RDD方法是一种能够实现公平随机抽样的调查方法，但近年来人们指出了几个问题。特别是，随着固定电话的减少和移动电话用户的变化，RDD法案的适用范围正在发生变化。其他问题包括因防止骚扰电话的措施而导致的响应率下降以及调查成本的增加。
另一方面，随着新技术的发展，与RDD方法相补充的方法也不断涌现。人们相信，利用人工智能进行数据分析以及结合在线调查的混合调查的普及将能够实现更准确的数据收集。
在本章中，我们将总结 RDD 方法当前存在的问题，并考虑通过技术进步和未来前景可以实现哪些改进。
RDD 方法的当前问题：响应率下降及其影响
RDD 方法的最大挑战之一是响应率低。随着手机的广泛使用，越来越多的人拒绝接听陌生号码的电话。特别是随着骚扰电话和诈骗电话的增多，越来越多的人对接听未注册号码的电话变得十分谨慎。
响应率的下降也会影响 RDD 方法的准确性。如果随机 贷款数据 拨打电话，可能会存在许多人不会回应的风险，并且实际样本将偏向特定人群。例如，正在工作的人接电话的可能性较小，因此调查结果可能对老年人有偏见。
为了解决这一问题，研究机构正在采取调整通话时间、提前发送信息表明调查的可靠性等措施。然而，需要开发新方法来提高响应率。
RDD 方法的技术问题和解决方案：利用 AI 和数据的潜力
RDD 方法的一个技术挑战是有很多呼叫无效的电话号码。许多随机生成的数字实际上从未使用过，这增加了调查成本。
近年来，人们一直致力于利用基于人工智能的数据分析来提前创建有效数字列表。利用机器学习，可以通过分析过去调查数据中的有效数字模式并减少无效呼叫来提高调查效率。
此外，还设计了一种将 RDD 方法与在线调查相结合的方法，其中要求具有随机选择的电话号码的受访者在线完成额外的详细调查。预计这些技术的利用将有助于克服 RDD 方法带来的挑战。