基于受访者驱动抽样对网络树数据进行聚类及其在纽约市阿片类药物使用者中的应用
社会与信息网络
2020-08-11 v1 统计方法学
摘要
人们对发现带属性网络数据中有意义的子群抱有浓厚兴趣。已有许多可用于完整网络聚类的方法。遗憾的是,大量网络数据通过抽样收集,因而不完整。受访者驱动抽样(RDS)是一种广泛使用的、基于追踪潜在未观测社会网络中链接来对难以触及人群进行抽样的方法。所得数据因而具有表示网络子样本的树结构,并带有众多节点属性。本文中,我们提出一种方法,将用于一般网络聚类的混合模型调整为适用于 RDS 抽样。我们将模型应用于纽约市阿片类药物使用者数据,并检测出反映干预活动所关注群体特征的社群,包括药物使用模式、社会联系及其他社区变量。
引用
@article{arxiv.2008.03604,
title = {Clustering Network Tree Data From Respondent-driven sampling with application to opioid users in New York City},
author = {Shuaimin Kang and Krista Gile and Pedro Mateu-Gelabert and Honoria Guarino},
journal= {arXiv preprint arXiv:2008.03604},
year = {2020}
}
备注
25 pages