编辑：虽然我很欣赏 Peter Flom 的建议和随后的讨论（并赞成他的回答），但我正在开奖以征求答案，该答案提供了一种特定的、正式的统计方法来处理这些不一致，同时最大限度地减少数据丢失。我强烈怀疑这个问题已经激发了我在下面的要点（或者可能完全不同！）的统计研究，但我不知道它并希望引起某人的注意。我会认为一个仅是参考和简短描述的答案值得赏金; 无需为我派生或实施该方法。我也接受一个给出聪明方法的答案，有一些细节，没有参考。我认为@Momo 可能会在下面的评论中有所作为，所以也许这个赏金会引出更多细节/背景信息 :)

编辑：为了建立一个易于处理的模型，我愿意假设不一致是“随机”出现的，例如由于随机错误阅读问题或错误点击平板电脑/计算机上的答案，因此错误可能与@whuber 在评论中给出的示例相反，可以认为它独立于任何辅助变量。

我最近遇到了一个关于对问题的答案不一致的统计问题。我认为这是一个基本问题，就像当您有多个评分者对如何评价特定项目有不同意见时，我认为这种语言可能更熟悉，这就是我选择这个标题的原因。

一个玩具例子：

Q1：你抽烟吗？
A1：没有
Q2：你一天抽多少支烟？
A2：5

当然，问卷中的“跳过模式”可以防止这种情况发生，但那艘船已经航行了。实际情况比这更复杂，涉及的问题更多，矛盾也更细微，但基本问题是一样的。问我这个问题的人的疑问可以简单地表述为：

是否有方法可以消除某种程度的不一致性，同时仍保留尽可能多的样本？

我非常清楚，如果您想“安全”，那么唯一要做的就是丢弃任何回复不一致的样本，但这不是我正在寻找的答案。特别是，在某些情况下，有充分的证据表明特定的回答是错误的，我正在寻找使用该证据的原则方法——作为一个极端的例子，假设十个问题测量相同的整体结构，十个问题中有九个同意 - 那么不同意的很可能是一个错误（例如错误阅读问题或错误点击用于管理调查的计算机/平板电脑）

我对这个主题的基本想法让我想起了两个一般想法：

• 尝试建立一个模型来估计特定项目是错误的概率并切换“错误概率”非常高的响应。我担心的是，a）如果不对“错误率”做出疯狂的假设，这是无法处理的；b）如果每个构造只有几个（比如 3 或 4 个）问题，这种方法基本上是无用的。

• 尝试选择问题的一些“可靠子集”（即尝试确定分歧是否经常来自问题的特定子集）。这样我就可以摆脱从数据集中删除列而不是行。这似乎是合理的，但更像是一个临时程序，我不确定如何正式化。

我对这个领域一点也不熟悉，而且在统计咨询中似乎偶尔会出现这种问题，所以我想知道在尝试“重新发明”之前如何处理（除了丢弃数据）轮”。