[논문 리뷰] Network Structure and Biased Variance Estimation in Respondent Driven Sampling

Ashton M. Verdery, Ted Mouw외 2명|arXiv (Cornell University)|2013. 09. 19.

HIV, Drug Use, Sexual Risk참고 문헌 35인용 수 5

한 줄 요약

이 논문은 응답자 기반 샘플링(RDS)의 분산 추정기들이 기초가 되는 사회적 네트워크가 제1차 마르코프(FOM) 가정을 위반할 경우 체계적으로 표본 분산을 과소평가한다는 점을 규명한다. 페이스북과 애드헬스의 실증적 네트워크 데이터를 바탕으로, 분석된 215개의 네트워크가 모두 FOM을 위반함을 입증하며, 이로 인해 분산 추정에 편향이 발생하고, 이 편향을 줄이기 위한 두 가지 새로운 추정기를 제안한다. 그러나 네트워크 정보가 제한되어 있어 편향을 완전히 제거하지는 못한다.

ABSTRACT

This paper explores bias in the estimation of sampling variance in Respondent Driven Sampling (RDS). Prior methodological work on RDS has focused on its problematic assumptions and the biases and inefficiencies of its estimators of the population mean. Nonetheless, researchers have given only slight attention to the topic of estimating sampling variance in RDS, despite the importance of variance estimation for the construction of confidence intervals and hypothesis tests. In this paper, we show that the estimators of RDS sampling variance rely on a critical assumption that the network is First Order Markov (FOM) with respect to the dependent variable of interest. We demonstrate, through intuitive examples, mathematical generalizations, and computational experiments that current RDS variance estimators will always underestimate the population sampling variance of RDS in empirical networks that do not conform to the FOM assumption. Analysis of 215 observed university and school networks from Facebook and Add Health indicates that the FOM assumption is violated in every empirical network we analyze, and that these violations lead to substantially biased RDS estimators of sampling variance. We propose and test two alternative variance estimators that show some promise for reducing biases, but which also illustrate the limits of estimating sampling variance with only partial information on the underlying population social network.

연구 동기 및 목표

• 응답자 기반 샘플링(RDS)에서 분산 추정에 영향을 미치는 네트워크 구조의 영향을 조사하는 것.
• 현재 RDS 분산 추정기의 기초가 되는 핵심 가정인 제1차 마르코프(FOM) 성질을 규명하는 것.
• 실제 사회적 네트워크가 FOM 가정을 얼마나 위반하는지 평가하고, 이로 인해 분산 추정이 어떻게 손상되는지 분석하는 것.
• FOM 가정을 위반하는 네트워크 구조에서 편향을 줄이는 데 기여하는 대체 분산 추정기를 제안하고 평가하는 것.
• 부분적인 네트워크 정보만 제공될 경우 RDS에서 분산 추정의 한계를 부각하는 것.

제안 방법

• 이론적 분석을 통해 RDS 분산 추정기가 네트워크에서 한 단계 앞선 노드에만 의존하는 제1차 마르코프(FOM) 가정에 기반함을 입증한다.
• 수학적 일반화와 계산 실험을 통해 FOM 가정 위반이 표본 분산의 과소평가를 초래함을 보여준다.
• 실증 검증을 위해 페이스북과 애드헬스의 215개의 실제 사회적 네트워크를 활용하여 FOM 가정의 타당성과 분산 추정 편향을 검증한다.
• 모집단의 고차원적 의존성 요소를 반영한 네트워크 구조 보정 기반으로 두 가지 새로운 분산 추정기를 제안한다.
• 시뮬레이션을 통한 성능 평가와 기존 RDS 분산 추정기와의 비교를 통해 신규 추정기의 성능을 평가한다.
• 네트워크 지표와 통계 모델링을 활용하여 다양한 네트워크 구조에서 분산 추정의 편향 정도를 정량화한다.

실험 결과

연구 질문

• RQ1 RDS 연구에서 사용되는 실제 사회적 네트워크에서 제1차 마르코프(FOM) 가정이 성립하는가?
• RQ2 FOM 가정을 위반할 경우 RDS에서 표본 분산 추정이 얼마나 편향되는가?
• RQ3 FOM 가정 위반 상황에서 대체 분산 추정기가 편향을 줄일 수 있는가?
• RQ4 클러스터링과 차수 이질성 등의 네트워크 구조는 RDS 분산 추정에 어떤 영향을 미치는가?
• RQ5 기본 네트워크 정보가 부분적으로만 제공될 경우 RDS에서 분산 추정을 얼마나 향상시킬 수 있는가?

주요 결과

• 페이스북과 애드헬스에서 분석한 215개의 실증 네트워크가 모두 제1차 마르코프(FOM) 가정을 위반함을 확인하여, 기존 RDS 분산 추정기의 기초 조건이 광범위하게 실패하고 있음을 시사한다.
• FOM 가정을 충족하지 않는 네트워크에서는 현재 RDS 분산 추정기가 실제 표본 분산을 일관되게 과소평가한다.
• 과소평가의 정도는 크며, 네트워크 구조에 따라 수준이 달라지지만, 분석된 모든 케이스에서 일관되게 나타난다.
• 제안된 대체 분산 추정기는 기존 RDS 추정기 대비 편향을 줄이지만, 네트워크 정보가 불완전하여 완전한 제거는 이뤄지지 않는다.
• 연구는 부분적인 네트워크 데이터만 제공될 경우 표본 분산 추정의 근본적 과제가 존재함을 입증하며, RDS 방법론의 내재적 한계를 부각한다.
• 결과는 신뢰구간 구성이나 가설 검정을 수행할 경우 방법론적 경계를 엄수해야 함을 강조한다.