نمونه‌گيري پاسخگو محور در مقايسه با ساير روش‌هاي نمونه‌گيري از جوامع پنهان

Respondent Driven Sampling Method Compared with Other Sampling Methods of Hidden Populations

نمونه‌گیری از جوامع پنهان به دلایلی چون عدم وجود چارچوب آماری مناسب همواره چالش برانگیز است. از آن‌جا كه اكثر جوامع در معرض بیماری‌های خاص، پنهان و با دسترسی سخت هستند، روش‌های نمونه‌گیری كه نمونه‌هایی معرف و كارا از این جوامع تولید نمایند، موضوع بسیاری از تحقیقات دهه‌های اخیر در سرتاسر دنیا شده است. به دلیل نامعلوم بودن احتمال انتخاب نمونه‌ها در جوامع پنهان كه در روش‌های نمونه‌گیری متداول به آن‌ها نیاز است و همچنین عدم كارایی روش‌های نمونه‌گیری غیراحتمالی به منظور تعمیم نتایج حاصل از نمونه‌ها، لزوم معرفی نمونه‌گیری ارجاع زنجیره‌ای احتمالی چون نمونه‌گیری پاسخگو محور ضروری شد. در این مقاله ضمن معرفی روش نمونه‌گیری پاسخگو محور به برخی از مزایای این روش از جمله كاهش نسبی اریبی برآوردها، امكان تقلیل نرخ بی‌پاسخی با پرداخت مشوق‌ها و تخصیص وزن متناسب با عكس اندازه شبكه اجتماعی پاسخگویان به منظور ارائه برآوردهایی نااریب پرداخته شده است. همچنین به برخی از معایب این روش شامل دست نیافتن به نمونه‌های افتراقی در صورت انتخاب هسته‌هایی همگون، عدم دستیابی به كارایی بیش از روش نمونه‌گیری گلوله برفی در صورت اجرای نادرست آن و عدم رسیدن به تعادل در صورت نبود شبكه‌های اجتماعی ضعیف میان اعضای جامعه مورد مطالعه نیز اشاره شده است. هدف دیگر این مقاله، مقایسه روش‌های نمونه‌گیری از جوامع پنهان با این روش نمونه‌گیری كه حاصل از اجرای این روش‌ها در طرح‌های مختلف و شبیه‌سازی‌های موجود است، می‌باشد.

Sampling hidden populations is challenging due to the lack of convenience statistical frames. Since most populations exposed to special diseases are hidden and hard to reach, sampling methods that produce representative and efficient samples from the populations have become a study subject for researches all over the world. Because of the unknown probability of selecting samples in conventional sampling methods and also invalidity of generalizing the results of non-probability sampling methods to the statistical population, the necessity of introducing probability chain-referral sampling methods, such as the respondent driven sampling method becomes imperative. In this article, besides introducing the respondent driven sampling method, some of the advantages of this method as relative decrease of the bias of estimates, declining the non-response rate by paying incentives and allocating weights proportional to reciprocal of the social network size of respondents to produce unbiased estimates are described. Moreover, some disadvantages of this method such as lack of producing differential samples by selecting similar seeds, lack of reaching more efficient method than snowball sampling by implementing this method improperly and lack of achieving to equilibrium by existing weak social networks among members of interested population are stated. Another aim of this article is to compare sampling methods of hidden population with the respondent driven sampling method which are the results of implementing this method in different surveys and existing simulations.