제한된 쿠폰 수가 응답자 주도 표본추출의 전파 역학에 미치는 영향

본 연구는 숨겨진(hard‑to‑reach) 집단을 대상으로 하는 응답자 주도 표본추출(RDS)의 모집 메커니즘을 네트워크 전염병 모델에 정량적으로 연결한다. RDS는 초기 시드(seed) 몇 명에게 일정 수(c)의 쿠폰을 부여하고, 참여자가 자신의 지인에게 쿠폰을 전달함으로써 표본을 확대한다. 이때 각 참여자는 최대 c명에게만 쿠폰을 전달할 수 있다는 제한이 존재한다. 저자들은 이 과정을 기존의 Reed‑Frost 전염병 모델에 “한 번에 감염 가능한 대상 수를 c로 제한”하는 새로운 변형 모델로 공식화한다. 네트워크는 구성 모델(configuration model)을 사용해 무작위 그래프를 생성한다. 각 정점은 사전 정의된 차수 분포 D를 따르는 스텁(stub) 수를 가지고, 스텁을 무작위로 짝지어 간선을 만든다. 차수가 큰 정점은 많은 이웃을 가지며, 차수 편향된 분포 ˜D는 무작위 이웃의 차수를 기술한다. 이 그래프는 큰 규모(n→∞)에서 거의 트리 구조를 이루므로, 전파 과정을 전방(branching) 과정으로 근사할 수 있다. 전파 규칙은 다음과 같다. 초기 감염자(index case)는 자신의 전체 이웃 중 최대 c명을 무작위로 선택하고, 선택된 각 이웃에게 전파 확률 p로 쿠폰을 전달한다. 이후 감염된 정점은 자신을 감염시킨 이웃을 제외한 나머지 이웃 중 최대 c명을 선택해 동일한 확률 p로 전파한다. 선택된 이웃이 이미 감염된 경우는 무시된다. 이 과정은 모든 세대에 걸쳐 반복되며, 새로운 감염자가 없을 때 종료된다. 수학적 분석에서는 먼저 자손 분포 X(초기 감염자)와 ˜X(후속 세대) 를 차수에 조건화한 뒤, 차수 분포와 결합해 기대값을 구한다. 기본 재생산수 R₀=E(˜X)는 식 (5)로 표현되며, p와 c에 대해 단조 증가한다. c가 무한대로 커지면 제한이 사라져 기존 Reed‑Frost 모델의 R₀와 일치한다. R₀>1이면 전파가 지속될 가능성이 존재하고, 그 확률 τ는 전방 브랜칭 과정의 멸종 확률 ˜π와 초기 감염자의 자손 분포 ρ를 이용해 τ=1−π 로 계산된다. 멸종 확률 방정식은 생성함수 ˜ρ(·)와 ρ(·)를 통해 수치적으로 풀어야 한다. 전파 규모 z는 ‘감수성 집합’ 개념을 차용한다. 각 정점 i에 대해 i가 감염될 경우 감염될 수 있는 모든 전구 정점들의 집합을 구성하고, 이 집합을 역방향 브랜칭 과정으로 근사한다. 감수성 집합의 평균 크기가 전체 인구 대비 차지하는 비율이 바로 대규모 전파가 발생했을 때의 최종 감염 비율 z가 된다. 분석 결과는 다음과 같다. 쿠폰 수 c가 작을수록(예: c=3) R₀와 τ가 크게 감소한다. 특히 평균 차수가 낮고 분산이 작은 네트워크에서는 R₀가 1 이하가 되어 전파가 거의 일어나지 않는다. 반면 차수 분포가 넓고 고차수 정점이 존재하는 스케일프리 네트워크에서는 고차수 정점이 “슈퍼리크루터” 역할을 하여 제한된 c에도 불구하고 R₀가 1을 초과할 가능성이 있다. 따라서 RDS 설계 시 네트워크의 차수 구조와 쿠폰 수를 동시에 고려해야 하며, 전파 실패 위험이 높은 경우 추가 시드를 투입하거나 쿠폰 수를 늘리는 전략이 필요하다. 또한 저자들은 실제 RDS 조사에서 관찰된 “채용 사슬이 조기에 끊기는 현상”을 이론적으로 설명한다. 제한된 쿠폰 수가 전파 역학의 임계값을 낮추어, 초기 시드가 충분히 많은 고차수 정점에 연결되지 않으면 전파가 급격히 감소한다는 점을 강조한다. 이와 같은 통계적·수학적 근거는 RDS 연구자들에게 샘플링 설계와 사후 분석 단계에서 보다 신뢰할 수 있는 추정치를 제공하는 데 기여한다.