Page 223 - 《社会》2022年第1期

社会·2022·1

者对受访者招募谁、不招募谁并不清楚，这种不透明的招募过程几乎不
会是随机发生的（Gile，et al.，2015）。 已有研究表明，许多因素，如激励
的类型或大小、访谈地点、群体的污名化程度以及调查主题，都会影响
受访者选择招募对象（ Heckathorn，2007）。 受访者通常会选择招募他们
最近见过的人、住在他们附近或访谈地点附近的人、与他们关系密切的
人，以及他们相信会参与调查的人（Phillips，et al.，2014）。 更为极端的
是，受访者可能只认识与自己相似的其他人，在“招募谁”方面并没有选
择（Lu，et al.，2012）。 所以，与其他假设相比，“随机招募假设”是最容易
被违反的假设， 是影响 RDS 估计有效性的重要因素之一 （Tomas and
Gile，2011；Li，et al.，2018； Beaudry and Gile，2020）。
（一）RDS 估计器
违 反 “随 机 招 募 假 设 ” 的 后 果 是 ，RDS 样 本 的 同 质 性 水 平 变 高
（ Heckathorn，1997，2002）。 同质性是表示个人与群体联系的偏好程度，
在一般群体中，当存在子群内部相互招募时，例如，男性受访者只招募
其他男性，他们就会表现出较高的同质性（ McPherson，et al.，2001）。 在
实际调查中，基于社会关系网络的 RDS 抽样调查几乎不可避免地会出
现样本同质性问题，只是程度不同而已（ Phillips，et al.，2014）。赫克索恩
（ Heckathorn，2002）指出，当同质性普遍存在时，如果子群样本同质性水
平不高或相等，样本也能达到均衡收敛，仍然可以进行有效的 RDS 估
计，但如果子群样本同质性过高或高低不一，就说明某些子群可能被过
度抽样或欠抽样。 研究发现，当样本同质性水平高于 0.7 时，表明已经
过度违反“随机招募假设”，会造成严重的 RDS 估计偏差，此时的 RDS
估计结果是不可靠的（Barash，et al.，2016）。
因此，一些对同质性水平非常敏感的 RDS 估计器被当作检测“随
机招募假设”是否被过度违反的诊断工具。 这些估计器是基于随机游走
的马尔科夫模型设计的，不仅可以报告样本的同质性水平，还会报告样
本的均衡收敛情况。 均衡收敛是 RDS 调查最常用的术语之一，它用于
测量招募批次的展开， 以确定特征比例何时接近样本比例或调整后的
估 计 比 例 ， 并 最 终 稳 定 保 持 在 某 值 上 （Heckathorn，1997；Gile，et al.，
2015） 。 由于同质性水平会影响样本的均衡收敛，有研究表明，当同质
性水平较低时， 样本将在六个招募批次内完成均衡收敛（Heckathorn，
1997）。 因此，我们可以根据 RDS 估计器报告的同质性水平和均衡收敛

· 216·