一个关于滚雪球抽样的程序问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

统计之都上有人曾给出过一个关于滚雪球抽样的R程序如下：
snow = function (x, size,...){
p = rep(0, ncol(x))
p[sample(dim(x)[1], 1)] = 1
while(sum(p) < size) {
new = colSums(matrix(x[p == 1,], ncol = ncol(x), byrow = T))
all = new + p > 0
if (sum(all) > size) {
pure = which(new - p == 1)
p[sample(pure, size - sum(p))] = 1
} else {
p = as.numeric(all)
}
}
which(p == 1)
}

x = matrix(runif(1000^2), 1000) > 0.7
x = x + t(x) > 0
x = as.numeric(x)
x = matrix(x, 1000)

snow(x, 100)

然后这个程序也确实可以跑出结果。但是我观察发现跑出来的结果好像有问题，通过这种抽样获得的某些对象在邻接矩阵中其实并没有关联，这实际上不符合滚雪球抽样的原则。不知哪位大佬能看一下是这个程序哪里有问题？亦或我理解有误？
原始链接如下：https://d.cosx.org/d/417780-417780/3

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：滚雪球抽样 滚雪球 function numeric matrix

个人理解，单次抽样应有邻接关系，但多次抽样后，样本之间只有部分邻接关系。换句话说，从a找到b/c/d，从d找到e/f/g/，从g找到r/s/t，阶数越高，a与t认识的可能性越低。但从滚雪球抽样的初衷看，a,b,c……,t都在抽样范围内。
这几日事多，静不下来仔细看东西。

llb_321 发表于 2022-5-13 08:57
个人理解，单次抽样应有邻接关系，但多次抽样后，样本之间只有部分邻接关系。换句话说，从a找到b/c/d，从d ...

我发现这个设置的初始矩阵并非严格意义上的邻接矩阵，中间的联系过多，不符合一般社交网络的要求。我准备换一个BA矩阵重新测算一下。到时候再看结果是否有问题。谢谢大佬的指点！

我发现这个设置的初始矩阵并非严格意义上的邻接矩阵，中间的联系过多，不符合一般社交网络的要求。我准备换一个BA矩阵重新测算一下。到时候再看结果是否有问题。谢谢大佬的指点！

zhaomn200145 发表于 2022-5-23 10:08
我发现这个设置的初始矩阵并非严格意义上的邻接矩阵，中间的联系过多，不符合一般社交网络的要求。我准备换 ...

日有所得，不亦乐乎

现在考虑换成BA邻接矩阵，写出滚雪球抽样程序：library(statnet)
library(igraph)
library(entropy)
library(network)
set.seed(12345)
# BA网络
num_nodes <- 30    #矩阵行数
cnames <- c(1: num_nodes)
G<-barabasi.game(n=num_nodes, m=2,directed=FALSE) #BA网络
adj.G <- as.matrix(get.adjacency(graph = G))         #转换为一般矩阵形式

# 抽样
size <- 8  #抽样规模
#滚雪球抽样程序
snow = function (x, size,...){
  p = rep(0, ncol(x))
  p[sample(dim(x)[1], 1)] = 1
  while(sum(p) < size) {
    new = colSums(matrix(x[p == 1,], ncol = ncol(x), byrow = T))
    all = new + p > 0
    if (sum(all) > size) {
      pure = which(new - p == 1)
      p[sample(pure, size - sum(p))] = 1
    } else {
      p = as.numeric(all)
    }
  }
  which(p == 1)
}
  
#滚雪球抽样 X2
x2 <-snow(adj.G, size)
x2
计算出的结果确实有问题。按照滚雪球抽样的思路，选择一个初始样本点后（这里抽样选择的是9号），下面一步应该是找到所有与9号有关联的个体（这里是1号和2号），然后再由1号和2号分别重复上述步骤。但是我这里计算出的结果明显不符合这一步骤。1号和2号似乎只是从其联系对象中随机选了几个（没有全部选择所有联系对象）。这是不符合滚雪球抽样的原则的。

另外还有一些问题：比如对于第二轮选出的样本1号和2号，抽样时先从哪个样本开始？还是同时开始抽样？抽样中如果有遇到重复的结果如何处理？在程序中的这一部分完全看不出来：while(sum(p) < size) {
    new = colSums(matrix(x[p == 1,], ncol = ncol(x), byrow = T))
    all = new + p > 0
    if (sum(all) > size) {
      pure = which(new - p == 1)
      p[sample(pure, size - sum(p))] = 1
    } else {
      p = as.numeric(all)
    }
  }
  which(p == 1)
当然也可能是我水平不济，没看懂。还请大神指点！

做了一个模拟，代码有点多，所以新开了一帖，敬请验证指导 https://bbs.pinggu.org/thread-11059825-1-1.html

llb_321 发表于 2022-5-31 10:18
做了一个模拟，代码有点多，所以新开了一帖，敬请验证指导 https://bbs.pinggu.org/thread-11059825-1-1.ht ...

辛苦辛苦！一定要向大佬好好学习一下！