[논문 리뷰] Central limit theorems for network driven sampling

Li Xiao, Karl Rohe|arXiv (Cornell University)|2015. 09. 15.

HIV, Drug Use, Sexual Risk참고 문헌 20인용 수 3

한 줄 요약

이 논문은 네트워크 기반 샘플링에서 중심극한정리들을 수립하며, 응답자 기반 샘플링(RDS)을 나무 색인 마코프 과정으로 모델링한다. 비판적 임계값 이하에서 Volz-Heckathorn 추정량이 渐近적으로 정규분포를 이룬다는 것을 증명하고, 특정 조건에서는 결과가 샘플링 가중치와 상관관계가 없을 경우 표본 평균이 역확률가중법(IPW)보다 분산이 감소하여 평균제곱오차가 더 낮을 수 있음을 보여준다.

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.

연구 동기 및 목표

• 응답자 기반 샘플링(RDS)에서 나무 색인 마코프 과정 모델 하에 추정량의 渐近적 정규성을 수립하기 위해.
• RDS에서의 종속된 샘플과 복잡한 나무 구조의 추천 네트워크에 기인한 과제를 다루기 위해.
• 표본 평균이 평균제곱오차 측면에서 역확률가중법(IPW)보다 우월한 경우를 규명하기 위해.
• 편향과 분산의 트레이드오프를 고려한 표본 평균과 IPW 추정량 간의 선택을 위한 검정통계량을 제공하기 위해.

제안 방법

• 유한하고 무방향적인 그래프 위에서 RDS를 루트가 있는 나무 구조를 가진 마코프 과정으로 모델링한다.
• 역확률가중법(IPW) 추정량의 대체로 Volz-Heckathorn 추정량을 사용하여 渐近적 분석을 가능하게 한다.
• 일반적인 나무 성장률 하에서 표본 평균과 Volz-Heckathorn 추정량에 중심극한정리를 적용한다.
• 전이확률과 정적측도를 포함한 그래프 이론적 양을 사용하여 두 추정량의 분산 표현을 유도한다.
• 표본 평균의 편향이 0인지 검정하기 위한 검정통계량을 도입하여 추정량 간의 데이터 기반 선택을 가능하게 한다.
• 스펙트럼 그래프 이론과 전이행렬의 고유값 분해를 활용하여 종속성 구조와 분산 성분을 분석한다.

실험 결과

연구 질문

• RQ1 네트워크 기반 샘플링에서 Volz-Heckathorn 추정량이 어떤 조건에서 渐近적으로 정규분포를 이룰 수 있는가?
• RQ2 RDS에서 표본 평균이 언제 역확률가중법 추정량보다 평균제곱오차가 낮아지는가?
• RQ3 추천 나무의 성장률이 RDS에서 추정량의 渐近적 분산에 어떤 영향을 미치는가?
• RQ4 결과와 샘플링 가중치 간의 상관관계가 추정량 효율성에 어떤 역할을 하는가?
• RQ5 표본 평균이 IPW보다 유리한 경우를 구분하기 위한 검정통계량을 구성할 수 있는가?

주요 결과

• 나무 성장률이 비판적 임계값 이하일 경우 Volz-Heckathorn 추정량은 渐近적으로 정규분포를 이룬다.
• 결과가 샘플링 가중치와 상관관계가 없을 경우 표본 평균은 IPW 추정량보다 평균제곱오차가 낮을 수 있다.
• IPW 추정량의 분산은 최소한 $ \frac{C_2}{N C_1^2} $ 비례하는 항을 더해 표본 평균의 분산을 초과하며, 이는 IPW의 잠재적 비효율성을 시사한다.
• 표본 평균의 편향이 0이라는 귀무가설을 검정하기 위한 검정통계량을 도출하여 추정량 간의 데이터 기반 선택이 가능해진다.
• 시뮬레이션 결과, $ \mathbb{G} $는 일반적으로 볼록이지만, 정규적인 자식 분포 조건 하에서도 항상 볼록하지는 않음을 보여준다.
• 이론적 프레임워크는 i.i.d. 가정 위반 시에도 실제 RDS에 대해 우수한 근사치를 제공하며, 시뮬레이션을 통해 검증되었다.