调查估计：有权重仍不能直接确定标准误
调查权重可以定义总体点估计，但不一定提供估计标准误所需的全部信息。抽样设计决定观测如何共同变化。把加权记录当成重复的独立自然人，会产生设计并不支持的精确结果。
美国人口普查局ACS复制方差表为部分表提供复制估计，用于推导结果的不确定性。这是设计专用工具，不是新增80次独立调查。应先读取实际数据和版本说明，再使用方差公式。
分开点估计与方差
写明总体、抽样单位、权重含义与估计量。加权平均可以表示为各项w×y合计除以w合计。把全部权重乘同一常数，不改变点估计，却不会创造更多样本单位。
检查分层、初级抽样单位、聚类和设计要求的有限总体修正。同一家庭或局部抽样单元里的结果可能相关，仅有一列点权重，通常无法恢复全部关联。
确认生产者提供的是复制权重、复制估计、其他设计方差办法，还是公布误差界。复制权重要求逐复制重新计算目标统计量，复制估计则可能已经对覆盖表完成此步，两类产品不能混淆。
假设案例：均值相同，不确定性不同
假设虚构调查抽到100条等权记录，估计比例50%。忽略有限总体修正，独立简单随机抽样近似标准误为根号(0.5×0.5÷100)＝0.05，即五个百分点。
再为本例明确假设同一估计量的方差设计效应为2.8，调整后标准误是0.05×根号2.8≈0.08367，即8.37个百分点，点估计仍是50%。
| 项目 | 独立近似 | 假设设计调整 |
|---|---|---|
| 点估计 | 50% | 50% |
| 标准误 | 5个百分点 | 约8.37个百分点 |
| 方差乘数 | 1 | 假设2.8 |
2.8是给定假设，不是从等权重推导，也不是ACS真实设计效应。若再限定十个等大簇、每簇十条、共同簇内相关0.2，简化表达1＋(10−1)×0.2也得到2.8，但依赖严格条件。真实调查应使用自己的设计方法。
一致计算派生统计
一般复制方差可写成各次c[r]×(复制估计−完整估计)平方的合计。系数和中心约定由复制设计决定，不能随便选系数，也不能习惯性除以复制次数。
比率应在每次复制内完整重算，不要把分子分母误差当独立量拼接，因为协方差有影响。合计重叠地区或人口群体时也一样，应沿用生产者兼容的协方差处理。
抽样误差与无回应偏差、覆盖错误、测量错误及模型假设分开。设计标准误有效，也不能保证其他问题不存在。看结果后重新调权，还可能改变目标与所需方差方法。
AI工作流应返回点估计、所用设计字段、不确定性方法和缺失设计信息。信息不全时，把独立计算标为近似，不能包装成已做调查设计修正的置信区间。设计、权重、版本或目标统计量改变后复查。
子总体分析还要保留原设计结构。先删除不属于子组的行，可能丢掉方差估计需要的抽样单位；应按对应调查工具规定的领域估计方法处理。没有说明就不能把普通筛选后的行数当作完整有效样本量。
权重本身也要管理版本。校准修订可能在回答未变时改变总体估计，应把回答版本与权重版本绑定，分开权重修订和真实行为变化。前期旧权重、后期新权重是否可比，需要明确解释。发布复制估计时还应保存每次统计量，而非只保留最终误差界，便于检查是否错误地把不同产品或不同年份的复制编号配到一起。编号相同不保证设计兼容。
常见问题
权重1000代表1000个独立观测吗？
不是。它可以表示总体贡献，不是重复独立抽样信息。
公布误差界可以直接用于任意比率吗？
不能。派生量需要合适方差计算，包括协方差和数据集设计约定。