受访者招募方法中的网络抽样技术背景
在传统调研方法论体系中，概率抽样依赖完整的抽样框（如住户名录、电话号码数据库）来确保每个总体成员都有已知的被抽中概率。然而，对于某些难以获取完整抽样框的特殊群体（如静脉注射毒品使用者、无证移民、特定疾病患者、地下经济从业者），传统受访者招募方法面临根本性挑战。社交网络抽样技术正是为解决这一问题而发展起来的专业研究方法。
滚雪球抽样的方法原理与局限
滚雪球抽样（Snowball Sampling）是最基础的受访者招募方法网络抽样形式：从初始的”种子”受访者出发，请其推荐同一目标群体的其他成员，被推荐者再继续推荐，样本量随推荐链条的延伸而滚动扩大。滚雪球抽样操作简便，在预算有限的探索性研究中具有实用价值。
然而，滚雪球抽样存在明显的系统性偏差：由于推荐行为受到社会关系网络结构的影响，人际关系密集的个体更容易被多次推荐，而社会隔离程度高的个体则容易被遗漏。这种抽样偏差会导致样本中的社会网络中心节点被过度代表，边缘节点严重不足，使最终数据无法代表目标群体的真实分布。
同伴驱动抽样的方法创新
同伴驱动抽样（Respondent-Driven Sampling, RDS）是对滚雪球抽样的重大改进，已被证明能够在一定条件下产生具有统计代表性的估计。RDS的核心创新在于两点：首先，每位受访者被分配固定数量（通常为2-3张）的唯一编码招募凭证，只有使用凭证招募的同伴才被纳入样本，从而控制每人的推荐数量，防止高连接度个体的过度扩散；其次，基于每位受访者的社会网络规模进行加权调整，网络规模更大的个体被赋予更小的权重，从而校正因网络结构差异导致的抽样偏差。
在实际执行中，RDS通常设置10-20名初始种子受访者，以确保多条平行推荐链从不同网络区域同时扩散，降低样本对初始种子选择的依赖性。研究表明，当推荐链达到8-10级深度时，样本组成往往趋于稳定收敛，接近总体的真实分布。
网络抽样方法的适用场景与质量控制
网络抽样受访者招募方法最适用于以下场景：目标群体缺乏完整抽样框且群体成员之间存在社会网络联系、目标群体倾向于通过信任渠道而非公开招募参与调研（如健康敏感人群研究）以及需要在短时间内快速扩大样本覆盖范围的探索性研究。
网络抽样的质量控制重点在于：防范”职业受访者”（对多名招募者声称是目标群体成员以骗取酬劳）、验证推荐关系的真实性（要求受访者描述与推荐人的关系）以及追踪推荐链条的进展（监控哪些推荐链未能成功激活，及时补充新的种子）。这些质量控制措施是确保网络抽样数据可靠性的关键保障。