Page 221 - 《社会》2022年第1期

社会·2022·1

的论文发表，特别是自 2013 年以来，每年出现的相关文献都不低于 100
篇（见图 1）。

图 1 ：基 于 Web of Science 核 心 合 集 引 文 索 引 数 据 库 的 RDS 文 献 年 度 发 表 情 况

RDS 方法之所以被研究者青睐， 在于它具有其他抽样方法所不具
备的独特优势：第一，RDS 可以从隐藏人群或无抽样框群体中获得近似
的概率样本，弥补了传统抽样难以获得代表性样本的局限；第二，与传
统抽样相比，RDS 利用受访者的社会关系网络，更容易鼓励目标群体参
与调查，从而高效且经济地招募到大量样本；第三，也是最重要的一点，
就是 RDS 可以结合数理统计技术进行总体估计。 RDS 既是数据收集方
法，也是数据分析方法，这使得 RDS 方法在全球学术界流行。 据统计，
RDS 方法已经在 69 个国家和地区得到使用，涉及领域从医学扩展到社
会科学，研究对象从最初的吸毒者、艾滋病患者、性工作者、同性恋者扩
展到亚文化群体、移民群体等（ White，et al.，2015；Johnston，et al.，2016）。
但是，RDS 估计一直存在争议。 引发这一挑战的主要原因是，RDS
估计是由链接跟踪设计提供的， 本质上依赖目标人群的基本网络结构
（ Heckathorn and Cameron，2017），因此，要获得对总体的无偏估计，就需
要满足一系列假设 （Salganik and Heckathorn，2004）：（1） 受访者彼此认
识；（2）受访者网络连接单一；（3）抽样过程可替换；（4）受访者能准确
报告自己的网络规模；（5）招募过程随机。 然而，越来越多的证据表明，
这些假设在现实条件下并不能被满足（Heimer，2005； Gile and Handcock，
2010；Li，et al.，2018）。 在实际调查中，研究对象之间的网络关系大多不
是同等互惠的，网络连接松散或包含多个非链接网络，网络规模通常报
告不准确，抽样过程几乎不存在替换，招募过程也难以随机（Lu，et al.，
2012）。

· 214·