Page 222 - 《社会》2022年第1期

被访者驱动抽样：基于多种方法的估计诊断

由于这些假设违反会影响 RDS 估计的有效性 （Abdesselam，et al.，
2020）， 从而容易使隐藏人群和无抽样框群体的研究出现重大失误，因
此， 着手诊断假设违反对 RDS 估计造成的影响便显得非常重要且必
要。 回应这一问题，不仅可以帮助研究者能够更好地理解 RDS 方法，而
且对未来 RDS 抽样和统计估计的发展具有重要意义。
一些研究者已经关注到这一问题。 从检索结果看，2005—2020 年，
有 100 多篇有关诊断和改进 RDS 估计的文献发表。 这些文献主要通过
三种途径来诊断 RDS 估计的有效性（Gile，et al.，2015）：第一，利用经典
估计器对 RDS 样本的同质性水平进行诊断。 如果假设违反后的样本同
质性水平仍处于估计器所允许的阈值范围内，则认为 RDS 估计是有效
的。 第二，对 RDS 样本的总体代表性进行诊断。 如果假设违反未对 RDS
样本质量造成显著威胁，也就是说，当 RDS 样本仍然可以代表总体情
况时，获得的 RDS 估计也是可靠的。 第三，放松假设，开发一些新的对
假设不那么敏感的 RDS 估计器，使用新的估计器对总体进行估计。 中
国是使用 RDS 方法频率较高的国家之一（White，et al.，2015），但绝大部
分诊断 RDS 估计的文献是国外学者的研究，国内学者更多停留在介绍
和运用 RDS 方法等方面（刘石柱等，2005；赵延东、Pedersen，2007；张文
宏、雷开春，2008，2009；梁玉成，2013），对诊断 RDS 估计有效性这一重
要问题的关照还非常不够，亟须国内研究者对该问题做进一步探索。 而
且，现有文献在诊断 RDS 估计的方式上还比较单一，通常只使用多种
诊断方法中的一种，单一的诊断方式得到的诊断结果可能是片面的，甚
至是有误的，也不能提供更多有关 RDS 的数据、抽样过程和估计的新
认识，因此，也需要研究者对 RDS 估计的诊断做出较为综合的探索。 基
于此，本文利用 RDS 获得的南京、无锡、广州和佛山四个城市家政工人
样本数据，使用多种方法共同诊断 RDS 估计，以期丰富现有的诊断方
法，并提供更多有关 RDS 估计的诊断细节，为促进 RDS 估计的标准化
报告作出贡献，也为其他学科合理使用 RDS 方法提供借鉴。

二、文献回顾

本文重点关注“随机招募假设”违反导致的 RDS 估计有效性问题。
之所以关注 “随机招募假设”，是因为该假设要求 RDS 的招募过程是随
机发生的。 实际上，RDS 的整个招募过程完全由受访者主导完成，研究

· 215·