1 基本概念
1.1 定义
滚雪球抽样是一种非概率抽样方法。研究者先从少量符合条件的对象入手，再请这些对象推荐、引荐或带出更多符合条件的参与者，样本因此沿着人际关系网络逐步扩展。由于样本的产生依赖推荐链条，而非总体中每个个体被等概率抽中的机制，因此它常被用于探索性研究和难以直接进入的研究场景。
1.2 名称来源
“滚雪球”这一名称来自其样本扩展方式：最初规模较小的样本在推荐过程中不断累积，像从坡顶滚下的雪球一样越滚越大。该名称形象地概括了方法的递进式扩展特征，也提示了它对既有社会关系的依赖。
1.3 核心特征
1.3.1 链式推荐
滚雪球抽样最突出的特点是链式推荐。每位受访者不仅是样本成员，也可能成为下一轮招募的来源。研究者通过一层层的引荐接触新的对象，使样本沿着关系网络自然延展。
1.3.2 非概率抽样
该方法不以随机抽样为基础，样本进入研究的机会并不均等，因此无法像概率抽样那样直接推断总体参数。它更强调可接近性与信息获取效率，而不是统计意义上的严格代表性。
1.3.3 适用于难接触群体
滚雪球抽样常用于那些缺乏完整名录、分布分散、身份敏感或进入门槛较高的群体。研究者往往难以通过常规渠道直接接触这些对象，只能借助熟人网络逐步建立联系。
1.4 与其他抽样方法的区别
与简单随机抽样或分层抽样相比，滚雪球抽样不依赖抽样框，也不追求等概率抽取。与便利抽样相比，它不是单纯选择最容易接触的人，而是借助关系链扩大样本来源。与判断抽样相比，它虽也依赖研究者的初始选择，但后续扩展更多由参与者推荐推动。与配额抽样相比，它通常不预先按比例填满各类样本，而是随着链条推进形成样本结构。
2 发展背景
2.1 方法的历史起源
滚雪球抽样的实践基础较早出现于社会调查与社区研究中，尤其是在需要进入封闭社群、地下网络或分散人群时。随着社会学、人类学和传播研究的发展，这种依托人际关系扩展样本的方法逐渐被系统化，并形成较稳定的研究程序。
2.2 在社会科学中的应用扩展
在社会科学领域，滚雪球抽样被广泛用于对社会关系、身份认同、边缘群体和特定职业群体的研究。由于许多研究对象难以通过公开名录识别，研究者开始更加依赖受访者介绍受访者的方式，从而提高进入现场的可行性。
2.3 在现代定性与定量研究中的地位
在现代研究中，滚雪球抽样常见于质性研究，但也被用于部分定量调查，尤其是在总体边界不清晰或样本框缺失时。它的地位更多体现在“可实施性”而非“统计完备性”上：能够帮助研究者获得第一手资料，但不适合直接承担强外推性质的推断任务。
3 实施流程
3.1 确定研究对象与纳入标准
研究开始前，研究者需要明确目标人群的范围，并写出可操作的纳入标准，例如年龄、经历、职业背景或特定行为特征。标准越清晰，后续推荐对象越容易判断是否符合研究需要。
3.2 选择初始样本
初始样本通常来自研究者已有联系、机构合作、现场接触或可信中介介绍。这个起点样本数量往往不必很多，但应尽量覆盖不同来源，以减少链条过早收束到单一网络。
3.3 获取被试推荐
在取得参与者同意后，研究者可请其介绍可能符合条件的其他对象。推荐方式可以是提供联系方式、转交邀请信息，或在参与者许可下由研究者直接联系潜在样本。
3.4 持续扩展样本链
随着新参与者加入，研究者继续重复推荐过程，样本由此形成多个层级的扩展链。为避免单一路径主导整体样本，研究者通常会并行维护若干推荐链，保持来源的适度多样化。
3.5 终止抽样的判定
抽样何时停止，通常由研究目的决定。若资料收集已达到信息饱和、链条增长趋缓，或样本结构已基本覆盖预设范围，研究者便可终止扩展。若研究面向定量描述，则也可能在样本数达到预设规模后停止。
4 适用场景
4.1 难以建立抽样框的群体
当总体名录不存在、无法获取或更新滞后时，滚雪球抽样往往是较现实的选择。此时研究者难以进行传统概率抽样，只能从少量入口开始逐步接触对象。
4.2 依赖人际网络的研究对象
如果研究对象本身具有强烈的圈层特征，例如依靠熟人介绍、同行联系或社群关系运作，滚雪球抽样往往更有效。被访者之间的关系不仅是信息通道，也是进入研究现场的关键路径。
4.3 探索性研究
在研究问题尚不明确、变量结构尚待梳理的阶段，这种方法有助于迅速收集多样化材料。它常用于帮助研究者识别关键议题、形成初步假设或修正后续研究设计。
4.4 质性访谈与田野调查
在深度访谈和田野调查中，研究者需要建立信任并获得持续接触机会，滚雪球抽样因此尤为常见。通过受访者转介，研究者更容易进入陌生社群并逐步理解其内部关系。
4.5 罕见或分散人群研究
对于数量较少、地理分布分散或难以识别的群体，该方法有助于提高样本获取效率。即使样本规模有限，也往往能较快积累有研究价值的案例。
5 优势
5.1 获取样本效率较高
相比逐一搜寻目标对象，滚雪球抽样依靠现有样本扩展，通常更省时。尤其在缺少名单和入口的情况下，它能显著提高招募速度。
5.2 能接触到封闭或隐蔽群体
对某些外部接触困难的群体而言，熟人推荐具有较强的打开效应。研究者借助信任传递，更有可能跨过门槛，获得原本难以进入的资料。
5.3 操作成本相对较低
该方法不必构建复杂抽样框，也不一定需要大规模筛查，因此在人员、时间和经费上的成本通常较低。对于小型研究团队或前期试探性项目而言尤为方便。
5.4 有助于前期探索研究问题
通过连续接触不同参与者，研究者能逐渐了解群体内部结构、常见经历与潜在分化。这样既能帮助发现新线索，也能为后续研究设计提供方向。
6 局限与偏差
6.1 样本代表性不足
由于进入样本的机会并不均等，样本往往难以准确反映总体结构。研究结果更适合说明“参与者所呈现的特征”，而不宜直接视为总体普遍规律。
6.2 推荐链带来的同质性偏差
人们通常倾向于推荐与自己相似或关系较近的人，导致样本在背景、观点或经历上出现聚集。若链条过于集中，样本会显得比真实总体更同质。
6.3 选择偏差与网络偏差
研究者最初选取的种子样本、参与者的人际范围、社群边界及社交活跃程度，都会影响样本构成。换言之，样本不仅受研究对象本身限制，也受其所处网络结构塑形。
6.4 样本独立性较弱
同一推荐链中的参与者之间常存在关系重叠，信息和态度也可能相互影响。由此得到的数据在统计上并非彼此完全独立，分析时需要格外谨慎。
6.5 结果外推的限制
滚雪球抽样得到的结论通常不宜直接推广到更大总体。若研究报告中需要进行外推，应明确说明推断边界，并避免过度解释样本中的发现。
7 方法改进与变体
7.1 受控滚雪球抽样
受控滚雪球抽样会对推荐过程加以限制，例如限定每位受访者可推荐的人数，或要求推荐对象来自不同背景，以减少单一路径过度扩张。这样可在一定程度上改善样本结构的集中化问题。
7.2 多起点滚雪球抽样
这种变体从多个初始样本同时启动，避免样本过度依赖某一个入口。多个起点往往来自不同区域、不同组织或不同社会圈层，有助于扩大覆盖面。
7.3 双重滚雪球抽样
双重滚雪球抽样强调从两个相互关联的群体或两类关系网络同步推进，例如在研究互动双方时分别从两端招募。该方法适用于存在配对关系或双边联系的研究设计。
7.4 结合配额控制的抽样设计
在滚雪球抽样基础上引入配额控制，可以对某些关键特征设置名额限制，如性别、年龄段或职业类别。这样既保留链式招募的便利，也能避免样本过度偏向某一类人群。
8 数据分析与解释
8.1 样本结构的描述
分析时应首先说明样本的来源、层级分布和推荐链情况。包括初始样本数量、推荐次数、各链长度以及不同来源的参与比例，都有助于读者理解数据生成过程。
8.2 偏差评估
研究者应结合招募路径、拒访情况和样本组成，判断可能存在的偏差类型。若某一类参与者明显过多或过少，应在分析中予以提示，而不是将其默认为总体真实分布。
8.3 结果呈现方式
滚雪球抽样的数据呈现通常更适合以主题归纳、案例对照或描述统计为主。若使用表格或图示，最好同步标明样本来源和链条特征，以增强解释的透明度。
8.4 研究结论的谨慎解释
这类研究更适合提出解释性结论、生成性假设或机制性观察。写作时应避免使用绝对化措辞，并清楚区分“样本中观察到的现象”与“总体层面的判断”。
9 伦理与研究规范
9.1 知情同意
参与者应在充分了解研究目的、参与方式和潜在风险后，自主决定是否加入。若涉及转介绍，研究者也应说明转介仅在对方同意后进行，避免默认披露联系信息。
9.2 隐私与匿名保护
由于推荐链会暴露人际关系，隐私保护尤为重要。研究者应尽量减少可识别信息的记录和公开，并在报告中对可能暴露身份的细节进行处理。
9.3 研究者与推荐者关系处理
研究者需要妥善处理与初始样本、推荐者和后续参与者之间的关系，避免让推荐者承担不必要的压力或责任。对于中介者，应明确其角色仅为引荐，而非对他人参与作担保。
9.4 参与压力与连带风险
在熟人网络中，受访者可能因为关系压力而被动参与，或担心拒绝会影响人际关系。研究设计应尽量降低这种连带效应，确保拒绝不会带来现实负担。
9.5 研究记录与可追溯性
研究者需保留必要的招募记录，以便核查样本来源、抽样路径和数据生成过程。但这些记录应与身份信息分开管理，防止因可追溯性要求过强而损害参与者安全。
10 应用案例
10.1 访谈研究中的使用
在深度访谈中，研究者常借助滚雪球抽样寻找愿意分享经验的对象。尤其当主题涉及私人经历或较难公开讨论的话题时，熟人转介往往比公开招募更有效。
10.2 小众群体研究中的使用
对于规模较小、分布零散的小众群体，该方法能帮助研究者快速建立初始样本。即使样本数量不大，也常足以支持对群体经验和内部差异的初步认识。
10.3 组织网络研究中的使用
在组织研究中，滚雪球抽样可用于寻找特定岗位、合作关系或内部联结的成员。通过成员间的相互推荐，研究者能够逐渐勾勒组织内部的交往结构。
10.4 社会关系网络研究中的使用
该方法也常用于分析朋友、同事、社团成员之间的联系模式。研究者通过链式招募观察关系如何传播、扩散与聚合，从而了解网络中的关键节点。
11 相关概念
11.1 非概率抽样
非概率抽样指不以等概率原则选取样本的抽样方式。滚雪球抽样属于这一类别，其核心特点是样本进入机制不具随机性。
11.2 便利抽样
便利抽样是从最容易接触的人中直接取样的方法。它与滚雪球抽样不同之处在于，后者强调由参与者推荐扩展，而非仅凭接近程度选择样本。
11.3 判断抽样
判断抽样由研究者根据专业判断选择样本，常用于需要经验筛选的情境。滚雪球抽样虽然也可能有研究者的初始筛选，但后续扩展更多依赖参与者之间的联系。
11.4 配额抽样
配额抽样会先设定若干类别及其数量目标，再按类别补足样本。它与滚雪球抽样并不冲突，实际研究中有时会结合使用，以便控制样本结构。
11.5 网络抽样
网络抽样是借助关系网络招募样本的一类方法统称，滚雪球抽样可视为其中最常见的形式之一。它们都强调关系链的作用，但具体规则和控制程度可能不同。
12 实务建议
12.1 明确研究目的
在采用滚雪球抽样前，应先判断研究是否更重视进入样本的可行性，还是更重视统计代表性。若目标是探索性理解或获取难得资料，该方法通常更为合适。
12.2 设定清晰的纳入标准
清楚的标准能减少推荐对象判断失误，也有助于提升样本一致性。标准过于模糊，容易让样本范围不断漂移，影响研究质量。
12.3 使用多个起始点
多个起始点有助于扩大样本来源，降低单一关系网络带来的偏斜。研究者可尽量从不同地区、组织或社群切入，以获得更丰富的样本结构。
12.4 记录推荐路径
保留推荐链信息不仅便于过程追踪，也有助于后续分析样本聚集现象。若条件允许，可绘制简单的链路示意图，辅助说明样本如何形成。
12.5 在报告中说明限制
研究报告应明确交代抽样方式、样本来源和潜在偏差，避免读者误解其代表性。对外推边界作出说明，是使用滚雪球抽样时必要的规范做法。