调查统计
Organisation 套餐基于产生数据的抽样设计估计总体
在考虑分层与聚类的同时，计算加权估计和调查加权模型。每项结果均携带基于设计的不确定性，并有对照 R `survey` 包至 1e-6 的文档化验证。
大多数为项目提供依据或用于已发表评估的调查并非简单随机抽样。它们经过加权以校正不等概率抽样和事后分层，按层抽取，并按家庭、村庄或学校进行聚类。一旦设计具有这种特征，电子表格中的日常统计，或者将扁平化导出数据喂给统计软件包，就会悄然低估你的不确定性，给出经不起审阅的、看似可信的答案。
FlexiSurvey 的推断引擎运行能正确计算方差的、基于设计的统计：加权均值与比例、带有基于设计（三明治）标准误的调查加权线性与逻辑回归、调整后的 Wald 卡方独立性检验，以及调查加权的两组 t 检验。这里只有一条估计路径，其中简单随机抽样不过是退化情形，绝非另设一套悄然低估不确定性的乐观捷径。
每个估计器在每次构建时都以 1e-6 的容差对照 R `survey` 包进行验证，因此这些数字与方法学专家手工复算所得完全一致。计算在 FlexiSurvey 自有的安全基础设施上运行，绝不会发送至第三方统计服务，面向有需求的 Enterprise 项目还提供本地主权部署方案。基于设计的推断适用于 Organisation 和 Enterprise 套餐。
一次性描述抽样设计
将与问卷或数据集关联的权重、分层和主抽样单元变量指定给 FlexiSurvey，它便会在所有支持的估计器中一致地应用该设计。一个实例：30 个村庄乘以 20 个家庭。朴素检验将其视为 600 个独立答案，报出 p = 0.001；设计严谨的处理，约 30 个有效单元，得出 p = 0.08。忽视聚类会制造出虚假发现。当某个设计确实无法支撑一项估计时，你会收到清晰、可操作的提示，而不是一个看似精确实则虚假的数字。
- 处理抽样权重、分层与聚类/PSU，而非仅限简单随机抽样
- 只有一条估计路径，简单随机抽样为退化情形
- 同一设计一致地应用于每一个支持的估计器
- 当设计无法支撑估计时，给出清晰提示，而非虚假精度
运行支持的估计器并获得透明输出
已支持并经过验证的方法包括：加权均值与比例、带有基于设计（三明治）标准误的调查加权线性与逻辑回归、调整后的 Wald 卡方独立性检验，以及两组调查 t 检验。每项结果均携带其基于设计的标准误、置信区间和自由度，可直接用于报告或捐助方附录。
- 带有基于设计标准误和置信区间的加权均值与比例
- 带有基于设计（三明治）标准误的调查加权线性与逻辑回归
- 调整后的 Wald χ² 独立性检验和两组调查 t 检验
- 每项结果均显示其标准误、置信区间和自由度
验证结果并披露局限性
信任一个数字的标准不是它返回了一个值，而是它返回了与公认参考实现相同的值。每个估计器在每次构建时都对照版本化的 R `survey` 参考夹具进行核验，容差为 1e-6，任何方法在其夹具匹配之前都不会发布。我们可按需提供方法说明，涵盖包版本、测试数据集、容差、边界情况和已知局限性。
- 在每次构建时对照版本化的 R `survey` 参考夹具进行核验
- 1e-6 容差；任何方法在其夹具匹配之前不会发布
- 公式源自 `survey` 参考，而非近似推导
- 方法说明含版本、数据集、容差和局限性，可按需提供
让分析靠近受治理的数据
一次性为问卷标记设计，然后在调查统计界面运行估计，无需另行授权或学习独立的统计软件包。计算在 FlexiSurvey 自有的安全基础设施上进行，绝不发送至外部统计服务，面向有需求的 Enterprise 项目还提供本地主权部署方案。「解释这些结果」可将任何估计转化为以真实数字为依据的通俗解读，你的 R 和 Stata 导出依然作为退路保留。
- 在调查统计界面运行估计，无需独立统计软件包
- 在 FlexiSurvey 自有基础设施上计算，绝不发送至第三方服务
- 面向 Enterprise 提供本地主权部署方案
- 「解释这些结果」提供对估计的通俗、有据可查的解读
工作原理
从设置到产出的典型流程。
标记你的设计
将 FlexiSurvey 指向承载抽样权重、分层与聚类的问题，或留空以表示简单随机抽样。
选择一项估计
选择加权均值、调查加权回归、χ² 或 t 检验，以及要分析的变量。
获得设计严谨的数字
一个点估计，附带其基于设计的标准误、置信区间和自由度，经 R 验证。
解释并报告
将结果转化为通俗易懂的发现，然后导出，或直接汇入捐助方报告。