در سال‌های اخیر روش‌های براورد کوچک ناحیه‌ای مورد توجه قرار گرفته‌اند. این توجه به‌دلیل افزایش درخواست براوردهای معتبر برای کوچک ناحیه‌ها بوده است، زیرا این براوردها برای برنامه‌ریزی‌های توسعه‌ای، تخصیص اعتبارهای دولتی و تصمیم‌گیری‌های تجاری به‌کار می‌آیند‌. پرسش کلیدی در براورد کوچک ناحیه‌ای این است که وقتی اندازه‌ی نمونه‌ای کم است، چگونه می‌توان براوردهای معتبر به‌دست آورد؟ زمانی‌که اندازه‌ی نمونه‌ای به‌دست ‌آمده از یک ناحیه، کوچک (یا حتی صفر) باشد، براوردگرهای مستقیم از یک انحراف معیار بزرگ و غیر قابل قبولی برخوردار می‌شوند. یک راه بهبود این براوردها، وام گرفتن قدرت از منبع‌های داده‌ای موجود است. برای این ‌کار می‌توان از طریق مدل‌بندی یا به عبارتی استفاده از مدل‌های اتصالی (شامل مدل‌های صریح و ضمنی) اثر اندازه‌ی نمونه‌ای را بهبود بخشید. برای به‌دست آوردن براورد معتبر میانگین کوچک ناحیه‌ای مدل‌های آمیخته‌ی خطی تعمیم‌یافته و بهترین پیشگوگر نااریب خطی تجربی به‌طور گسترده مورد استفاده قرار گرفته‌اند. در این مقاله ابتدا براورد کوچک ناحیه‌ای را معرفی می‌کنیم. سپس برای به‌دست آوردن براوردهای معتبر برای کوچک ناحیه‌ها به معرفی مدل‌ فی-هریوت (فی-هریوت، 1979)، حالت‌ خاص مدل‌های آمیخته‌ی خطی تعمیم‌یافته می‌پردازیم. سرانجام در یک مطالعه‌ی شبیه‌سازی با استفاده از داده‌های سرشماری کشاورزی سال 1382، تولید پرتقال در شهرستان‌های استان فارس (کوچک ناحیه‌ها) در سال 1382 و بر اساس مدل فی-هریوت 1979 براورد می‌شود.

در بسیاری از آمارگیری‌ها، برخی از واحدهای نمونه به تعدادی از پرسش‌ها یا همۀ آنها پاسخ نمی‌دهند. این امر موجب بروز بی‌پاسخی می‌شود. اریبی و تورم واریانس، دو اثر مهم بی‌پاسخی بر آماره‌های آمارگیری هستند. اگرچه افزایش اندازۀ‌ نمونه از تورم واریانس براوردها جلوگیری می‌کند، لزوماً اثری بر کاهش اریبی آماره‌ها ندارد. از این رو روش‌های مختلفی برای تعدیل اریبی بی‌پاسخی مورد استفاده قرار می‌گیرد. هنگامی که ساختار گم‌شدگی تصادفی باشد، تعدیل موزون برای جبران اثر بی‌پاسخی واحد آماری مناسب است. یکی از روش‌های وزن‌دهی، روش امتیاز تمایل است. تخصیص وزن در روش امتیاز تمایل، بر مبنای براورد احتمال پاسخ واحدهای نمونه‌ای انجام می‌شود. این براوردها با برازش مدل‌های پارامتری مناسب به‌دست می‌آیند. در این مقاله روش امتیاز تمایل و براوردگرهای تعدیل‌شدۀ حاصل از آن معرفی می‌شوند. سپس به مقایسۀ‌ عمل‌کرد سه براوردگر تعدیل‌شدۀ امتیاز تمایل پرداخته می‌شود. در آخر با استفاده از مجموعه‌داده‌های آمارگیری هزینه و درامد خانوارهای شهری مرکز آمار ایران در سال ‎1390‎، براوردگرهای تعدیل‌شدۀ امتیاز تمایل از نظر معیارهای ریشۀ‌ دوم میانگین توان دوم خطای نسبی و کارایی نسبی با هم مقایسه می‌شوند. 

تحلیل ردۀ نهان ‎(LCA)‎ روشی برای ارزیابی خطاهای غیر نمونه‌گیری، به‌خصوص خطای اندازه‌گیری داده‌های رسته‌ای است. ‎[1]‎، چهار رهیافت مدل‌بندی ردۀ نهان، یعنی

پارامتری‌سازی مدل احتمالاتی، مدل لگ خطی، مدل مسیر تعدیل‌یافته و مدل نموداری را با استفاده از نمودارهای مسیر معرفی کرده است. این

مدل‌ها قابل تبدیل به یکدیگرند. مدل‌های احتمالاتی ردۀ نهان، درست‌نمایی جدول رده‌بندی تقاطعی متغیرها را بر حسب احتمال‌های شرطی

و حاشیه‌ای مربوط به هر خانۀ این جدول بیان می‌کند. در این رهیافت پارامترهای مدل با استفاده از الگوریتم ‎EM‎ براورد می‌شوند. برای

آزمون مدل ردۀ نهان، آمارۀ خی‌دو به‌عنوان ملاک نیکویی برازش معرفی شده است. در این مقاله از ‎LCA‎ و داده‌های یک آمارگیری کوچک

مقیاس برای محاسبۀ خطای بد‌رده‌بندی (که یک نوع خطای اندازه‌گیری است) نسبت دانشجویانی که دست کم در یک درس مردود شده‌اند و نیز خطای بد‌رده‌بندی نسبت دانشجویانی که دست کم یک‌بار مشروط شده‌اند، استفاده شده است.