論文「Respondent-Driven Sampling データからの多変量差別的募集に基づく推論」の技術的概要

この論文は、隠れた集団や到達困難な集団（Hard-to-reach populations）を対象とした調査手法である「Respondent-Driven Sampling（RDS、回答者駆動サンプリング）」における統計的推論の精度向上を目的とした研究です。著者らは、従来の単一変数に限定された「差別的募集（Differential Recruitment: DR）」の枠組みを超え、複数の共変量（カテゴリカルおよび連続変数）を同時に考慮する**多変量差別的募集（Multivariate Differential Recruitment: MDR）**の枠組みを提案しています。

以下に、問題提起、手法、主要な貢献、結果、および意義について詳細にまとめます。

---

1. 問題提起 (Problem)

RDS は、サンプリング枠（リスト）が存在しない集団に対して、参加者が自身の社会的ネットワークを通じて同僚を募集するチェーン・リファラル方式を用います。従来の RDS 推論は、以下の仮定に依存しています。

• ランダム募集の仮定: 参加者がネットワーク内の誰を募集するかは、その人の次数（degree）に比例する確率でランダムに行われるという仮定。
• 単一変数の DR への対応: 近年の研究では、募集がランダムではなく、特定の属性（例：性別など）に基づいて偏る「差別的募集（DR）」を考慮する手法が開発されました。しかし、既存の DR 手法は単一のカテゴリカル変数のみをモデル化できるという限界がありました。

課題:
現実の募集行動は、募集者の属性、被募集者の属性、そして両者の関係性（例：年齢差、居住地の近さ、親密さなど）など、複数の要因が同時に作用して決定されます。既存の単一変数モデルでは、これらの複合的なバイアスを適切に捉えられず、推定値に大きなバイアスが生じる可能性があります。

2. 提案手法 (Methodology)

著者らは、RDS のサンプリング過程を、ノード（個人）およびリンク（関係）の特性に依存する遷移確率を持つ**マルコフ連鎖（Markov Chain）**として再定義しました。

2.1 多変量差別的募集（MDR）モデル

• 遷移確率の定義: 参加者 $i$ が参加者 $j$ を募集する確率 $P_{ij}$ を、以下の指数関数モデルで表現します。
  $$P_{ij}^{MDR} = \frac{y_{ij} \exp(x_{ij}^\top \beta)}{\sum_{l=1}^N y_{il} \exp(x_{il}^\top \beta)}$$
  ここで、$y_{ij}$ はネットワークの隣接行列、$x_{ij}$ はノード特性（例：被募集者の年齢、性別）とダイアディック特性（例：年齢差、関係の頻度）を含む共変量ベクトル、$\beta$ は各共変量の重みを表す未知のパラメータです。
• 定常分布の導出: このマルコフ連鎖が一意の定常分布 $\pi_i^{MDR}$ を持つことを証明し、これがサンプリング確率（重み）として機能することを示しました。この分布は、ノードの特性とネットワーク構造、および推定されたパラメータ $\beta$ に依存します。

2.2 推定子の拡張

既存の RDS 推定子（Volz-Heckathorn 型および Lu 型）を MDR 枠組みに拡張しました。

• $\hat{\mu}_{MDR}^{II}$ (拡張 Volz-Heckathorn): サンプリング確率を MDR 定常分布で置き換えた Hájek 型推定子。
• $\hat{\mu}_{MDR}^{ego}$ (拡張 Lu 型): 局所的なネットワーク構成情報を活用し、MDR 重みを用いて推定する手法。
• パラメータ推定: 観測された募集データに基づき、尤度関数を最大化することで $\beta$ を推定します。

2.3 分散推定（不確実性の評価）

推定値の分散を評価するために、Yauck ら（2022）の「近隣ブートストラップ（Neighborhood Bootstrap: NB）」法を改良しました。

• 改良点: 元の NB 法ではリサンプリング後のサンプルサイズが変動する問題がありましたが、著者らはリクルーターと彼らの即時の被募集者（子供）のグループを再サンプリングする際に、元のサンプルサイズに一致するように調整するアルゴリズムを提案しました。これにより、MDR 環境下での信頼区間を構築可能にしました。

3. 主要な貢献 (Key Contributions)

1. MDR 枠組みの提案: RDS における募集バイアスを、単一変数ではなく、カテゴリカルおよび連続変数を同時に扱う多変量モデルとして定式化しました。
2. 理論的基盤の確立: MDR モデル下でのマルコフ連鎖の定常分布の存在を証明し、それに基づく推定子の導出を行いました。
3. 推定手法の拡張: 既存の RDS 推定子（VH 型、Lu 型）を MDR に対応させ、特に Lu 型推定子（$\hat{\mu}_{ego}^{MDR}$）が優れた性能を示すことを示しました。
4. 改良されたブートストラップ法: サンプルサイズを固定した改良版近隣ブートストラップ法を開発し、分散推定の信頼性を高めました。

4. 結果 (Results)

4.1 シミュレーション研究

15 種類のネットワーク（年齢に基づく同質性：homophily のレベルを調整）と、MDR の強度（なし、中程度、高）を組み合わせた 9 つのシナリオで評価を行いました。

• バイアス:
  • MDR が存在しない場合、すべての推定子はほぼ不偏でした。
  • MDR が存在する場合、ランダム募集を仮定した従来の推定子（$\hat{\mu}_{VH}^{II}$）は大きなバイアスを示しました。
  • 単一変数の DR 推定子もバイアスを示しましたが、MDR 推定子（特に $\hat{\mu}_{ego}^{MDR}$）は、同質性と MDR が共存する複雑な状況においても、最も小さなバイアスと RMSE（平均二乗誤差）を達成しました。
• 分散と信頼区間:
  • 同質性がある場合、ego 型推定子（Lu 型など）は II 型推定子よりも変動が小さく、安定していました。
  • 信頼区間の被覆率（Coverage）については、MDR 推定子が既存手法よりも高い被覆率を示す傾向があり、特に $\hat{\mu}_{ego}^{MDR}$ がバランスの取れた性能を示しました。

4.2 実データ適用（チリのベネズエラ移民調査）

チリのサンティアゴ首都圏に住むベネズエラ成人移民を対象とした RDS 調査データ（N=375）に適用しました。

• 変数: 募集者の年齢、被募集者の年齢・性別、および両者の年齢差を共変量として使用。
• 結果:
  • 元のデータセットでは、MDR の効果が比較的小さかったため、各推定子の結果は類似していました。
  • 感度分析: データを操作して MDR の効果を強めたシナリオでは、従来の推定子と MDR 推定子の間に大きな差異が生じました。特に、男性の過剰サンプリングバイアスが強い場合、MDR 推定子（$\hat{\mu}_{ego}^{MDR}$）はバイアスを補正し、より信頼性の高い推定値と標準誤差を提供しました。

5. 意義と結論 (Significance and Conclusion)

• 推論の精度向上: 従来の「ランダム募集」や「単一変数の DR」という非現実的な仮定を排し、募集行動に影響を与える多様な要因をモデルに組み込むことで、RDS による推論のバイアスを大幅に低減できます。
• 実用性: 実データへの適用により、参加者のネットワークに関する詳細な情報（年齢、性別、関係性など）を収集・分析することが、より正確な有病率や人口構成の推定に不可欠であることが示されました。
• 今後の課題: 実務的には、被募集者（alter）の詳細な共変量データが完全には観測されない場合が多く、その不確実性をどう扱うかが今後の研究課題となります。

総じて、この論文は RDS における統計的推論の限界を突破し、より現実的な社会ネットワーク構造を反映した推定手法を提供する重要な貢献を果たしています。特に、$\hat{\mu}_{ego}^{MDR}$（多変量 DR を考慮した拡張 Lu 型推定子）が、複雑なバイアス構造を持つ状況において最も堅牢な性能を示すことが実証されました。