受访者推动抽样研究隐藏人口方法与实践.docVIP

受访者推动抽样研究隐藏人口方法与实践 　　摘要：“隐藏人口”的特点是规模较小且成员一般不愿暴露身份，因此很难使用常规抽样方法对其进行研究。近年来出现了一种新的研究隐藏人口的方法――受访者推动抽样（RDS）方法，该方法在传统“雪球抽样”方法的基础上，结合社会网络分析的理论和方法，使研究者有可能根据样本对总体特征做出合理的推论。本文对RDS方法的理论渊源、基本思路、主要操作步骤和原理进行了简要介绍，并探讨了在实际操作过程中应注意的问题。 　　关键词：受访者推动抽样（RDS）　隐藏人口　研究方法 　　?お? 　　近百年来，统计学家和社会科学研究者们已经发展出较为成熟的概率抽样社会调查方法，能够通过对少量样本的分析，准确地估计和描述总体人口的基本特征，但概率抽样方法并非万能的。无论是简单随机抽样，还是后来发展起来的更为复杂的分层、整群和多阶段抽样，都有一个基本的要求，那就是对总体人口的抽样框（sampling frame）要有较为明确的界定，一旦这一条件得不到满足，常规的概率抽样方法就会遇到许多难以解决的问题。?? 　　这一问题在研究隐藏人口时表现得尤为突出。所谓隐藏人口（hidden population），指的是具有如下特征的人群：第一，该群体规模较小，在总人口中所占比例极低，而且群体的规模与边界均不清楚，因此很难找到一个好的抽样框；第二，该群体的成员常常因各种原因不情愿暴露自己的身份（Heckathorn，1997：174199）。比较常见的隐藏人口的例子有：无家可归者、吸毒者、HIV病毒阳性者、流浪艺人等等。正因为具有这些特征，按常规的概率抽样方法来对这些隐藏人口进行抽样是很困难的。原因在于，首先我们很难通过对更大范围总体人口的概率抽样来研究这些子群体，因为后者的规模通常很小，这样的抽样通常是很不经济且有偏误的。我们可以设想一个例子，假设在一个总人口为1千万人的城市中有5万名吸毒者，那么即使我们在全市总人口中抽取一个1万人的概率样本（这已经是相当大的样本了），从中可以得到的吸毒者样本也只有50人左右。如果考虑到多数吸毒者不愿透露自己吸毒的事实这一因素，实际可得的样本可能更少，依靠这么少的样本很难对吸毒者总体情况有一个准确的估计。其次，虽然最理想的方法是先确定要研究的特殊人口总体的抽样框，然后直接对他们做抽样，但问题就是这些人口的总体抽样框极难界定，这样我们几乎无法知道样本被选择的概率，从而也就无法对样本的代表性作出准确有效的估计。我们当然还可以尝试在一些特定的场所中做抽样，如到戒毒所去抽取吸毒者，但这种方法显然是有偏误的――那些不在戒毒所的吸毒者就没有可能被纳入抽样――因此无法准确反映吸毒者总体的情况。 ?? 　　为解决这一问题，研究者们尝试了各种新的方法。在本文中我们将介绍近年来出现的一种对隐藏人口进行抽样的新方法――受访者推动抽样（respondent?C??driven sampling，以下简称RDS）方法。?? 　　 　　一、理论渊源和基本思路?? 　　 　　受访者推动抽样方法由美国学者道格拉斯#8226;赫克索恩（Douglas Heckthorn，1997：174199；2001：1134）最早提出并不断发展完善，现已成为研究隐藏人口的一种重要的抽样研究方法。这一抽样方法主要与以下两者有着理论渊源：雪球抽样方法与社会网络理论。?? 　　RDS方法源自于传统的雪球抽样（snow?C??ball sampling）方法，后者原本是一种非概率抽样方法，先对总体中少数成员开始调查，再通过这些成员寻找他们所知道的符合要求的新的总体成员，样本就这样像滚雪球一般越来越大。这种方法的最大缺陷是有很大偏误，无法确保所有总体成员有相同概率被纳入样本，因此无法根据样本来推论总体的情况（风笑天，2001）。RDS方法在抽样方式上承袭了雪球抽样方法的基本形式，即由受访者不断提出新的受访者名单的连锁推荐（chain?C??referral）方式，但同时又有效地解决了抽样偏误和抽样概率未知等问题，从而可以对总体情况作出相对准确的估计。?? 　　那么RDS方法是如何解决传统雪球抽样无法推论总体特征的问题的呢？那是因为它引入了社会网络这一概念，社会网络分析（social network analysis）是一种分析社会结构的理论和方法，它将个人或群体视为一个个点，将人与人之间、群体与群体之间的联系视为一条条连线，整个社会结构就可以视为由各个点及其连线构成的一张大网络（Scott，2001）。RDS抽样方法根据社会网络理论认为，个人总是生活在一定的社会网络之中的，即使是这些隐藏人口也不可能是完全与世隔绝的原子化个体，他们之间一定也会存在由人际互动构成的社会网络。一旦我们知道了构成隐藏人口总体的社会网络的情况，我们也就可以对