从固定选择调查推断含强联系与弱联系的网络结构特征

了解离线社交网络的结构有助于多种分析，包括研究传染病可能传播的速率，以及识别一部分行动者进行免疫以尽可能降低传播速率。离线社交网络拓扑通常通过调查行动者并要求他们列出其邻居来估计。虽然识别亲密朋友和家人（即强联系）通常可以可靠地完成，但由于受访者疲劳，列出所有的熟人（即弱联系）容易产生误差。这个问题通常通过使用所谓的“固定选择”调查来规避，即要求受访者说出固定且少量数量的弱联系（例如两个或十个）。当然，由此得到的粗糙观测网络会遗漏许多联系，使用该粗糙网络来推断网络属性（如度分布或聚类系数）将导致有偏估计。本文基于矩方法开发了多个估计量，用于估计包括与度分布的一阶矩和二阶矩以及网络规模相关的多项网络特征，所用数据来自固定选择调查。基于模拟数据的实验表明，所提出的估计量在各种网络拓扑和测量场景下均表现良好，所得估计显著比文献中常用的直接使用粗糙观测网络所得的估计更准确。我们还描述了 Jackknife 方法的一种变体，可用于获取估计量方差的估计。