---

مدیریت شواهد مبنا و برنامه‌ریزی‌های توسعه‌ای متکی به آمارهای رسمی هستند. بعضی موانع وجود دارند که باعث می‌شوند نتوان آمارگیری تک‌مدی را انجام داد. این موانع عبارت‌اند از چارچوب نمونه‌گیری، زمان، بودجه و دقت اندازه‌گیری در هر مد. این عامل‌ها باعث می‌شوند که همیشه نتوان از آمارگیری تک‌مدی استفاده کرد. بنا بر این نیاز است که از روش دیگری برای گرداوری داده‌ها که بر این موانع فائق بیایند، استفاده کرد. این روش را روش آمارگیری آمیخته‌مد که ترکیبی از چند مد است می‌نامند. ما در این مقاله نشان می‌دهیم که آمارگیری‌های آمیخته‌مد می‌توانند دقت بیشتری در تولید آمارهای رسمی نسبت به آمارگیری‌های تک‌مدی داشته باشند. 

---

بی‌پاسخی در آمارگیری‌ها منبعی برای بروز خطا در نتایج آمارگیری است و سازمان‌های ملی آماری همواره به دنبال راهکارهایی برای کنترل و کاهش آن هستند. پیش‌بینی واحدهای نمونه‌گیری بی‌پاسخ در آمارگیری قبل از اجرای آمارگیری از جمله راهکارهایی است که می‌تواند کمک زیادی به کاهش و مرتفع نمودن مشکل بی‌پاسخی آمارگیری داشته باشد. با توسعه‌های اخیر فناوری و تسهیل در محاسبات پیچیده امکان به کارگیری روش‌های یادگیری آماری، مانند درخت‌های رگرسیون و رده‌بندی یا ماشین بردار پشتیبان در بسیاری از مسائل از جمله پیش‌بینی بی‌پاسخی واحدهای نمونه‌گیری در آمارگیری‌ها فراهم شده است. در این مقاله ضمن مرور کلی روش‌های فوق، واحدهای نمونه‌گیری بی‌پاسخ در یک آمارگیری کارگاهی با استفاده از آن‌ها پیش‌بینی شده و نشان داده می‌شود ترکیب روش‌های فوق دارای دقت بیشتری در پیش‌بینی درست بی‌پاسخی نسبت به هر کدام از روش‌های تکی است.