[论文解读] The Sensitivity of Respondent-driven Sampling Method

Xin Lü, Linus Bengtsson+5 more|arXiv (Cornell University)|Feb 11, 2010

HIV, Drug Use, Sexual Risk参考文献 21被引用 16

一句话总结

本文通过在大型LGBT在线社群网络中模拟RDS核心假设的违反情况，评估了RDS的敏感性。结果表明，当网络具有方向性或基于与结果相关的特征进行非随机招募时，RDS估计值高度偏倚；但若这两项关键问题不存在，RDS在低响应率和报告误差下仍保持稳健。

ABSTRACT

Researchers in many scientific fields make inferences from individuals to larger groups. For many groups however, there is no list of members from which to take a random sample. Respondent-driven sampling (RDS) is a relatively new sampling methodology that circumvents this difficulty by using the social networks of the groups under study. The RDS method has been shown to provide unbiased estimates of population proportions given certain conditions. The method is now widely used in the study of HIV-related high-risk populations globally. In this paper, we test the RDS methodology by simulating RDS studies on the social networks of a large LGBT web community. The robustness of the RDS method is tested by violating, one by one, the conditions under which the method provides unbiased estimates. Results reveal that the risk of bias is large if networks are directed, or respondents choose to invite persons based on characteristics that are correlated with the study outcomes. If these two problems are absent, the RDS method shows strong resistance to low response rates and certain errors in the participants' reporting of their network sizes. Other issues that might affect the RDS estimates, such as the method for choosing initial participants, the maximum number of recruitments per participant, sampling with or without replacement and variations in network structures, are also simulated and discussed.

研究动机与目标

• 评估RDS估计量在其基本假设被违反时的稳健性。
• 研究网络结构、同质性及招募行为如何影响RDS估计的准确性。
• 评估种子选择、传单分发以及有放回/无放回抽样等实际实施选择的影响。
• 确定在何种条件下RDS在现实环境中能提供无偏估计。
• 模拟并量化由非随机招募、有向边和不准确的度数报告所引起的偏倚。

提出的方法

• 在大型真实LGBT网络社区中模拟RDS研究，以检验估计量的表现。
• 每次仅违反一项假设，如互惠性、连通性、有放回抽样、度数报告准确性及随机招募，同时测量偏倚和误差。
• 使用RDSII估计量：$ \hat{P}_A = \frac{\sum_{i \in A \cap S} d_i^{-1}}{\sum_{i \in S} d_i^{-1}} $，其中 $ d_i $ 表示个体 $ i $ 的个人网络规模。
• 比较不同网络类型下的结果：原始网络、添加边后的网络（平均度数更高）以及边重连后的网络（随机化边）。
• 调整关键设计参数：种子数量（1–10）、传单数量（1–3）、有放回或无放回抽样。
• 通过引入与个体特征（如同质性）相关或无关的概率，建模非随机招募。

实验结果

研究问题

• RQ1 网络方向性如何影响RDS估计的偏倚和精度？
• RQ2 基于与研究结果相关的特征进行非随机招募会产生何种影响？
• RQ3 RDS对个人网络规模报告不准确的敏感程度如何？
• RQ4 有放回与无放回抽样如何影响估计量的表现？
• RQ5 网络结构与同质性如何影响RDSII估计的准确性？

主要发现

• 当网络具有方向性时，RDS估计表现出显著偏倚，因为违反了关系互惠（无向）的假设。
• 当招募非随机且基于与结果相关的特征（如同质性或社会聚类）时，会产生显著偏倚。
• 当方向性网络和非随机招募均不存在时，RDS对低响应率和自我报告网络规模误差表现出极强的抗性。
• 在理想条件下，RDSII估计量保持高度准确：在无向网络和随机招募下，即使样本量为500，偏倚也小于0.001。
• 与有放回抽样相比，无放回抽样在稀疏或度数分布偏斜的网络中会增加偏倚。
• 在度数分布高度偏斜且同质性高的网络中，估计性能下降，但当同质性较低时性能有所改善。