Page 226 - 《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

生依赖。 瓶颈是指样本招募困于某处而停滞不前的情况，如果样本存在
瓶颈，即一些链条将呈现不同的收敛点，就表示这些链条的子样本可能
不完全来自同一群体；如果样本不存在瓶颈，即链条都将在大致相同的
聚 合 点收 敛 ， 就 表 明 每 个 链 条 的 子 样 本 来 自 相 同 的 群 体（ Heckathorn
and Cameron，2017）。 瓶颈图可以看作叠加多个种子链条的收敛图，其假
设是：如果 RDS 样本消除对种子的依赖性，那么，不同种子链条将最终
收敛到相同的估计值上（Gile，et al.，2015）。 收敛图可以帮助研究者动
态评估整个 RDS 样本的收敛情况，瓶颈图则可以分析每条种子链的样
本收敛情况。 识别样本瓶颈非常重要，因为它们的存在不仅可能大大增
加对RDS 估计的偏差， 还可能会扭曲对数据中其他变量的估计（Goel
and Salganik，2009）。 卢乔斯科等（Lachowsky，et al.，2016）使用 RDS 方法
对加拿大温哥华的 719 名性少数人群（GBMSM）进行横断面研究时，通
过绘制收敛图和瓶颈图证明，当样本不受种子选择偏差的影响时，RDS
估计将保持稳定。 作者就此认为，在任何抽样阶段都可以创建这些诊断
图，以确定 RDS 样本何时才能摆脱对种子的依赖，或者是否需要进一
步 添 加 特 定 的 种 子 来 解 决 可 能 的 样 本 瓶 颈 ， 为 吉 尔 等 （ Gile，et al.，
2015）提出的诊断学提供一个经验性的“概念证明”。 他们还指出，在某
些情况下，比如，当样本转移到目标群体从未探索到的部分时，或者在
样本数据存在极强的瓶颈和非常不平衡的种子选择的情况下， 收敛图
和瓶颈图可能无法发现真正的问题。
（三）地理信息
另外，与地域有关的非随机招募会使 RDS 样本所覆盖的地理区域
受到极大影响，RDS 样本有可能不是来自整个调查区域， 这对 RDS 的
估计有效性至关重要。“随机招募假设”要求招募的受访者应该来自整
个 调 查 区 域 而 不 是 局 部 区 域 （Toledo，et al.，2011）。 赫 克 索 恩 等
（Heckathorn，et al.，2002）报告说，从广泛的地理区域招募的不同的 RDS
样本才具有总体代表性。 事实上，RDS 样本在空间上更加聚类，导致在
某些地理区域过度招募，在其他地区则招募不足，甚至没有招募到受访
者，这不仅限制了招募的地理覆盖范围，还创建了一个空间同质性更大
的样本（Rudolph，et al.，2015）。 近些年，一些学者开始利用地理信息，比
如邮政编码、村落或家户方位等，来评估 RDS 样本是否受到局部区域
招募的影响。 这是因为，使用 RDS 方法进行抽样调查，样本的地理边界

· 219·