[論文レビュー] Central limit theorems for network driven sampling

Li Xiao, Karl Rohe|arXiv (Cornell University)|Sep 15, 2015

HIV, Drug Use, Sexual Risk参考文献 20被引用数 3

ひとこと要約

この論文は、ネットワーク駆動型サンプリングの中心極限定理を確立し、応答者駆動型サンプリング（RDS）を木インデックス付きマルコフ過程としてモデル化する。臨界閾値以下の条件下でボルツ＝ヒーカースン推定量が漸近的に正規分布に従うことを証明し、特定の状況では、結果がサンプリング重みと相関がない場合に、標本平均が逆確率加重（IPW）よりも分散が小さくなるため、平均二乗誤差が低くなることを示している。

ABSTRACT

Respondent-Driven Sampling is a popular technique for sampling hidden populations. This paper models Respondent-Driven Sampling as a Markov process indexed by a tree. Our main results show that the Volz-Heckathorn estimator is asymptotically normal below a critical threshold. The key technical difficulties stem from (i) the dependence between samples and (ii) the tree structure which characterizes the dependence. The theorems allow the growth rate of the tree to exceed one and suggest that this growth rate should not be too large. To illustrate the usefulness of these results beyond their obvious use, an example shows that in certain cases the sample average is preferable to inverse probability weighting. We provide a test statistic to distinguish between these two cases.

研究の動機と目的

• 木インデックス付きマルコフ過程モデルの下で、応答者駆動型サンプリング（RDS）における推定量の漸近的正規性を確立すること。
• RDSにおける依存サンプルと複雑な木構造の紹介ネットワークの課題に対処すること。
• 標本平均が平均二乗誤差の観点で逆確率加重（IPW）を上回る状況を特定すること。
• バイアスと分散のトレードオフに基づき、標本平均とIPW推定量の間で選択を行うための検定統計量を提供すること。

提案手法

• RDSを有限で無向グラフ上の木インデックス付きマルコフ過程としてモデル化し、紹介が根付き木構造を形成する。
• 漸近的解析を可能にするために、逆確率加重（IPW）推定量の代理としてボルツ＝ヒーカースン推定量を使用する。
• 一般の木成長率の下で、標本平均およびボルツ＝ヒーカースン推定量に対する中心極限定理を適用する。
• 遷移確率と定常測度を含むグラフ理論的量を用いて、両推定量の分散表現を導出する。
• 標本平均のバイアスがゼロであるかどうかを評価するための検定統計量を導入し、推定量の選択を可能にする。
• 依存構造と分散成分を分析するために、スペクトルグラフ理論および遷移行列の固有値分解を用いる。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク駆動型サンプリングにおいて、ボルツ＝ヒーカースン推定量がどのような条件下で漸近的に正規分布に従うか？
• RQ2 RDSにおいて、標本平均が逆確率加重推定量よりも平均二乗誤差が小さいのはいつか？
• RQ3 紹介木の成長率がRDSにおける推定量の漸近的分散にどのように影響するか？
• RQ4 結果とサンプリング重みの相関が推定量の効率性に果たす役割は何か？
• RQ5 標本平均がIPWを上回る場合に適しているかどうかを区別する検定統計量を構築できるか？

主な発見

• 木の成長率が臨界閾値未満のとき、ボルツ＝ヒーカースン推定量は漸近的に正規分布に従う。
• 結果がサンプリング重みと相関がない場合には、標本平均がIPW推定量よりも平均二乗誤差が小さくなることがある。
• IPW推定量の分散は、少なくとも $ \frac{C_2}{N C_1^2} $ に比例する項を加えた分だけ、標本平均の分散を上回るため、IPWの非効率性が示唆される。
• 標本平均が不偏であるという帰無仮説を評価するための検定統計量が導出され、推定量のデータ駆動型選択が可能になる。
• シミュレーションでは、$ \mathbb{G} $、分散を支配する関数は一般的に凸であるが、正規の子孫分布のもとでも常にそうとは限らない。
• 理論的枠組みは、i.i.d.仮定が満たされない場合でも、実世界のRDSに対して良好な近似を提供する。シミュレーションによる妥当性が確認された。