Novel Sampling Design for Respondent-driven Sampling
受访者驱动抽样(RDS)是一种流行于对隐藏和/或边缘化人群进行抽样的链式参考抽样方法。因此,即使在理想的抽样假设下,RDS的性能也受到底层社交网络的限制:如果网络被划分为彼此连接较弱的社区,那么RDS可能会对其中一个社区进行过采样。为了减少社区之间的“转诊瓶颈”,我们提出了反集群RDS(AC-RDS),调整标准RDS的实施。使用RDS文献中的标准模型,即由树索引的社会网络上的马尔可夫过程,我们构造和研究AC-RDS的马尔可夫转移矩阵。我们表明,如果底层网络是从随机块模型与相等的块大小,那么AC-RDS的过渡矩阵有一个更大的频谱间隙,从而更快的混合性能比标准的随机游动模型RDS。此外,我们表明,AC-RDS降低了参考树中的样本的协方差相比,标准RDS,从而导致更小的方差和设计效果。我们确认的有效性,新的设计使用的Add-Health网络和模拟网络。
2017-11-01 stat.ME
Inference from multivariate differential recruitment in respondent-driven sampling data
Pontificia Universidad Católica de Chile(智利天主教 Pontificia 大学);Mount Holyoke College(芒特霍利克学院)
本文提出多变量差异招募框架,结合多个协变量进行采样建模,并通过仿真实验和实际数据应用验证了其有效性。
2026-04-11 stat.ME
Evaluation of Logistic Regression Applied to Respondent-Driven Samples: Simulated and Real Data
目的:探讨不同的逻辑斯谛回归估计方法对模拟和真实数据获得的RDS样本的影响。方法:结合不同的连接模型,聚类水平和感染过程,创建了四个模拟人群。人群中的每个受试者都接受了两个属性,其中只有一个与感染过程有关。从每个群体中获得不同大小的RDS样本。类似地,RDS样本从真实世界数据集获得。应用三个逻辑斯谛回归估计量来评估属性与感染状态之间的关联,随后测量每个属性的观察覆盖率。结果:连通性类型对估计器性能的影响大于聚类水平。在模拟数据集,未加权的逻辑斯谛回归估计出现的最佳选择,虽然所有的估计表现出相当不错的性能。在真实数据集中,加权估计的性能表现出一定的不稳定性,使其成为一个风险很大的选择。结论:未加权的逻辑斯谛回归估计量是应用于RDS样本的可靠选项,具有与随机样本相似的性能,因此应该是首选选项。
2021-01-12 stat.ME
Hidden population size estimation from respondent-driven sampling: a network approach
估计污名化、隐藏或难以接触的人群的规模是流行病学、人口学和公共卫生研究中的一个主要问题。捕获-再捕获法和乘数法已成为推断隐藏人口规模的标准工具,但它们需要对目标人口成员进行独立随机抽样,而这几乎是不可能的。受访者驱动抽样(RDS)是一种依赖于社会联系追踪的隐藏人群调查方法。RDS招聘过程旨在通过连接目标人群成员的社交网络传播。在本文中,我们展示了如何使用RDS揭示的网络数据来估计隐藏的人口规模。关键的见解是,招聘链,招聘的时间,以及被招募对象的网络度提供了有关属于目标人群的尚未在样本中的个人数量的信息。我们使用一个计算效率高的贝叶斯方法来整合在招募的个人的子图中的缺失的边缘。我们使用模拟数据验证了该方法,并应用该技术来估计在俄罗斯圣彼得堡注射毒品的人数。
2015-04-30 stat.ME
Population Size Estimation for Respondent-Driven Sampling and Capture-Recapture: A Unifying Framework
本文针对受访者驱动抽样(RDS)的隐藏种群规模估计问题,提出RDS提名数据的底层过程属于捕获-再捕获实验,构建了统一的种群规模估计方法并验证了其在经典假设偏离场景下的性能。
2023-07-21 stat.ME
Implementation of Web-Based Respondent-Driven Sampling among Men who Have Sex with Men in Vietnam
目的:缺乏关于男男性行为者等隐藏群体的代表性数据,阻碍了对艾滋病毒流行病采取循证对策。应答者驱动抽样(RDS)的发展是为了克服在抽样框缺失的MSM等人群研究中的抽样挑战。基于互联网的RDS(webRDS)可以潜在地规避原始RDS方法的限制。我们的目标是在隐藏人群中实施和评估webRDS。方法和设计:这项横断面研究于2011年2月18日至4月12日在越南的MSM中进行。入选标准为18岁及以上的男性,曾与另一名男性发生性关系,并居住在越南。参与者被一位MSM朋友邀请,登录并回答了一项调查。参与者可以招募最多四个MSM朋友。我们通过其在产生持续招募方面的成功以及样本组成随样本量增加而稳定的程度来评估该系统。结果:20名起始参与者在24次招募波中产生了676名参与者。分析未显示因不合格参与导致偏倚的证据。估计平均年龄为22岁,82%来自两个大都市地区。63个省中有32个省派代表参加。在过去的六个月里,性伴侣的中位数是两个。样品组成对于17个变量中的16个稳定良好。结论:研究结果表明,webRDS可以在越南使用互联网的MSM中以较低的成本实施。WebRDS可能是一种很有前途的方法,抽样使用互联网的MSM和其他隐藏的群体。关键词:受访者驱动抽样,在线抽样,男男性行为者,越南,性风险行为
2012-06-08 stat.ME
Network Model-Assisted Inference from Respondent-Driven Sampling Data
响应者驱动抽样是一种通过社交网络上的链接追踪对难以接触的人群进行抽样的方法。从一个方便的样本开始,每个抽样的人都会得到一小部分唯一标识的优惠券,分发给目标人群的其他成员,使他们有资格参加研究。这可以是从许多种群中收集大量不同样本的有效手段。从这些数据中进行推断需要专门的技术,原因有二。与标准抽样设计不同,抽样过程部分超出了研究人员的控制,部分隐含定义。因此,通常不可能直接计算传统的基于设计的推理所需的采样权重。任何基于似然性的推理都需要对复杂的采样过程进行建模,通常从方便的样本开始。我们引入了一个模型辅助的方法,从而在一个基于设计的估计,利用工作模型的人口结构进行抽样。我们证明了新的估计量相比现有的估计量具有更好的性能,并且能够调整初始样本选择引起的偏差。我们提出了敏感性分析未知的人口规模和误设定的工作网络模型。我们开发了一个自助程序来计算不确定性的措施。我们应用该方法估计在乌克兰的注射毒品使用者(IDU)的人口中的艾滋病毒流行率,并展示它如何可以扩展到包括应用程序的特定信息。
2011-08-01 stat.ME
Binary regression analysis with network structure of respondent-driven sampling data
响应者驱动抽样(RDS)是一种从难以接触的人群中抽样的程序。它已在一些国家广泛使用,特别是在监测艾滋病毒/艾滋病和其他性传播感染方面。难以接触到的人群在此类流行病的动态中发挥着关键作用,必须为旨在遏制其传播的循证举措提供信息。在本文中,我们提出了一个简单的测试网络依赖的二进制响应变量。我们估计响应变量的患病率。我们还提出了一个二元回归模型,考虑到RDS结构,这是包括在模型中,通过一个潜在的随机效应与相关结构。拟议的模式是说明在RDS研究艾滋病毒和梅毒的男性发生性行为的男子在坎皮纳斯(巴西)。
2012-06-25 stat.AP stat.ME
Modeling and Analysing Respondent Driven Sampling as a Counting Process
调查对象驱动抽样(RDS)是一种抽样设计和分析方法,它利用连接目标人口成员的社会关系网络,使用连锁推荐方法来促进抽样。RDS通常会导致有偏见的抽样,有利于有很多熟人的参与者。朴素的估计,如样本平均值,没有对抽样偏差进行校正,本身也会有偏差。为了弥补这种偏见,目前的方法建议采用反度加权,其中“度”是熟人的数量。这源于RDS的基本假设,即对个体进行采样的概率与其程度成正比。由于这个假设是脆弱的,我们建议利用额外的信息封装在招聘的时间,到一个基于模型的推理框架RDS。这些信息通常由研究人员收集,但被忽视。我们适应流行病过程中的推理方法来估计人口规模,度计数和频率。虽然这些数量本身提供了有价值的信息,但它们最终会消除其他估计值(如疾病的患病率)的偏差。我们的方法的一个基本优势是,基于模型,它使所有的假设的数据生成过程明确。这使得验证的假设,极大似然估计,协变量的扩展,和模型选择。我们发展渐近理论,证明一致性和渐近正态性。我们进一步比较这些估计标准的反度加权通过模拟,并使用真实世界的数据。在这两种情况下,我们发现我们的估计优于目前的方法。我们提出的模型中的似然问题是凸的,因此有效地解决。我们实现这些估计在一个R包,和弦,可在CRAN。
2015-08-18 stat.ME
Clustering Network Tree Data From Respondent-driven sampling with application to opioid users in New York City
有很大的兴趣,找到有意义的子组的属性网络数据。有许多可用的方法来聚类完整的网络。不幸的是,许多网络数据是通过采样收集的,因此是不完整的。响应者驱动抽样(RDS)是一种广泛使用的方法,用于对难以接触的人群进行抽样,该方法基于跟踪潜在未观察到的社交网络中的链接。因此,所得到的数据具有表示网络的子样本的树结构以及许多节点属性。在本文中,我们介绍了一种方法来调整混合模型的一般网络聚类采样RDS。我们将我们的模型应用于纽约市阿片类药物使用者的数据,并检测反映干预活动感兴趣的群体特征的社区,包括药物使用模式,社会联系和其他社区变量
2020-08-08 cs.SI stat.ME
Respondent-driven Sampling on Directed Networks
在研究注射吸毒者或男男性行为者等隐蔽人群时,答复者驱动抽样是一种常用的随机抽样替代方法,因为对这些人群没有已知的抽样框。该方法是雪球样本方法的一个扩展,并且在满足某些假设的情况下,可以生成无偏的总体估计。一个不太可能被满足的关键假设是,招聘过程发生的熟人网络是无定向的,这意味着所有招聘人员都应该有可能被他们招聘的人招聘。在这里,我们调查的潜在偏见的直接模拟RDS真实和人工网络结构。我们表明,导向性很可能产生偏见,无法补偿,除非抽样的个人知道有多少可能已经招募他们(即他们的入度),这是不太可能在大多数情况下。基于一个已知的参数,我们提出了一个估计RDS的有向网络时,只有出度观察。通过比较现有的RDS估计器在不同结构网络上的性能,我们发现我们的新估计器,以及最近的估计器,它需要人口规模作为一个已知的数量,有相对较低的估计误差和偏差。基于我们的新估计,敏感性分析可以通过改变已知参数的值,以考虑网络的方向性和报告度的误差的不确定性。最后,我们开发了一个新的估计量的自助程序,以构建置信区间。
2012-04-29 stat.ME
On the impossibility of constructing good population mean estimators in a realistic Respondent Driven Sampling model
目前的方法,从受访者驱动抽样(RDS)收集的数据的人口平均估计是基于霍维茨-汤普森估计连同一组假设的抽样模型下,包含概率可以确定从数据中包含的信息。在本文中,我们认为,这样的一套假设是过于简单,是现实的,在现实的抽样模型,情况要复杂得多。具体来说,我们研究了一个现实的RDS采样模型,是由现实世界的RDS数据集的动机。我们表明,对于这个模型,包含概率,这是必要的应用程序的Horvitz-Thompson估计,不能单独由样本中的信息来确定。这意味着,除非获得有关底层人口网络的额外信息,否则从目前的RDS数据中设想人口均值估计的一般理论是无望的。
2014-11-07 stat.AP stat.ME
Diagnostics for Respondent-driven Sampling
应答者驱动抽样(RDS)是一种广泛使用的方法,用于从难以接触的人群,特别是艾滋病毒/艾滋病风险最高的人群中进行抽样。数据是通过同行推荐过程收集的,在这个过程中,现有的样本成员利用现有的社交网络招募更多的样本成员。RDS已被证明是在许多困难环境中收集数据的实用方法,并已被世界各地的主要公共卫生组织采用。不幸的是,从RDS数据的推断需要许多强有力的假设,因为抽样设计是不完全知道,部分是超出了研究人员的控制。在本文中,我们介绍了诊断工具的基础RDS推理的假设。我们还将这些诊断应用于对12个艾滋病毒/艾滋病风险增加的人群的案例研究。我们开发这些诊断方法是为了使RDS研究人员能够更好地理解他们的数据,并鼓励未来对RDS的统计研究。
2012-09-27 stat.AP stat.ME
Partially Directed Configuration Model with Homophily and Respondent-Driven Sampling
针对经典RDS推断假设无向网络而忽略有向性与同质性的问题,本文提出部分有向同质性配置模型及两种RDS抽样过程数学表示,模拟表明其能改善患病率估计。
2025-03-18 stat.AP stat.ME
New randomized response technique for estimating the population total of a quantitative variable
本文提出了一种新的旨在保护被访者隐私的随机应答技术。它被设计用于估计数量特征的总体总数或总体均值。它为受访者提供了高度的保护,因此它可能会被他们有利地感知,并增加他们的合作意愿。受访者并没有透露所调查的特征的真实值,而是只说明该值是否大于(或小于)他/她随机选择的一个数字,而采访者并不知道。对于每个受访者,这个数字,一种个人的阈值,是从均匀分布中产生的伪随机数。此外,所提出的技术的两个修改。第一个修改假设访问者也知道所生成的随机数。第二项修改涉及的问题是,对于某些变量,如收入,答复者报告的数值过高或过低可能会令人尴尬。因此,根据伪随机下限的值,回答者被问到不同的问题,以避免尴尬。建议的方法是详细适用于简单随机抽样没有更换,但它也可以适用于许多目前使用的抽样方案,包括整群抽样,两阶段抽样等模拟结果说明了所提出的程序的行为。
2021-01-22 stat.ME
Multiple seed structure and disconnected networks in respondent-driven sampling
响应者驱动抽样(RDS)是一种特别适合于对隐藏总体进行抽样的链接追踪抽样方法。RDS结合了一个有效的雪球型抽样方案与推理程序,产生无偏的人口估计的抽样程序和人口结构的一些假设。几个种子个体通常用于启动RDS招募。然而,标准RDS估计理论假设所有样本个体仅来自一个种子。我们提出了一个估计,基于一个随机游动与隐形传态,这占RDS的多种子结构。新的估计也可以用于断开的社交网络的人口。我们数值评估我们的估计通过模拟人工和真实的网络。我们的估计优于以前的估计,特别是当样本中的种子的比例很大。我们建议我们的新估计用于RDS研究,特别是当种子数量很大或人口的社会网络断开。
2016-03-14 cs.SI physics.soc-ph stat.ME
Linked Ego Networks: Improving Estimate Reliability and Validity with Respondent-driven Sampling
应答者驱动抽样(RDS)是目前广泛用于HIV/AIDS相关高危人群研究的方法。然而,最近的研究表明,传统的RDS方法可能会产生很大的差异,并可能严重偏差,因为RDS背后的假设很少完全满足在现实生活中。为了提高RDS研究中的估计,我们提出了一种新的方法来产生估计与自我网络数据,这是通过询问RDS受访者的个人网络的组成,如“你的朋友结婚的比例是多少?".通过对男同性恋者的真实社会网络以及具有不同结构特性的人工网络进行模拟,我们表明新的估计器RDSI^{ego}比传统的RDS估计器表现出更好的性能。重要的是,RDSI^{ego}表现出很强的鲁棒性的偏好的同伴招聘和网络结构属性的变化,如同质性,活动比,社区结构。传统RDS估计的偏差有时可能高达10%~ 20%,而所有RDSI^{ego}估计的偏差都被很好地限制在2%以下。积极的结果,鼓励研究人员收集自我网络数据的利益的变量RDS,难以访问的人群和一般人群时,随机抽样是不适用的。RDSI^{ego}的局限性是通过模拟RDS来评估的,假设不同的报告误差水平。
2012-10-16 physics.data-an stat.ME
Network Structure and Biased Variance Estimation in Respondent Driven Sampling
本文探讨了被访者驱动抽样(RDS)中抽样方差估计的偏差问题。以前的RDS方法学工作集中在其有问题的假设和偏差和效率低下的人口平均估计。尽管如此,研究人员只给予轻微的关注,估计抽样方差RDS的主题,尽管方差估计的重要性,置信区间和假设检验的建设。在本文中,我们表明,RDS抽样方差的估计依赖于一个关键的假设,即网络是一阶马尔可夫(FOM)的因变量的利益。我们证明,通过直观的例子,数学概括,和计算实验,目前的RDS方差估计将总是低估RDS在不符合FOM假设的经验网络的人口抽样方差。对Facebook和Add Health的215个大学和学校网络的分析表明,我们分析的每个经验网络都违反了FOM假设,这些违反行为导致了抽样方差的RDS估计值存在很大偏差。我们提出并测试了两种替代方差估计,显示出一定的承诺,减少偏见,但也说明了估计抽样方差的限制,只有部分信息的底层人口社会网络。
2015-12-04 cs.SI stat.AP stat.ME
Random Walks on Directed Networks: Inference and Respondent-driven Sampling
受访者驱动抽样(RDS)是一种经常用于估计难以接触人群的人群属性(例如性风险行为)的方法。它结合了一个有效的修改雪球抽样方法的估计程序,产生无偏的人口估计的假设下,抽样过程的行为就像一个随机游动的社会网络的人口。目前的RDS估计方法假设社交网络是无向的,即所有边缘都是相互的。然而,经验社交网络一般也有非互惠的优势。为了说明这一事实,我们开发了一个新的估计方法RDS在有向边的基础上有向网络上的随机游动的存在。我们区分有向和无向的边缘,并考虑的可能性,随机游动返回到其当前位置在两个步骤通过无向边缘。我们得出的估计的选择概率的个人作为一个函数的数量的外向边缘的采样个人。我们在人工和经验网络上评估了所提出的估计器的性能,以表明它们通常比现有方法表现得更好。当网络中有向边的分数很大时,情况尤其如此。
2013-08-16 cs.SI physics.soc-ph stat.ME
Estimating Hidden Population Size using Respondent-Driven Sampling Data
响应者驱动抽样(RDS)是一种在难以接触的人群中进行抽样设计和推断的方法。通常,没有抽样框架,很难从更广泛的抽样框中确定或招募人口成员。常见的例子包括注射毒品使用者、男男性行为者和女性性工作者。大多数RDS数据的分析都集中在估计总体特征,如疾病患病率。然而,RDS通常是在人口规模未知和具有很大独立利益的环境中进行的。本文提出了一种方法来估计的基础上通过RDS收集的数据的目标人群的大小。所提出的方法使用一个连续的采样近似RDS利用信息的有序序列中观察到的个人网络的大小。推理使用贝叶斯框架,允许将先验知识。一个灵活的类的人口规模的先验提出了艾滋病启发。一个广泛的模拟研究提供了深入了解的性能的方法估计人口规模在广泛的条件下。进一步的研究表明,该方法也提高了聚集体特征的估计。一个特定的选择的先验产生良好的频率属性的区间估计。最后,该方法显示出合理的结果时,用于估计在萨尔瓦多的两个城市的艾滋病毒的风险最高的亚人群的数量。
2012-09-27 stat.AP stat.CO stat.ME
Identification of homophily and preferential recruitment in respondent-driven sampling
响应者驱动抽样(RDS)是一种链接追踪程序,用于调查隐藏或难以接触的人群,其中受试者通过他们的社交网络招募其他受试者。在网络中检测流行病学特征的聚类或依赖性是一个重要的研究兴趣,但研究人员对RDS研究的数据是否能揭示这一点存在分歧。RDS研究中,招聘者和被招聘者的特征依赖性有两种不同的机制:同质性,个人倾向于与其他表现出相似特征的人分享社会联系,以及优先招募,招募者不会从他们的可用分身中随机招募。RDS研究中网络同质性和优先招募的不同影响一直是RDS方法学研究和隐藏人群健康风险社会背景实证研究的混乱来源。在本文中,我们给出了严格的同质性和优先招聘的定义,并表明,既不能精确地测量在一般的RDS研究。我们推导出同质性和优先招聘的非参数识别区域,并表明这些参数是不确定的点,除非网络采取退化的形式。结果表明,同质性或招聘偏见的实证RDS研究测量的索赔可能是不可信的。我们应用我们的识别结果,涉及网络人口普查和RDS在哈特福德,CT注射吸毒者的人口研究。
2015-11-17 stat.AP stat.ME
Reinforcement Learning for Respondent-Driven Sampling
本文提出基于强化学习的自适应受访者驱动抽样设计,通过动态定制激励以最大化累积效用,并开发相应事后推断方法,证明其更高效、成本更低且能揭示隐藏人群社会结构。
2025-01-02 math.ST stat.ME stat.TH
New Survey Questions and Estimators for Network Clustering with Respondent-Driven Sampling Data
受访者驱动抽样(RDS)是一种流行的方法,用于对难以调查的人群进行抽样,该方法通过同行招募来利用社交网络联系。虽然RDS最常用于估计感染的流行率和对公共卫生感兴趣的危险行为,如艾滋病毒/艾滋病或安全套的使用,但它很少用于推断这些人群中社交网络的结构特性,因为它通常不会收集必要的数据。利用计算机科学的最新进展,我们介绍了一组数据收集工具和RDS估计网络聚类,一个重要的拓扑属性,已链接到网络的信息,疾病和健康行为的扩散潜力。我们使用模拟来探索这些估计,最初开发的计算机网络的随机游走样本,执行时,适用于RDS样本的特点,在现实的现场设置,离开随机游动。特别是,我们探讨了多个种子的影响,没有与替换,分支链,不完美的反应率,优先招聘,和误报的关系。我们发现,聚类系数估计保留理想的属性在RDS样本。本文采取了重要的一步计算网络特征使用非传统的抽样方法,它扩展了RDS的潜力,告诉研究人员更多关于隐藏的人口和社会因素驱动的疾病流行。
2016-10-21 cs.SI physics.soc-ph stat.ME
Power analysis for a linear regression model when regressors are matrix sampled
多重矩阵抽样是一种调查方法技术,它随机选择一个相对较小的项目子集向调查受访者提供,以减轻受访者的负担。产生的数据是完全随机缺失的(MCAR),在线性回归和其他多元统计分析中应使用特殊的缺失数据技术。我们推导出回归参数估计值的渐近方差,使我们能够对通过多矩阵抽样设计获得的数据拟合的线性回归模型进行功效分析。这些想法是通过大五心理特质清单的一个变体来证明的。回归参数空间的探索表明,不稳定的样本量的要求,和大量的损失与矩阵采样回归的精度。非正态数据的模拟表明了半参数多重插补方案的优点。
2017-09-30 stat.ME stat.OT
Asymptotic Seed Bias in Respondent-driven Sampling
响应者驱动抽样(RDS)通过激励抽样个体将其联系人推荐到样本中来收集网络人群中的个体样本。该迭代过程从一些种子节点初始化。有时,这种选择会产生大量的种子偏见。其他时候,种子偏差很小。本文通过描述其对各种RDS估计的极限分布的影响,对这种偏差有了更深入的了解。利用经典工具和多类型分支过程的结果(Kesten和Stigum,1966),我们证明了广义最小二乘(GLS)估计的种子偏差可以忽略,而逆概率加权和Volz-Heckathorn(VH)估计的种子偏差不可忽略.特别地,我们证明了(i)在临界阈值以上,VH收敛到非平凡的混合分布,其中混合分量取决于种子节点,并且混合分布可能是多峰的。此外,(ii)GLS收敛到高斯分布的种子节点无关,在一定条件下的马尔可夫过程。模拟数据和经验社交网络的数值实验表明,这些结果似乎持有超出马尔可夫条件的定理。
2019-08-21 cs.SI math.PR math.ST
Reducing Seed Bias in Respondent-Driven Sampling by Estimating Block Transition Probabilities
受访者驱动抽样(RDS)是一种流行的方法来研究边缘化或难以接触的人群。它通过激励参与者将他们的朋友推荐到研究中来,从网络人群中收集样本。分析RDS样品的一个主要挑战是种子偏倚。种子偏差是指当社交网络被划分为多个社区(或区块)时,RDS样本可能无法平衡地代表人口中的不同社区,这种不平衡与初始参与者(或种子)相关。在这种情况下,估计量的分布通常是非平凡的混合,这是由(1)种子和(2)参考如何从一个块过渡到另一个块来确定的。本文表明:(1)块-转移概率容易估计,精度高;(2)我们可以用这些估计的块-转移概率来估计块上的平稳分布,从而估计块比例。在RDS文献中,以前曾使用这种块上的固定分布来评估采样过程是否出现“混合”。我们使用这些估计块比例在一个简单的后分层(PS)估计,大大减少种子偏差。通过以这种方式聚集在块/层,我们证明了PS估计是$\sqrt{n}$ -马尔可夫模型下一致的,即使当其他估计不是。仿真结果表明,PS估计具有较小的均方根误差(RMSE)相比,国家的最先进的估计。
2018-12-04 cs.SI math.PR math.ST
Central limit theorems for network driven sampling
响应者驱动抽样是一种流行的隐藏人口抽样技术。本文将响应者驱动抽样模型化为一个由树索引的马尔可夫过程。我们的主要结果表明,Volz-Heckathorn估计是渐近正常的临界阈值以下。关键的技术难点来自于(i)样本之间的依赖性和(ii)表征依赖性的树结构。定理允许树的增长率超过1,并建议这个增长率不应该太大。为了说明这些结果的有用性超出其明显的用途,一个例子表明,在某些情况下,样本平均值是更可取的逆概率加权。我们提供了一个检验统计量来区分这两种情况。
2016-08-28 math.ST stat.ME stat.TH
Estimating Policy Effects in a Social Network with Independent Set Sampling
本文提出将独立集网络抽样与SAOM结合的策略,以隔离政策直接效应并估计净效应,模拟验证了其有效性。
2024-10-29 cs.SI stat.ME
One-step Estimation of Networked Population Size: Respondent-Driven Capture-Recapture with Anonymity
当已知隐藏和难以接触的人口有不成比例的健康问题或对他们所处的较大环境人口构成健康风险时,对这些人口的人口规模估计就特别重要。得出规模估计数的努力往往因一系列妨碍常规调查战略的因素而受挫,这些因素包括与群体成员身份或成员参与非法活动有关的社会耻辱。本文扩展了以前的研究网络人口规模估计的问题,建立在既定的调查/抽样方法,常用的难以达到的群体。三个新的一步,基于网络的人口规模估计,用于均匀随机抽样,响应驱动抽样的背景下,当网络表现出显着的聚类效应。可证明的充分条件,这些估计的一致性(在大型配置网络)。在广泛的合成网络拓扑结构的仿真实验验证的估计,这被认为是一个现实世界的基于位置的社交网络数据集具有显着的聚类表现良好的性能。最后,所提出的计划进行了扩展,允许他们被用于设置参与者匿名是必需的。系统的实验表明,匿名性保证和估计性能之间的有利权衡。综上所述,我们证明了合理的人口估计可以从匿名受访者驱动的样本250-750人,周围人口5000 - 40000。因此,该方法代表了一种新颖的和具有成本效益的手段,卫生规划人员和那些机构与健康和疾病监测估计隐藏人口的规模。最后一节讨论了局限性和今后的工作。
2017-10-11 cs.SI math.CO stat.ME
Evaluating and Optimizing Network Sampling Designs: Decision Theory and Information Theory Perspectives
一些最常用的隐式利用社交网络的采样机制取决于调优参数;例如,响应者驱动采样(RDS)由种子数量和最大引用数量指定。我们感兴趣的问题,优化这些采样机制相对于他们的调谐参数,以优化人口数量的推断,其中这样的数量是网络的函数和在节点处进行的测量。这是通过依次用决策论和信息论来阐述问题来实现的。我们讨论如何在本文中讨论的方法,通过理论结果,其他形式主义,旨在比较抽样设计,即充分性和Goel-DeGroot准则。不同的网络采样机制的优化过程中示出通过模拟的贝叶斯临床试验的方式。
2019-12-05 stat.ME
Improved Randomized Response Technique for Two Sensitive Attributes
本文推广了Mangat(1994)的工作,提出了新的更有效的估计量,用于估计调查抽样中属于两个相关敏感属性的被调查者的总体比例。随着拥有敏感属性的人口比例的增加,我们提出的估计比Lee et al(2013)简单和交叉模型估计更有效。
2016-01-03 stat.ME
A general class of regression type estimators in systematic sampling under non-response
本文提出了无响应下系统抽样中利用辅助信息估计总体均值的一类广义修正回归型估计。推导了一阶近似下的偏差和均方误差的表达式。数值研究包括支持的理论结果。
2013-06-26 stat.ME
Probability Weighted Clustered Coefficients Regression Models in Complex Survey Sampling
针对复杂抽样调查中不同领域关系存在差异导致现有方法失效的问题,提出基于成对惩罚的统一框架,利用交替方向乘子法求解以研究分组协变量效应,并在理论和数值实验中验证了其在群体识别和估计效率上的优越性。
2024-09-23 stat.ME
Scalable Bayes under Informative Sampling
美国劳工统计局根据信息抽样设计,使用调查工具收集数据,将纳入的概率与答复相关联。该局广泛使用贝叶斯分层模型和后验抽样来估算响应水平数据中的缺失项,并推断人口参数。基于信息设计收集的调查数据的后验抽样在计算上是昂贵的,并且不支持局的生产时间表。出于这个问题,我们提出了一种新的方法来衡量贝叶斯计算的信息抽样设计。我们的方法将数据划分为较小的子集,对每个子集并行执行后验采样,并通过它们在2阶Wasserstein空间中的均值将来自所有子集的后验样本集合组合起来。在理论上,我们构造了一类抽样设计的条件,所提出的方法的后验一致性实现。从经验上讲,我们证明了我们的方法与传统方法相比具有竞争力,同时在许多模拟和该局进行的当前就业统计调查中显着更快。
2017-10-24 stat.ME
Silicon Sampling via Cross-Survey Transfer
National Sun Yat-sen University(国立中山大学);National Chung Hsing University(中国台湾国立中兴大学)
研究提出跨调查转移评估框架,用大语言模型根据部分问题答案预测同调查中其他不同问题答案。利用2024年台湾选举与民主化研究数据等,发现零样本大语言模型精度及不同结构可预测性层级等,明确硅采样前景与局限。
2026-07-07 cs.AI cs.CL cs.CY
Bayesian Inference from Non-Ignorable Network Sampling Designs
考虑一个由个体组成的群体和一个编码了他们之间社会联系的网络。我们感兴趣的是从样本中对有限总体和超总体被估量进行推断,这些被估量是个体响应和网络响应的函数。抽样框和网络均不可用。然而,抽样机制隐含地利用网络来招募个体,从而部分揭示样本中个体之间的社会互动以及他们的反应。这是流行病学和医疗保健等领域常见的情况,使用联系追踪机制,包括响应者驱动的抽样,从难以接触到的人群中收集样本。在本文中,我们研究流行的网络抽样机制的统计特性。我们制定的估计问题,鲁宾的推理框架,明确占社会网络结构。然后,我们确定的关键建模元素,导致良好的频率属性的推断时,处理通过非可重复网络采样机制收集的数据。我们证明了这些方法对艾滋病毒在巴西的发病率的研究
2016-12-10 stat.ME
New estimates for network sampling
网络抽样在世界各地用于调查脆弱、难以接触的人群,包括有艾滋病毒、阿片类药物滥用和新出现的流行病风险的人群。抽样方法包括跟踪社会联系,以增加新的人的样本。目前这些调查的估计是不准确的,偏差和均方误差很大,置信区间也不可靠。新的估计在这里引入消除几乎所有的偏差,有更低的均方误差,并使置信区间具有良好的性能。通过避免对总体网络和设计的不切实际的假设,而是使用样本网络数据的拓扑结构以及实际使用的抽样设计来实现改进。在模拟使用真实网络的风险人口,新的估计消除了几乎所有的偏差,并有均方误差是2至92倍低于目前的估计。新的估计是有效的,与各种各样的网络设计,包括那些具有强烈限制的分支,如响应者驱动的抽样和自由分支设计,如雪球抽样。
2020-02-02 stat.ME
A new Monte Carlo sampling in Bayesian probit regression
本文从贝叶斯的角度研究了概率单位回归问题,并给出了当回归参数的先验分布为均匀分布时的后验分布的另一种形式。这种新的形式允许简单的蒙特卡罗模拟的后,而不是MCMC模拟研究的文献中,因此可能是更有效的计算。我们还提供了第一时刻和第二时刻的替代显式表达式。此外,我们提供类似的结果高斯先验。
2012-03-14 stat.ME
A Scalable Blocked Gibbs Sampling Algorithm For Gaussian And Poisson Regression Models
马尔可夫链蒙特卡罗(MCMC)方法是贝叶斯统计建模中的一种流行技术。它们长期以来一直被用于从后验分布中获取样本,但最近的研究集中在这些技术对大型问题的可扩展性上。我们不开发新的采样方法,而是描述了一个阻塞吉布斯采样器,这是足够的可扩展性,以适应许多有趣的问题。我们所描述的采样器适用于广义线性混合效应模型(GLMM)的一个受限子集;这个子集包括泊松和高斯回归模型。分块吉布斯抽样步骤联合更新先验方差参数及其下的所有随机效应。我们还讨论了灵活的先验分布等扩展。
2016-01-30 stat.ME
Generalized Linear Models for Longitudinal Data with Biased Sampling Designs: A Sequential Offsetted Regressions Approach
在研究罕见(二元)或低变异性(连续)终点时,偏倚抽样设计可以非常有效。我们考虑纵向数据设置,其中被采样的概率取决于通过结果相关的辅助变量重复测量的响应。这种辅助变量或结果依赖性采样改善了观察到的反应,并可能比随机采样的暴露变异性,{即使}辅助变量不是科学的兴趣。{For分析,}我们提出了一个广义线性模型为基础的方法,使用序列的两个偏置回归。第一种方法使用偏移逻辑斯谛回归模型估计辅助变量与响应和协变量数据的关系。偏移取决于辅助变量的不同值的采样概率的(假定的)已知比率。辅助模型的结果用于估计以响应和协变量为条件的采样的观察特异性概率,然后使用这些概率来解释第二个目标人群模型中的偏倚。我们提供了渐近标准误占不确定性的辅助模型的估计,并进行模拟研究,证明大量的偏差减少,正确的覆盖概率,并提高了设计效率超过简单随机抽样设计。我们用两个例子来说明这种方法。
2020-01-13 stat.ME
Inverse Sampling of Degenerate Datasets from a Linear Regression Line
当线性回归生成(相关)标量响应与一个或多个自变量之间的关系时,提供不同图形趋势的各种数据集可以基于相同的统计特性发展类似的关系。先进的统计方法,如神经网络和机器学习方法,是非常必要的处理,表征和分析这些退化的数据集。另一方面,在应用统计学的研究和教育中,精确地创建纯退化数据集对于测试新模型是必不可少的。在这种情况下,本研究的特点,著名的Anscombe数据集,并提供了一个通用的算法,用于创建多个配对的数据集相同的统计属性。
2021-08-25 stat.ME
Regression Analysis with Response-biased Sampling
响应有偏抽样是根据响应变量的值从总体中抽取样本的一种抽样方法,在生物医学、流行病学、经济学和社会学研究中很常见。特别地,在某些条件下,删失、截断或缺失协变量的数据中的完全观测值可被视为响应有偏抽样。本文提出将计量经济学中称为广义加速失效时间模型的转换模型用于有偏响应抽样的回归分析。在误差分布未知的情况下,变换模型的范围很广,足以涵盖线性回归模型、Cox模型和比例优势模型等特殊情况。据我们所知,除了病例-对照逻辑斯谛回归外,文献中没有报道前瞻性估计方法可以在不作任何修改的情况下适用于有偏抽样。本文证明了最大秩相关估计对于有偏响应抽样是有效的,并建立了它的相合性和渐近正态性。与逆概率方法不同的是,所提出的估计方法不涉及抽样概率,这在实践中往往很难获得。该方法不需要估计未知的变换函数和误差分布,易于用Nelder-Mead单纯形算法实现,不需要凸性或连续性。我们提出了一个使用随机加权的推理过程,以避免复杂的密度估计时,使用插件规则的方差估计。数值研究与支持性证据。应用程序说明与福布斯全球2000年的数据和斯坦福大学的心脏移植数据。
2014-12-20 stat.ME
A Correlated Network Scale-up Model: Finding the Connection Between Subpopulations
聚合关系数据(ARD),由“你知道多少个X?”“问题,是一个强大的工具,学习重要的网络特征与不完整的网络数据。与传统的调查方法相比,ARD很有吸引力,因为它不需要目标人群的样本,也不要求受访者自我透露自己的状况。这对于研究难以接触的人群很有帮助,比如女性性工作者,她们可能不愿意透露自己的身份。2008年12月至2009年2月,基辅国际社会学研究所(KIIS)从10,866名受访者中收集了ARD,以估计乌克兰艾滋病毒相关群体的规模。为了分析这些数据,我们提出了一个新的ARD模型,该模型将受访者和组协变量纳入回归框架,并包括一个组间相关的偏倚项。我们还介绍了一个新的缩放过程,利用相关结构,以进一步减少偏见。由此得出的艾滋病毒感染风险最高人群的规模估计数可以提高乌克兰艾滋病毒应对工作的效率。此外,所提出的模型使我们能够更好地理解两个网络特征,而无需完整的网络数据:1。哪些特征影响受访者认识的人,以及2。认识一个群体的人与认识其他群体的人有什么关系?这些功能可以让研究人员更好地招募边缘化的个人进入预防和治疗计划。我们提出的模型和几个现有的NSUM模型在networkscaleup R包中实现。
2022-11-01 stat.AP stat.ME
Optimal integrating learning for split questionnaire design type data
在数据科学时代,经常会遇到针对不同情况获得的具有不同变量子集的数据。其中一个例子是问卷分拆设计(SQD),通过将问卷的不同子集分配给不同的抽样受访者,以减少受访者的疲劳和提高回复率。然后,一般的问题是如何基于这样的逐块观测数据来估计回归函数。目前,这通常是在缺失数据方法的帮助下进行的,不幸的是,这可能会遭受密集的计算成本,高可变性,以及在实际应用中可能存在的大的建模偏差。在这篇文章中,我们开发了一种新的方法来估计回归函数的SQD型数据。我们首先分别使用可用的数据块构建一个候选模型列表,然后适当地组合估计以有效地利用所有信息。我们证明了所得到的平均模型是渐近最优的,在这个意义上,平方损失和风险是渐近等价的最好的,但不可行的平均估计。模拟的例子和应用程序的SQD数据集从欧洲社会调查显示所提出的方法的承诺。
2021-08-06 stat.AP stat.ME
Efficient Gibbs Sampling in Cox Regression Models Using Composite Partial Likelihood and Pólya-Gamma Augmentation
National Institute of Infectious Diseases(国立感染症研究所)
针对Cox回归贝叶斯方法基线风险建模复杂、计算低效的问题,提出GS4Cox全吉布斯采样器,结合广义贝叶斯框架、复合部分似然、Pólya-Gamma增强及仿射校准,实现高效采样并提升估计性能。
2025-11-18 stat.ME
Estimation of logistic regression parameters for complex survey data: a real data based simulation study
针对复杂调查数据中逻辑回归参数估计是否使用抽样权重的问题,通过基于真实数据的模拟研究比较三种方法,结果表明加权逻辑回归模型更优,凸显了抽样权重的重要性。
2023-03-03 stat.ME
A Stochastic EM Algorithm with Sampling-Importance Resampling for Missing Data in Regression with Nonlinear Predictors
UCLA Department of Statistics & Data Science(加州大学洛杉矶分校统计与数据科学系)
针对非线性预测变量回归中的缺失数据问题,提出基于采样重要性重采样的随机EM算法(SIR-StEM),仅需似然成比例即可处理任意非线性变换,模拟显示低偏差且覆盖率接近名义水平。
2026-09-22 stat.ME
Sample-split REGression SREG: A robust estimator for high-dimensional survey data
本文提出SREG估计量,通过K折交叉拟合消除高维辅助变量下的偏差,证明其渐近正态性和一致性,验证了简单随机、分层和拒绝性采样下的条件波动假设。
2026-04-08 stat.ME
Binary Outcome Copula Regression Model with Sampling Gradient Fitting
用copula对多元高斯假设下的变量相关性建模。本文首先对具有连续响应的copula回归模型进行了实证研究。给出了仿真研究和实际数据研究。其次,我们给出了一个新的二元copula回归模型,并提出了一种分数梯度估计算法来拟合该模型。对模型和拟合算法进行了仿真研究和实际数据研究。
2021-01-03 stat.AP stat.ME
Simple estimators for network sampling
提出了一种新的网络抽样设计估计方法,包括响应者驱动抽样(RDS)和雪球抽样(SB)。这些类型的链接追踪设计对于隐藏人群的研究至关重要,例如艾滋病毒风险人群。新方法背后的简单思想是对样本网络数据运行快速抽样过程,以估计实际调查的包含概率,并将其纳入人口均值和比例的不等概率估计中。通常的RDS和SB设计的改进版本也被提出,称为RDS+和SB+,以获得更多的样本内链接的信息。在使用科罗拉多斯普林斯研究艾滋病毒异性传播的网络进行的模拟中,新的估计量在大多数情况下产生的偏差和均方都低于当前方法。对于具有最大均方误差与当前估计的变量,改进与新的估计是戏剧性的。使用增强型设计版本后,估计值得到了更大的改善。对于总体平均度的估计,用新方法估计的效率增益,RDS为29,RDS+为54,SB为26,SB+为80。这意味着,例如,在普通RDS设计中,新估计量的均方误差,相同的数据,是目前使用的估计量的1/29。新方法计算复杂,但速度快,规模扩大。新的估计方法可用于重新分析现有的网络调查数据。对于新的网络抽样研究,建议使用改进的设计以及新的估计量。
2019-04-22 stat.ME
Optimal multi-wave sampling for regression modelling in two-phase designs
两阶段设计涉及在已经测量了一些变量的队列子集上测量额外的变量。两阶段设计的目标是从队列中选择一个子样本,并有效地分析该子样本。得到一个能给出回归参数最有效估计的最优设计是很有意义的。在本文中,我们提出了一个多波抽样设计,以近似最优设计的设计为基础的估计。影响函数用于计算最优采样分配。我们建议使用信息先验的回归参数,以获得波-1的采样概率,因为任何预先指定的采样概率可能是远离最佳和降低效率。广义排序用于统计分析。我们表明,一个两波采样与合理的信息先验将最终与更高的精度为感兴趣的参数,并接近底层的最优设计。
2020-08-23 stat.AP stat.ME
From Estimation to Sampling for Bayesian Linear Regression with Spike-and-Slab Prior
本文针对带尖峰-厚板先验的贝叶斯稀疏线性回归,利用后验收缩性质设计了基于吉布斯采样和随机局部化的高效采样算法,并证明随机局部化采样器在数据矩阵设计不佳时优势更明显。
2023-07-09 stat.CO stat.ME stat.ML
Hierarchical Regularizers for Reverse Unrestricted Mixed Data Sampling Regressions
针对RU-MIDAS回归在高低频变量频率失配大时维度高、可用观测少的问题,提出合并高频系数并结合考虑滞后时序的稀疏凸正则化方法,在波动率预测和共享单车需求预测场景中验证了有效性。
2024-11-01 econ.EM stat.ME
Parametric bootstrapping in a generalized extreme value regression model for binary response
当我们研究代表罕见事件的二元响应变量$Y$和潜在预测变量$\mathbf{X}$之间的关系时,广义极值(GEV)回归往往更适合。特别地,我们使用GEV分布的分位数函数作为链接函数。Bootstrapping将准确性的度量(偏倚、方差、置信区间、预测误差、假设检验)分配给样本估计值。该技术允许使用随机抽样方法估计几乎任何统计量的抽样分布。Bootstrapping通过从近似分布中采样时测量估计量的属性来估计估计量的属性。本文首先对广义极值回归模型进行拟合,然后用参数Bootstrap方法检验假设,估计广义极值回归模型参数的置信区间,并给出一个实际数据应用。
2021-05-02 stat.AP stat.ME