응답자‑주도 표집의 민감도와 한계

초록

본 연구는 대규모 LGBT 웹 커뮤니티의 사회망을 이용해 응답자‑주도 표집(RDS)의 가정들을 하나씩 위반하면서 시뮬레이션을 수행하였다. 네트워크가 방향성을 가질 때와 모집자가 연구 결과와 상관된 특성을 기준으로 피험자를 선택할 때 편향이 크게 발생함을 확인했으며, 이러한 문제만 없으면 낮은 응답률이나 네트워크 규모 보고 오류에도 RDS 추정치는 비교적 안정적이었다. 또한 초기 시드 선정 방식, 모집 제한 수, 교체 여부, 네트워크 구조 변동 등 다양한 조건을 검증하였다.

상세 분석

응답자‑주도 표집(RDS)은 숨겨진 집단을 연구할 때 표본 프레임을 구축하기 어려한 상황에서 사회적 연결망을 활용하는 혁신적 방법이다. 기존 이론은 (1) 네트워크가 무방향이며(undirected), (2) 모집 과정이 무작위이고, (3) 각 응답자가 자신의 네트워크 규모를 정확히 보고하며, (4) 모집 제한 수가 충분히 크고, (5) 표본이 충분히 큰 경우에 한해 무편향 추정량을 제공한다는 전제를 둔다. 본 논문은 이러한 전제들을 하나씩 위배하면서 대규모 온라인 LGBT 커뮤니티(수십만 명 규모)의 실제 연결망을 기반으로 10,000회 이상의 시뮬레이션을 수행하였다.

첫 번째 실험에서는 네트워크에 방향성을 도입하였다. 즉, A가 B에게 초대할 수 있어도 B가 A에게 초대할 가능성은 낮은 경우를 모델링했다. 결과는 기대와 일치하게 추정값이 크게 왜곡되었으며, 특히 고위험 행동(예: HIV 감염 위험)과 연관된 노드가 일방향으로만 연결될 때 편향이 급격히 증가했다.

두 번째 실험은 모집자가 자신의 특성(예: 성별, 연령, HIV 상태)과 연구 변수 간 상관관계를 인식하고, 동질성(homophily)이 높은 이웃을 우선 초대하도록 설정했다. 이 경우, 모집 네트워크가 특정 서브그룹에 과도하게 집중되어 전체 모집 비율이 왜곡되었으며, 추정된 모집 비율이 실제값보다 20~30% 정도 과대·과소 평가되는 현상이 나타났다.

반면, 응답률을 30%까지 낮추거나, 응답자가 자신의 네트워크 크기를 ±20% 정도 오차를 두고 보고하도록 해도, 위 두 가지 핵심 가정이 충족되는 한 추정값은 평균적으로 5% 이내의 오차만을 보였다. 이는 RDS가 낮은 참여율이나 네트워크 규모 보고 오류에 대해 어느 정도 내성을 가지고 있음을 시사한다.

추가적으로, 초기 시드(Seed) 선정 방법을 무작위, 고도 중심성 노드, 저도 중심성 노드로 구분했을 때, 고도 중심성 시드가 초기 전파 속도를 높였지만 장기적으로는 편향에 큰 영향을 미치지 않았다. 모집 제한 수를 2명에서 5명으로 늘려도 추정 정확도는 크게 변하지 않았으며, 교체 여부(표본을 재사용 허용 여부)와 네트워크 구조(밀도, 클러스터링 계수) 변동 역시 RDS 추정치에 미치는 영향은 제한적이었다.

종합하면, RDS의 핵심 취약점은 (1) 네트워크가 방향성을 가질 경우와 (2) 모집자가 연구 변수와 연관된 특성을 기준으로 선택적 초대를 할 경우이며, 이 두 조건만 충족되지 않으면 다른 현실적인 제약(낮은 응답률, 네트워크 규모 오차, 시드 선택 등)에도 비교적 견고한 추정이 가능함을 확인하였다.