-
题名基于DCSBM模型的受访者驱动抽样调查估计量改进
被引量：1
- 1
-
-
作者
蒋妍
孟珠峰
王天佳
刘晓宇
-
机构
中国人民大学应用统计科学研究中心
中国人民大学统计学院
中国人民大学调查技术研究所
-
出处
《系统科学与数学》
CSCD
北大核心
2022年第1期85-99,共15页
-
基金
教育部哲学社会科学研究重大课题攻关项目(20JZD023)资助课题。
-
文摘
大数据背景下,将受访者驱动抽样(RDS)用于网络抽样调查,解决了传统抽样调查难以获得可用抽样框、难以接触被调查者以及难以获得回答等问题,也使得网络调查可以实现概率抽样,得到一定误差范围内的总体参数估计.然而,在实际抽样过程中,同质性问题(即样本单元在推荐同伴时倾向于推荐那些与自己有相同属性的同伴)会导致RDS估计量的方差增大.为解决该问题,文章假定目标总体服从度修正随机块模型(DCSBM),利用区块间的经验转移概率对样本进行区块的事后分层,提出了事后分层与逆概率加权相结合的PS-IPW估计量.通过模拟不同的同质性水平的目标总体社交网络和RDS抽样,比较PS-IPW估计量的相对效率;并通过实证分析,利用样本分块矩阵的谱性质选择分层变量,进一步验证RDS抽样的适用性以及PS-IPW估计量的有效性.
-
关键词
受访者驱动抽样
度修正随机块模型
同质性
PS-IPW估计量
-
Keywords
Respondent driven sampling
degree modified random block model
homogeneity
PS-IPW
-
分类号
O212.2
[理学—概率论与数理统计]
-
