受访者驱动抽样的图结构
统计方法学
2015-08-03 v3
摘要
受访者驱动抽样（RDS）是一种链式推荐抽样方法，用于通过社交网络对隐藏或难以触及的人群（如性工作者、无家可归者或吸毒者）进行抽样。大多数关于 RDS 的方法论工作都集中在推断总体均值上，并假设个体的网络度决定了其被抽样的概率。对现有估计量的批评通常集中于缺失数据：底层网络仅被部分观测，因此难以确定正确的抽样概率。在本文中，我们表明普通 RDS 研究中收集的数据包含了关于受访者社交网络结构的信息。我们构建了一个 RDS 招募的连续时间模型，该模型整合了招募事件的时间序列、优惠券使用模式以及被抽样个体的网络度。观测数据与招募模型共同在受访者诱导的子图上定义了一个明确的概率分布。我们证明该分布可解释为指数随机图模型，并开发了一种计算高效的方法来估计隐藏图。我们利用模拟数据验证了该方法，并将该技术应用于俄罗斯圣彼得堡一项关于注射吸毒者的 RDS 研究。
引用
@article{arxiv.1406.0721,
title = {The graphical structure of respondent-driven sampling},
author = {Forrest W. Crawford},
journal= {arXiv preprint arXiv:1406.0721},
year = {2015}
}