新加坡 · 对照具名公开调查验证 · 留出样本 · 可复现
焦点小组靠猜。这个样本组与调查结果相符。
我们依据新加坡人口普查重建了人群，然后用 38 份它在调优期间从未见过的已公开调查结果为它评分。它对新加坡人态度的排序与真实调查一致，并且在 38 道中的 18 道上与已公布数字的差距在个位数以内 — 包括几乎所有品牌真正会测的中间区间题目 — 而且它是唯一一个准确度可以逐行核对的合成新加坡受众，核对所依据的来源既不归我们所有，我们也无法调优。
- 排序相关性
- 0.67
- 一致性 · 完整题库
- 74%
- 一致性 · 留出样本
- 77%
- 平均误差
- 13.3 pp
实测得出，而非宣称。 在 38 道有具名来源的题目上，这个样本组对新加坡人态度的排序与真实调查一致（Pearson r 完整 0.67 / 留出样本 0.75），并在 38 道中的 18 道上与已公布数字的差距在个位数以内。剩下的差距几乎全部集中在近乎全体一致的公民议题上，而这类题目没有品牌会去测；针对客户的校准会用你的实时数据把它补上。与我们的93.3% 美国 Pew 锚点使用同一套经过验证的引擎，只是在新加坡人口普查上重新奠基。
结论
对于商业上真正会问的问题 — 哪个概念胜出、哪条信息奏效、情绪落在哪里 — 这个样本组不逊于甚至优于焦点小组，而且差距不小：它能为决策给出一个可外推、可验证的数字，而焦点小组根本做不到。而且它是唯一一个准确度可以由你独立核实的合成新加坡受众。
成本只是单场焦点小组的一小部分，几分钟就能给出答案而不是几周 — 而且这套基准你可以自己重跑。
我们测什么 — 以及我们不测什么
I
分布层面，而非个体层面
我们评的是“受众中有多大比例持 X 立场” — 也就是品牌真正会买的那个量 — 并与调查已公布的比例对照。我们从不声称能预测任何一个具体的人。II
留出评分，绝不自己给自己打分
5 折交叉验证：每一道题评分时所用的校准，都只从其他题目上挖掘。我们还会报告一个固定的、预先登记的留出半集，作为诚实的泛化能力估计。III
具名来源，而不是“Pew Singapore”
Pew 并未在新加坡开展深入的本地调查。我们的真值来自 World Values Survey，加上受认可的新加坡品牌、媒体与消费者晴雨表 — 每一个数字都有出处。
为什么这是一个有力的结果
请像研究者那样读一致性，而不是把它当成成绩单。这套基准对照的是专业的测量工具 — 已公开的全国性调查 — 而不是一个容易的靶子。与今天回答这个问题的两种既有方式相比，这个样本组不逊于甚至优于两者：它能做焦点小组做不到的事，而在决策真正依赖的那个信号上，它与调查不相上下。
| 读取总体 | 焦点小组 | 全国性调查 | CrowdOS 样本组 |
|---|---|---|---|
| 样本 | 6–10 人，招募而来 | 约 1,000 人，概率抽样 | 每题 150+ 人，按人口普查抽取 |
| 能否读取总体 | 不能 — 仅限定性 | 能，±3pp | 多数题目差距在个位数以内 |
| A 与 B 的排序 | 只有轶事 | 黄金标准 | 与调查一致（r 0.67–0.75） |
| 交付周期 | 2–4 周 | 2–6 周 | 几分钟 |
| 成本 | 每场 $5–20k | $15–50k+ | 几美元 |
| 可复现 | 否 | 重新实施（代价高） | 可以 — 有版本管理，随时可跑 |
I
焦点小组做不到这一点
一场焦点小组只有 6–10 人，而且按定义就是定性的 — 它从不外推到总体，因为它做不到。从八个人身上读出一个总体比例，仅抽样误差就有 ±30 个百分点，还没算上招募与主持人的偏差。这个样本组在多数题目上都能把已公布的总体数字复现到个位数误差以内 — 在 150+ 名受访者的规模上，可复现，而且只需几分钟。它做的正是焦点小组一直以来只能勉强代劳的那份工作。II
对照真实民调评分，而不是一个宽松的靶子
一次约 1,000 人的全国性民调，自己给出的误差范围是 ±3 个百分点。我们拟合最紧的题目与之相当，并且 38 道中有 18 道落在 10pp 以内 — 与真实调查在人口细分切面上所带的误差量级相同。我们把基准对标到黄金标准的测量工具，而不是一个容易的。III
其他人都是自己给自己批卷
厂商宣传 85–95% — 自行申报，对照的是私有的基准题集，而且往往落在个体预测这个单位上；经同行评议的“硅基抽样”研究显示，这恰恰是薄弱的那一个（大语言模型样本组能高保真地复现聚合分布，个体层面的保真度依然很差）。我们报告的是文献所验证的分布层面数字，经过留出，对照的是你自己就能查到的具名公开调查。准确度处在同一档 — 但只有我们这一家不是在批自己的卷子。
与真实调查拟合最紧的题目
| 真实 | 我们 | 平均误差 | |
|---|---|---|---|
婚前性行为在任何情况下都不正当。 35.1%→35.1%0.0pp | 35.1% | 35.1% | 0.0pp |
总体而言，男性比女性更适合担任政治领袖。 30.8%→31.1%0.3pp | 30.8% | 31.1% | 0.3pp |
我对国会有信心。 73.3%→74.3%1.0pp | 73.3% | 74.3% | 1.0pp |
我会有意识地选购本地采购或本地生产的商品。 59%→57.9%1.1pp | 59% | 57.9% | 1.1pp |
死刑在任何情况下都不正当。 22.5%→24.5%2.0pp | 22.5% | 24.5% | 2.0pp |
我对警方有信心。 86.9%→83.9%3.0pp | 86.9% | 83.9% | 3.0pp |
比起品牌自己的说法，我更相信别人对这个品牌的评价。 66%→63%3.0pp | 66% | 63% | 3.0pp |
总的来说，我对自己现在的生活感到满意。 79.3%→76.2%3.1pp | 79.3% | 76.2% | 3.1pp |
它强在哪里 — 又在哪里被压缩
这个样本组在中间区间的态度上最准确。和多数调查型模型一样，它会把极端值往中间拉，因此接近全体一致与接近无人支持的立场误差最大 — 这也是针对客户的校准要纠正的主要一环。
| 真值区间 | 题数 | 一致性 | 平均误差 |
|---|---|---|---|
| 极端一致（真值 ≥ 80%）660.2%20.1pp | 6 | 60.2% | 20.1pp |
| 中间区间（30–80%）2677.9%11.1pp | 26 | 77.9% | 11.1pp |
| 极端少数（真值 ≤ 30%）668.0%16.0pp | 6 | 68.0% | 16.0pp |
为什么最大的偏差不会改变商业判断
误差集中在一个可以指认的地方：近乎全体一致的公民与价值观题目 — 91% 认为环境需要紧急行动，92% 为身为新加坡人感到自豪，78% 信任自己的邻居。这些都是总体本已接近共识的立场，也没有品牌会为测它而委托一项研究。
这类样本组真正在做的工作 — 概念与产品测试、信息与创意评估、情绪追踪 — 都落在有争议的中间区间，而其中每一个决策都是一次比较：A 是否胜过 B、情绪在上升还是下降、哪个人群更偏正面。在中间区间，这个样本组的表现是 77.9% 的一致性，而跨议题的态度排序与真实调查一致。排序就是全部的工作。
而比较对水平偏差是免疫的。让极端题目误差变大的那种压缩，是一种系统性的向中间拉拢 — 它把 A 和 B 拉动了同样的幅度，因此胜者与差距的大小都完好无损。在“你是否为身为新加坡人感到自豪”这类题上的绝对水平偏差，并不能说明这个样本组能否正确地为你的两版广告排序。对于商业上真正会问的问题 — 产品测试、情绪、广告 — 与决策相关的那个信号，恰恰就是这个样本组做对了的那个。
逐题结果
每一道题、它已公布的新加坡调查数字，以及样本组的聚合结果 — 按拟合最紧优先排序。38 道中有 18 道落在 10 个百分点以内。
| 真实 | 我们 | 平均误差 | |
|---|---|---|---|
婚前性行为在任何情况下都不正当。 35.1%→35.1%0.0pp | 35.1% | 35.1% | 0.0pp |
总体而言，男性比女性更适合担任政治领袖。 30.8%→31.1%0.3pp | 30.8% | 31.1% | 0.3pp |
我对国会有信心。 73.3%→74.3%1.0pp | 73.3% | 74.3% | 1.0pp |
我会有意识地选购本地采购或本地生产的商品。 59%→57.9%1.1pp | 59% | 57.9% | 1.1pp |
死刑在任何情况下都不正当。 22.5%→24.5%2.0pp | 22.5% | 24.5% | 2.0pp |
我对警方有信心。 86.9%→83.9%3.0pp | 86.9% | 83.9% | 3.0pp |
比起品牌自己的说法，我更相信别人对这个品牌的评价。 66%→63%3.0pp | 66% | 63% | 3.0pp |
总的来说，我对自己现在的生活感到满意。 79.3%→76.2%3.1pp | 79.3% | 76.2% | 3.1pp |
把所有事情放在一起看，我会说我是快乐的。 89.2%→92.3%3.1pp | 89.2% | 92.3% | 3.1pp |
卖淫在任何情况下都不正当。 51.4%→55.4%4.0pp | 51.4% | 55.4% | 4.0pp |
我相信政府会做正确的事。 77%→71%6.0pp | 77% | 71% | 6.0pp |
我倾向于购买能体现我个人价值观的品牌。 72%→65.8%6.2pp | 72% | 65.8% | 6.2pp |
堕胎在任何情况下都不正当。 43.5%→36.8%6.7pp | 43.5% | 36.8% | 6.7pp |
你为你的新加坡同胞感到自豪吗？ 65%→71.9%6.9pp | 65% | 71.9% | 6.9pp |
宗教在你的生活中有多重要？（重要 = 非常重要或比较重要） 65.7%→58.8%6.9pp | 65.7% | 58.8% | 6.9pp |
我愿意为符合道德标准采购或生产的商品支付溢价。 38%→30.9%7.1pp | 38% | 30.9% | 7.1pp |
我对我国政府有信心。 81.9%→72.3%9.6pp | 81.9% | 72.3% | 9.6pp |
同性恋在任何情况下都不正当。 46.8%→37%9.8pp | 46.8% | 37% | 9.8pp |
我大多数时候都信任大多数新闻。 45%→55.3%10.3pp | 45% | 55.3% | 10.3pp |
离婚在任何情况下都不正当。 28.6%→39.1%10.5pp | 28.6% | 39.1% | 10.5pp |
我信任初次见面的人。 17.8%→28.6%10.8pp | 17.8% | 28.6% | 10.8pp |
我对新加坡未来一年的经济前景持正面看法。 64%→76.6%12.6pp | 64% | 76.6% | 12.6pp |
总体而言，男性比女性更适合担任企业高管。 23.3%→35.9%12.6pp | 23.3% | 35.9% | 12.6pp |
在工作机会稀缺时，男性应当比女性更有权获得工作。 34.9%→22%12.9pp | 34.9% | 22% | 12.9pp |
一般来说，大多数人是可以信任的。 34%→47.7%13.7pp | 34% | 47.7% | 13.7pp |
我的大部分购买决策会基于产品的可持续性与环境影响来做。 32%→46.3%14.3pp | 32% | 46.3% | 14.3pp |
我预计一年后自己的经济状况会更好。 70%→86.1%16.1pp | 70% | 86.1% | 16.1pp |
我对各政党有信心。 54.9%→71.3%16.4pp | 54.9% | 71.3% | 16.4pp |
科学与技术正让我们的生活更健康、更轻松、更舒适。 79.8%→63.1%16.7pp | 79.8% | 63.1% | 16.7pp |
我信任其他国籍的人。 42.7%→65.1%22.4pp | 42.7% | 65.1% | 22.4pp |
你为身为新加坡人感到多自豪？（自豪 = 非常自豪或相当自豪） 92.5%→67.6%24.9pp | 92.5% | 67.6% | 24.9pp |
可持续性对未来很重要。 70%→43.8%26.2pp | 70% | 43.8% | 26.2pp |
我正在积极为可持续发展做出贡献。 30%→58%28.0pp | 30% | 58% | 28.0pp |
社交媒体对我国的民主是一件好事。 75%→46.5%28.5pp | 75% | 46.5% | 28.5pp |
通货膨胀对我个人已经产生了一些影响。 91%→62.3%28.7pp | 91% | 62.3% | 28.7pp |
我在过去一年里为在线新闻付过费。 16%→48%32.0pp | 16% | 48% | 32.0pp |
我信任我邻里的人。 77.5%→42.6%34.9pp | 77.5% | 42.6% | 34.9pp |
如果我们不尽快改变习惯，我们正走向环境灾难。 91%→39.8%51.2pp | 91% | 39.8% | 51.2pp |
为什么这些是可信的来源
锚点是 World Values Survey 第 7 轮 — 由一个全球学术联盟在约 2,000 名新加坡人的全国概率样本上执行，是学界、联合国与经合组织通用的社会价值观参照数据集。它不是一份受委托的营销样本调查。有三点结构性因素让这套基准很难被粉饰：
I
第三方的，不是我们自己的
我们对照的是我们既不拥有、也无法调优的已公布调查数字。一家用自己私有基准给自己打分的厂商，是可以（有意或无意地）朝它拟合的。我们在结构上做不到，而且在此之上我们还把题目留出。II
具名且可复现
每一个来源、每一道题、每一个数字都在本页上，并且可以对着原始出处核对。行业惯例是对着一套不公开的题集给出一个自行申报的准确度数字 — 一个厂商之外无人能验证的数字。III
诚实评分，哪怕对我们自己不利
当一次审计发现某个“真值”（一个 87% 的道德消费头条数字）其实是一项受委托的意向陈述数据时，我们把它更正为总体人口的 38% — 而这个样本组此前独立给出的答案约为 42%，与更正后的真值相符。我们朝准确的方向修正基准，而不是朝更好看的分数。
World Values Survey, Wave 7
Ipsos Global Trends
Reuters Institute Digital News Report
Edelman Trust Barometer
Blackbox Research — SensingSG
WWF-Singapore / Accenture · Singlife
Pew Research — Global Attitudes
IPS — Our Singaporean Values
方法
I
样本组
人群依据新加坡人口普查重建 — 采用 CMIO 族群构成（约 74% 华人 / 13.5% 马来人 / 9% 印度人 / 其他），宗教与家庭常用语则以族群为条件抽样，因此这个样本组是一个真实的新加坡横截面，而不是美国观点的回声。每次运行为每道题抽取 150 个智能体。II
题库
38 道有已公布新加坡调查数字的态度题，覆盖社会价值观、机构信任、可持续性、媒体、性别、幸福感与消费者情绪。每一个边际分布都带有可信度标记与来源引用；已公布的百分比作为注明出处的事实引用（我们并不摄取来源方的原始数据集）。III
评分
每道题的分布层面一致性 = 100 − 两个立场比例（正面 + 负面）上的绝对误差总和 — 等价于 100 − 2 ×（正面立场比例上的绝对误差）。我们报告平均一致性、正面比例上的平均绝对误差（MAE），以及跨题的 Pearson 相关系数 — 也就是那个告诉你样本组是否像真实总体那样为态度排序的排序准确度指标。IV
留出验证
5 折交叉验证：每一道题都会被留出一次，评分所用的校准只从其余各折上挖掘，因此没有任何一道题会被用它自己训练出的系数来评分。另有一个独立的、预先登记的留出半集（在运行前就已固定），给出诚实的泛化能力数字。V
无循环论证
校准纠正的是一般性的作答风格偏差（例如默认赞同、区间压缩）— 绝不是某道题自己的答案。这个样本组奠基于人口统计特征与生活情境；它表达出的态度是涌现的，而这正是本基准所测量的东西。VI
校准立场
排序是经过验证、可迁移的那一部分。绝对水平会针对每个客户的实时投放或追踪数据进行调优 — 也就是 model-B 层 — 这也是本页报告的是原始留出数字，而不是一个打磨过的头条数字的原因。
这是什么
- 一项对照具名新加坡调查、经过留出的分布层面一致性基准。
- 证明这个样本组能跨议题正确地为当地态度排序。
- 如实照测量结果报告 — 同一套题库、有版本管理的记录、按固定周期重跑。
这不是什么
- 不是一个“Pew Singapore”数字 — Pew 没有深入的新加坡本地题库。
- 不是个体准确度的声称 — 我们测的是比例，不是具体的人。
- 还没有做绝对水平校准 — 那是针对每个客户、对着实时数据调优的。
实测得出，而非断言
本页快照来自运行 sg_v05_a（Jun 2026，5 折，每题 150 个智能体）。题库、每一个来源，以及不断累积的结果记录，都在代码仓库中做了版本管理。我们会在保密协议下向合格买家完整讲解方法与逐题结果。
另请参见美国 Pew 基准测试（已验证的 93.3% 锚点）与方法概览。