[論文レビュー] "How many zombies do you know?" Using indirect survey methods to measure alien attacks and outbreaks of the undead

Andrew Gelman|arXiv (Cornell University)|Mar 31, 2010

Gothic Literature and Media Analysis参考文献 3被引用数 3

ひとこと要約

本稿では、直接的な接触を伴わずに、ゾンビやその他の難易度の高い集団の有病率を推定するために、間接的調査手法——特にネットワークベースの被験者報告——を提案する。人々が知っているゾンビの数を尋ねることで、社会的ネットワークデータを活用し、集団の規模と地理的分布を推定する。これは、死霊の流行のような直接観察が困難な現象を安全に研究するための画期的なアプローチを提供する。

ABSTRACT

The zombie menace has so far been studied only qualitatively or through the use of mathematical models without empirical content. We propose to use a new tool in survey research to allow zombies to be studied indirectly without risk to the interviewers.

研究の動機と目的

• 直接的なサンプリングを伴わずに、ゾンビ、エイリアン、死霊などの難易度の高い集団の規模と分布を推定するための手法を開発すること。
• 直接的な調査では可視性が低くリスクが高いため、従来のアンケートでは測定が困難な現象（例：ゾンビの流行）を研究する課題に対処すること。
• 元々薬物使用者や売春婦といった隠れた集団に用いられていたネットワークベースの調査手法を、ゾンビ関連現象の規模を推定するために応用すること。
• 直接的な暴露を回避し、危険な集団や反応が得にくい集団に直接接触しない統計的に妥当な間接的アプローチを提供すること。
• 被験者報告によるネットワーク関係を用いて、レアまたはステグマ化された現象を研究するための公共保健および社会科学研究の新しい道筋を提供すること。

提案手法

• 難易度の高い集団（例：「あなたはゾンビを何人知っていますか？」）に属する人々の数を被験者に報告してもらい、その集団の全体的な規模を推定する。
• Zheng et al. (2006) が提唱した被験者駆動型サンプリング（RDS）フレームワークを応用し、被験者1人あたりの平均接続数から集団規模を推定する。
• 被験者1人あたり知っている人の平均数（Zheng et al. が報告した750人）を用いて、標本から母集団へのスケーリングを行う。
• 可視性の異なるグループ（例：名前がわかっている者 vs. 隠れた疾患を有する者）の報告率を比較することで、報告漏れバイアスを是正する。
• Google Trends やソーシャルメディアプラットフォーム（例：Facebook、ZDate）といった補完的ツールと調査データを統合し、結果の検証と拡充を図る。
• 報告誤差、特に本人が知人の真の身元（例：ゾンビの配偶者）に気づいていないような状況における誤差を補正するための外挿法を用いる。

実験結果

リサーチクエスチョン

• RQ1 SNSの被験者報告に基づいて、ゾンビ集団の推定規模はどの程度か？
• RQ2 被験者の報告する関係者数から、ゾンビの有病率が地理的地域によってどのように変動するか？
• RQ3 ゾンビの配偶者に気づいていないような報告バイアスが、集団規模の推定にどの程度影響を及ぼし、どのように是正できるか？
• RQ4 ネットワークベースの調査手法は、エイリアンや幽霊などの他の隠れた集団やステグマ化された集団の研究に効果的に応用可能か？
• RQ5 公衆の関心の動向（例：検索ボリューム）と、アンケートデータで測定された認識されたまたは実際の流行レベルの間には、どのような相関関係があるか？

主な発見

• この手法により、被験者による社会的関係の報告のみを用いて、ゾンビのような隠れた集団の規模を推定できる。
• 平均して、被験者1人あたり約750人の人々を知っているため、1,500人の標本から約100万人分の間接的情報を得られる。
• このアプローチは、集団の規模だけでなく、地理的分布や隠れた集団のメンバーを知るリスク要因の推定にも拡張可能である。
• ゾンビの配偶者に気づいていないような報告漏れバイアスは、報告精度が既知のグループとの比較によって是正可能である。
• 調査データとGoogle Trends やソーシャルメディアプラットフォームの統合により、公衆の関心や認識された脅威レベルの動向を監視・検証するためのマルチメソッド的手法が可能になる。
• 本研究は、仮説的または観察が困難な現象に高度な調査手法を適用する可能性を示しており、公共保健および社会科学研究における新しい研究分野を開拓する。