与现有文献正确对应，有必要与标准基线方法（即简单平均聚合和传统有序Logit模型）进行比较分析。传统方法通常将离散的Likert反应视为连续变量，得出的平均值完全掩盖了个体内部的差异。例如，在我们的“双峰”场景中，简单平均聚合得出的中间分数为“3”，错误地暗示了中等程度的共识，未能检测到潜在的两极分化。相反，标准的有序Logit模型虽然考虑了顺序性，但假设方差是同方的，因此未能捕捉到实验3中显示的“认知迷雾”（方差膨胀）。所提出的模型明确分离了置信参数（）和社会期望（），从而能够数学上恢复基线模型固有地视为统计噪声的少数信号。

5. 讨论
这三个计算实验是对算法在挑战性条件下的行为进行的压力测试：“可识别性丧失（融合）、信息空间的欠平滑（稀疏化）以及误差项的异方差性（热力学噪声）。利用这个经过验证的模型，我们研究了“捕获相同统计群体所需的关键样本量”。

图6中的一个显著数学特征是，不同微观认知机制（中心型、双峰型和长尾型）生成曲线在对数-对数图上呈现出相同的渐近轨迹，斜率为（）。此外，表4对这些误差的物理含义进行了分类。

图6显示了随着样本量的增加，KL散度衰减的情况。这表明5点评估维度的“低分辨率传感器”在维度上压缩了高维的认知冲突空间。由于“宏观退化”，宏观统计指标（如KL散度）可能会产生统计偏差，即使长尾部分的1%真实信号被压制，也仍会认为“误差总体处于可接受范围内”[8,15]。

5.1 关键样本量的非线性和观察成本
从统计学角度来看，抽样误差的表现完全取决于真实概率分布是“均匀的”、“双峰的”还是“长尾的”[2]。如表5所示，现有模型常常忽略了一个事实：捕获相同群体所需的样本量会根据“分布形状”非线性变化。

5.2 实际影响：不同调查规模下统计误解的陷阱
尽管5点Likert量表的简单性使其被广泛使用，但它实际上是一个将人类认知冲突压缩到单一维度的“低分辨率传感器”。因此，研究人员必须警惕不同调查规模下的各种统计误解陷阱。

5.2.1 小规模调查（几十到几百个样本）的陷阱
在小规模调查中，主要挑战在于“随机噪声”和“少数意见的不可见性”。
对平均值的盲目信任和集中化：正如近期批判性评论所指出的，Likert量表的中点往往成为不愿意或无法付出精确评估努力的人的“默认选项”[17]。这种现象，即“中心倾向偏差”，直接验证了我们在实验3（图5）中观察到的“认知迷雾”[27]。在小样本中，这种状态形成了背景噪声，使得计算出的平均值缺乏信息价值。
在强同伴压力下，极端意见被推向长尾的末端。要捕获1%的少数意见样本量非常大。因此，将小规模调查中极端分数的缺失解释为“没有不满”是一种统计谬误。

5.2.2 大规模调查（数千到数百万个样本）的陷阱
在大数据分析中，最大的风险是过度依赖大规模样本会消除偏差的假设，将固化的系统错误误认为是“确定的真相”。
过度依赖大数定律：诸如同伴压力和认知懒惰这样的偏见并非随机噪声；它们是将概率导向特定答案的引力。增加样本量只是在数学上将错误的分布固化为了固定的系统误差。

5.3 通过NLP辅助的后验数学修正来增强现有Likert数据的有效性
为了提高已收集的5点评估数据的有效性，应谨慎采用简单的聚合方法。我们提出了四种基于我们发现的后期数学处理方法：
通过层次贝叶斯模型分离“个体犹豫”和“群体分割”：通过应用潜在变量模型，可以统计上区分方差是由于受访者之间的差异（组间方差）还是内部认知冲突（组内方差）。
假设异方差性反向估计置信度（）：不应计算简单的平均值，而应用多项逻辑模型来反向估计响应模式的“误差方差大小”。具有异常大方差的数据组应该被降低权重。

5.4 通过NLP辅助的重新评估打破宏观退化
为了增强已收集的5点评估数据的有效性，应谨慎采用简单的聚合方法。我们提出了四种基于我们发现的后期数学处理方法：
通过分层贝叶斯模型分离“个体犹豫”和“群体分割”：通过应用潜在变量模型，可以统计上区分方差是由于受访者之间的差异（组间方差）还是内部认知冲突（组内方差）。
反向估计置信度（），假设异方差性：不应计算简单平均值，而应用多项逻辑模型来反向估计响应模式的“误差方差大小”。具有异常大方差的数据组应该被降低权重。该概念验证的Python代码库已作为开源项目发布在GitHub上[27]。5.5. 限制与未来方向：针对纯李克特量表的数学重新评估对于那些严格使用李克特量表而不包含开放性问题字段的旧调查来说，直接从文本中提取认知信心参数是不可能的。为了解决这个问题，我们提出了一种纯数学的模式识别方法[28]。**

直线化惩罚：如果在所有问题中受访者都选择了相同的选项，则表示他们的回答具有零方差，这可以被识别为“认知模糊”，而不是真正的中立立场。基于熵的噪声过滤：具有过高香农熵的回答可以被视作热力学噪声而受到惩罚。少数群体信号保护：一种算法可以自动提升极端选择的基线权重，以防止它们被忽视。这个基于回答模式的纯李克特量表处理流程已公开发布[28]。将基于自然语言处理（NLP）和数学重新评估的方法结合起来，为数据驱动的调查分析提供了坚实的基础。

6. 结论

从计算社会科学的视角来看，本研究揭示了社会调查中使用的五点李克特量表的结构局限。通过使用AHP距离衰减模型和Softmax函数来描述人类认知冲突，并进行大规模模拟，证明了依赖“大数定律”需要仔细审查[1,8]。本研究的重要学术和实践贡献总结如下：

- 阐明了分布形状与关键样本量之间的非线性关系：通过KL散度的衰减曲线，我们证明了捕获相同统计群体所需的关键样本量会随着分布偏量的不同而呈非线性增长[8]。
- 指出了“被忽视的错误”和少数群体隐匿的危险：在长尾分布中，宏观统计指标会压制少数群体的真实信号，导致误认为“错误在可接受的范围内”。
- 建议转向使用多标准决策模型（AHP）进行调查设计：鉴于收集足够样本量以捕捉长尾中的少数群体意见在实践中非常困难，因此需要重新回归到生成数据的机制。我们强调了整合AHP的必要性，AHP能够区分不同标准并衡量信心[5]。
- 重新定义数据解读范式：超越表面层次的聚合

我们模拟得出的主要结论是警告不要过度依赖宏观层面的数据聚合。必须仔细评估观察到的分布形状，同时考虑信息环境的病理情况，例如同伴压力或认知疲劳。本研究提出了以下范式转变：

- 避免过于断言性的解读：研究人员在做出如“X%的用户表示满意”之类的确定性声明时必须谨慎，因为表面的分布可能掩盖了概率融合的可能性。
- 重新考虑粗心的异常值处理：极端少数的意见不应通过常规的数据清洗被自动视为“噪声”而消除。
- 基本上重新设计调查方法：对于关键决策，仅依赖简单的五点量表的做法需要重新评估。将调查设计本身多维度化是必不可少的[5]。

通过抛弃“大量数据自动等同于客观真理”的假设，计算社会科学可以帮助揭示隐藏在社会中的关键少数群体信号，从而促进真正的“信息健康”。