نمونهگیری از جوامع پنهان به دلایلی چون عدم وجود چارچوب آماری مناسب همواره چالش برانگیز است. از آنجا که اکثر جوامع در معرض بیماریهای خاص، پنهان و با دسترسی سخت هستند، روشهای نمونهگیری که نمونههایی معرف و کارا 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 که در روشهای نمونهگیری متداول به آنها نیاز است و همچنین عدم کارایی 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 کاهش نسبی اریبی برآوردها، امکان تقلیل نرخ بیپاسخی با پرداخت مشوقها و تخصیص وزن متناسب با عکس اندازه شبکه 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 کارایی بیش از روش نمونهگیری گلوله برفی در صورت اجرای نادرست آن و عدم رسیدن به تعادل در صورت نبود شبکههای 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 که حاصل از اجرای این روشها در طرحهای مختلف و شبیهسازیهای موجود است، میباشد.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |