网络驱动抽样的中心极限定理
统计方法学
2016-08-30 v2 统计理论
统计理论
摘要
Respondent-Driven Sampling 是一种用于对隐藏人群进行抽样的流行技术。本文将 Respondent-Driven Sampling 建模为以树为指标的 Markov 过程。我们的主要结果表明，Volz-Heckathorn 估计量在低于某个临界阈值时是渐近正态的。关键的技术难点源于 样本间的依赖性以及表征该依赖性的树结构。这些定理允许树的生长速率超过 1，并表明该生长速率不应过大。为了说明这些结果在显而易见用途之外的实用性，一个例子表明在某些情况下，样本均值优于逆概率加权。我们提供了一个检验统计量来区分这两种情况。
引用
@article{arxiv.1509.04704,
title = {Central limit theorems for network driven sampling},
author = {Xiao Li and Karl Rohe},
journal= {arXiv preprint arXiv:1509.04704},
year = {2016}
}
备注
33 pages, 7 figures