做调查就像按年龄、地区和教育程度给人群分格子：单看各地有多少人、各年龄段有多少人并不难，但你往往不知道“某地、某年龄、某学历”究竟有多少人。缺了这些交叉组合，就没法直接把样本校准到真实人口结构。
Shira 在 Gelman 博客介绍的一项工作，讨论的正是如何用部分人口信息重建复杂列联表——把多个分类变量交叉后记录人数的表。其思路是先估补一张完整的后分层表，再用于 MRP（多层回归与后分层）：先估计各人口小组的调查结果，再按小组人口规模加权汇总。
真正棘手的取舍是：人口表重建得更准，最终调查估计未必就更准。Shira 指出，这还取决于调查结果与后分层变量之间的关系；她也对模型用了哪些协变量、如何加入新地区调查数据，以及重建误差为何呈随机分布提出疑问。换句话说，这项工作给出了补表方向，但博客材料尚未披露具体模型设置和效果数字。