社会科学研究中的一手调查数据：问卷调查和空间抽样方法

在社会科学研究中，一手数据（primary source）也称为原始数据，是指通过访谈、询问、问卷、测定等方式直接获得的数据（顾佳峰 2013）。之所以要收集一手数据，是因为当分析特定的社会现象时，由于时间和空间的变化，并没有现成的数据可以利用。因此，就需要研究者直接去采集一手数据来进行研究。从社会时空的角度来看，任何社会现象都是与特定时空相关联的，具有其时空特征。特定时空中的社会关系和社会现象的变化，会产生相应的信息和数据，研究者通过对特定时空中的社会系统进行调查的方式，获得该社会空间的运行数据，就是一手数据。可见，一手数据中往往包括了社会数据和时空数据。例如，当前越来越多的社会调查项目，开始在问卷调查的基础上，系统性收集地理空间信息和数据。这样做的一个基本假设，就是存在空间和社会的互动与彼此影响。这种空间与社会的关系，其实就是列斐伏尔反复强调的社会空间辩证法。只不过当时还没有相应的技术能够轻易获得地理空间数据，但是，列斐伏尔已经从思辨的角度阐述了两者之间的关系。当现代调查技术和现代通信技术不断发展后，采集地理空间数据就变得越来越容易了，这时，很自然地把地理空间数据纳入一般性的社会调查中去，获得到的是整合地理空间信息的社会调查一手数据。这类数据的出现和普及，使得对社会时空开展实证研究成为现实，也出现了越来越多的相关研究。

一手数据采集的方法有多种，其中问卷调查法是常用的方法之一。问卷调查法是通过具有结构化的问卷对样本进行调查，系统性收集样本的信息和数据，作为对于总体推测的依据（顾佳峰 2013）。问卷调查除了普查之外，一般需要进行科学抽样。社会调查的抽样可以分成两种，一种是常用的非空间抽样，就是传统意义上的抽样方法，抽样设计和过程中一般都不会直接考虑地理空间的因素；另一种是空间抽样（spatial sampling），就是在抽样设计和抽样过程中引入和充分考虑了地理空间的特征及其影响作用。地理空间环境对于社会行为和社会现象都会产生明显的影响，社会现象的空间分布一般都不是均等的，而是具有明显的空间区域性。在这种情况下，不进行空间抽样往往会产生系统性偏差。有研究表明，导致民意调查偏差的一个重要的原因是人文地理的具体模式（Chen and Rodden 2013）。这则研究表明，巧妙的选取划分（unintentional gerrymandering）可以对于选民的行为产生影响，进而直接影响美国总统的选举结果。所以，在进行民意调查时，就有必要充分考虑选民的特征及其空间分布，把空间因素考虑到抽样中，进而提高民意调查的科学性。在这个过程中，空间抽样就显得尤为重要。空间抽样设计和实施得不好，那么，民意调查执行得再好，其结果也是有明显偏差的。

在进行空间抽样时，一般有如下几个步骤：获得特定社会变量的空间相关的详细数据，在此基础上对于该社会变量进行分层，然后建构居民或者目标人群的抽样框，接着进行各种包容概率的随机点模拟（random point simulation），并在模拟的位置识别家庭，最后是对空间抽样的评估。这六个步骤构成了空间抽样的基本步骤，只有完整完成这每一个步骤，才能称得上是空间抽样。有些抽样设计是在传统的抽样设计基础上，加入了上述若干步骤，这种抽样并未是完全意义上的空间抽样，而是传统抽样的延伸以及拓展。空间抽样最初主要应用在自然资源的调查中，后来，逐渐在社会科学研究中应用得越来越广泛（Kumar 2007）。空间抽样主要的一个特点就是把社会现象的空间分布特征和空间结构系统地导入抽样设计中，使得关于家庭或者个体的样本能够充分体现其所在地理空间的特征。在传统的抽样设计中，事实上隐含着一个基本假设，就是调查的总体在地理空间上的分布是均质的，所以，空间因素并没有直接进入抽样设计中。一些传统的抽样方法，比如分层抽样，也是可以处理地理空间的因素，比如以不同地区划分来进行抽样，但是，这种抽样方法对于地理空间的处理相对比较粗糙，很难系统性地考察地理空间对总体以及样本的基础性影响。(www.xing528.com)

一些社会调查项目，最初进行抽样时并非采用的是空间抽样，而是传统的抽样设计（顾佳峰 2018）。随着空间对于社会影响的日益深入，一些社会调查项目也开始系统性收集样本所在的地理空间数据。当访问员入户进行调查时，可以通过专业的设备和技术，自动采集访问员所调查家庭的地理位置信息和空间数据。这类空间数据可以和问卷调查数据相整合起来，形成社会与空间整合的数据集。这种社会与空间整合的一手数据，可以为开展空间整合社会研究提供重要的数据支持，可以对社会空间理论中的一些假设和观点进行实证检验，甚至从中还可以发现新的社会空间关系。但是，这类数据在使用过程中要注意其局限性，从社会人口等角度来看，所调查的样本具有代表性，但是，从地理空间的角度来看，就不一定具有代表性了。据此获得的关于空间与社会的结论与推断，就需要谨慎。当然，若要追求其空间上的代表性，一种补充措施就是赋予该数据集恰当的空间权重调整，使得该数据集能够体现总体在空间上的分布特征。但是，这种做法也有其局限性。当给传统抽样的调查数据进行空间权重调整时，在空间代表性上可以获得改进和提升，但是，在社会代表性上往往有所折损。所以，对于这类数据的调整，是在空间代表性和社会代表性之间取舍和获得平衡的过程。因此，这种做法是一种权宜之计。若要从根本上克服这种弊端，就需要在调查开始之前就采用空间抽样的办法，确保样本在社会维度和空间维度上都具有代表性。

在传统的社会调查抽样过程中，有些调查在末端抽样时会用到空间抽样的方法。比如全国性的社会调查，通过传统的抽样方法已经确定了村居一级的样本，进一步就是要确定每个村居内部的家庭样本。在这种末端抽样的过程中，一些社会调查项目会采用空间抽样的方法，先将目标村居的地图和住宅分布数据标识出来，再进行空间抽样确定样本家庭。这种方法在局部空间范围里具有代表性，比如在村居所在的空间内具有空间代表性。但是，在全局空间范围内，比如全国范围内，其空间代表性就无法确保。在全局范围内的空间抽样，一般都会用到家庭居住地加权的随机点模拟的方法，通过地图和GPS技术等的辅助，这些随机点就可以转换为家庭居住地点，这种方法在不连续居住地点的空间抽样上，尤为常用。空间抽样其实就是对空间点的抽样，因此，这里隐含着一种基本假设，就是社会空间中的现象其存在和演变的方式遵循某种空间点过程（point processes）。所谓的空间点过程，对于一个社会随机变量，每次抽样，得到的是一个实数，体现的是特定时空背景下的某种社会关系的某种状态；对于一个随机向量，每次从空间点分布里面抽取的是一个向量，是特定时空背景下的社会空间内多种社会关系的存在状态。对于这种空间点过程，每次抽样得到是在某个空间中的一个离散点集，体现了社会和空间的多元互动与辩证的关系。最基本的空间点过程，叫做空间泊松过程（spatial poisson process）。如果在不相交的空间区域中的计数是相互独立的，那么这个空间点过程就叫空间泊松过程。这种空间点过程，强调的是不相交空间之间的样本的彼此独立性，当然，在现实的社会空间中，这种彼此独立性往往无法确保，因为即便是不相交空间点之间也会存在某种互相依存和互相影响的关系。但是，作为最基本的空间点过程，空间泊松过程有助于简化社会空间的空间分析，便于更好地理解社会空间的基本过程。在此基础上，再去理解社会空间的复杂过程，就具有了一定的基础。