论在现实的受访者驱动抽样模型中构建优良总体均值估计量的不可能性
统计方法学
2014-11-10 v2 应用统计
摘要
当前基于受访者驱动抽样（RDS）收集的数据进行总体均值估计的方法，依赖于 Horvitz-Thompson 估计量以及一套关于抽样模型的假设，在这些假设下包含概率可以从数据所含信息中确定。在本文中，我们认为这套假设过于简单化而不符合现实，且在现实的抽样模型下，情况要复杂得多。具体而言，我们研究了一个由真实世界 RDS 数据集启发的现实 RDS 抽样模型。我们表明，对于该模型，应用 Horvitz-Thompson 估计量所必需的包含概率无法仅凭样本中的信息来确定。其推论是，除非获得关于底层总体网络的额外信息，否则基于当前 RDS 数据构想总体均值估计的通用理论是没有希望的。
引用
@article{arxiv.1209.2072,
title = {On the impossibility of constructing good population mean estimators in a realistic Respondent Driven Sampling model},
author = {Adityanand Guntuboyina and Russell Barbour and Robert Heimer},
journal= {arXiv preprint arXiv:1209.2072},
year = {2014}
}
备注
13 pages, 2 figures