[논문 리뷰] Identification of homophily and preferential recruitment in respondent-driven sampling

Forrest W. Crawford, Peter M. Aronow외 2명|arXiv (Cornell University)|2015. 11. 17.

HIV, Drug Use, Sexual Risk참고 문헌 1인용 수 4

한 줄 요약

이 논문은 응답 기반 샘플링(RDS)에서 동질성과 선호적 모집의 엄밀한 정의를 내리며, 관측되지 않은 네트워크 구조로 인해 RDS 데이터만으로는 둘 다 점식으로 특정할 수 없음을 보여준다. 비모수적 식별 영역과 확률적 최적화를 사용하여, 추가 네트워크 데이터 없이 RDS 연구에서 동질성 또는 모집 편향에 대한 경험적 주장은 통계적으로 신뢰할 수 없다는 것을 입증한다.

ABSTRACT

Respondent-driven sampling (RDS) is a link-tracing procedure for surveying hidden or hard-to-reach populations in which subjects recruit other subjects via their social network. There is significant research interest in detecting clustering or dependence of epidemiological traits in networks, but researchers disagree about whether data from RDS studies can reveal it. Two distinct mechanisms account for dependence in traits of recruiters and recruitees in an RDS study: homophily, the tendency for individuals to share social ties with others exhibiting similar characteristics, and preferential recruitment, in which recruiters do not recruit uniformly at random from their available alters. The different effects of network homophily and preferential recruitment in RDS studies have been a source of confusion in methodological research on RDS, and in empirical studies of the social context of health risk in hidden populations. In this paper, we give rigorous definitions of homophily and preferential recruitment and show that neither can be measured precisely in general RDS studies. We derive nonparametric identification regions for homophily and preferential recruitment and show that these parameters are not point identified unless the network takes a degenerate form. The results indicate that claims of homophily or recruitment bias measured from empirical RDS studies may not be credible. We apply our identification results to a study involving both a network census and RDS on a population of injection drug users in Hartford, CT.

연구 동기 및 목표

• 메타적 및 경험적 연구에서 종종 혼동되는 RDS에서의 동질성과 선호적 모집의 독립된 메커니즘을 명확히 하기 위해.
• 관측되지 않은 네트워크 간선으로 인해 표준 RDS 데이터만으로는 동질성 또는 선호적 모집이 점식으로 특정될 수 없음을 입증하기 위해.
• 일반적인 RDS 조건 하에서 이러한 두 매개변수에 대한 비모수적 식별 영역을 유도하기 위해.
• 하트퍼드, 콈트의 실제 데이터셋을 사용하여 RDS 연구에서 동질성 또는 모집 편향에 대한 경험적 주장의 신뢰성을 평가하기 위해.
• epidemiological 특성의 네트워크 수준 집합 현상 탐지에 있어 RDS의 한계를 평가하기 위한 이론적 기반을 제공하기 위해.

제안 방법

• 저자들은 유사한 특성을 가진 사람들이 사회적 유대를 형성하는 경향을 동질성으로 정의하고, 네트워크 이웃들 중에서 균일하지 않은 방식으로 모집 대상을 선택하는 것을 선호적 모집으로 정의한다.
• 이 문제를 비모수적 식별 과제로 포장하여, 동일한 RDS 데이터를 생성할 수 있는 다수의 관측되지 않은 네트워크 구성이 존재할 수 있음을 보여준다.
• 스토캐스틱 최적화와 마르코프 체인 몬테카를로(MCMC) 샘플링을 사용하여, 관측된 RDS 데이터와 일치하는 보완된 부분 그래프와 특성 집합의 공간을 탐색하고 식별 영역을 추정한다.
• 두 단계의 MCMC 제안 메커니즘을 제안한다: (1) 정점 생성을 동반한 간선 추가/제거, (2) 샘플되지 않은 정점에 대한 특성 값 전환.
• 이 방법은 하제크(Hajek, 1988)의 냉각 스케줄과 수렴 기준에 의존하여 MCMC 체인이 비용 함수의 전역 최대값에 점차 수렴하도록 보장한다.
• 식별 영역은 관측된 RDS 데이터와 모집도와 일치하는 모든 가능한 네트워크 및 특성 구성의 집합을 탐색함으로써 도출된다.

실험 결과

연구 질문

• RQ1 기본적인 사회적 네트워크에서의 동질성은 응답 기반 샘플링 데이터만으로 점식으로 특정될 수 있는가?
• RQ2 전체 네트워크 구조를 관측하지 않고도 RDS에서 선호적 모집 행동을 정확히 측정할 수 있는가?
• RQ3 RDS 연구에서 동질성 또는 모집 편향에 대한 경험적 주장이 얼마나 많은 검증 불가능한 가정에 의존하는가?
• RQ4 일반적인 RDS 조건 하에서 동질성과 선호적 모집에 대한 비모수적 식별 영역은 무엇인가?
• RQ5 이론적 식별 한계는 공중보건 및 역학 모델링에서 RDS 데이터의 해석에 어떻게 영향을 미치는가?

주요 결과

• 다양한 관측되지 않은 네트워크 구성이 동일한 관측된 모집 데이터를 생성할 수 있기 때문에 일반적인 RDS 연구에서 동질성과 선호적 모집은 점식으로 특정될 수 없다.
• 두 매개변수의 식별 영역은 비퇴화적(non-degenerate)이며, 전체 RDS 데이터가 있어도 추가적인 네트워크 정보 없이 동질성 또는 모집 편향을 정확히 측정하는 것은 불가능하다.
• 특정 냉각 스케줄 하에서 MCMC 체인이 비용 함수의 전역 최대값으로 수렴할 확률이 1에 수렴함을 증명하여, 이로 인해 점차적으로 정확한 식별 영역으로 수렴함을 보장한다.
• 하트퍼드, 콈트의 투약 사용자 인구집단에 대한 실제 적용 사례에서, 동질성과 선호적 모집의 식별 영역이 넓었으며, 이는 경험적 추정치의 정밀도가 제한됨을 시사한다.
• 이 연구는 RDS 데이터만으로 동질성 또는 모집 편향을 주장하는 것은 외부 네트워크 데이터가 없으면 통계적으로 신뢰할 수 없다고 결론내린다.
• 결과적으로, 질병 전파 모델에서 조화적 혼합 또는 네트워크 집합 현상을 추정하기 위해 RDS 데이터를 사용하는 것은 타당성이 떨어진다.