樣本分散性其實有測試機制，但現在要到各民調公司做現場測試，根本來不及。所以本項必須採用「較佳決策」，即知道有此議題，但略過不論。
故「納入哪些民調公司」應是藍白雙方必須優先合議、是唯一宜以政治解決的問題，也是民調專家不必介入的問題。
「3腳督」「4腳督」都應納入
納入民調公司哪些報告？
少數樣本可以推論全體的第二大前提是：達到最適樣本數。
如果是隨機/等機率樣本，200個以上，開始產生推論意義；1500個以上，推論開始穩定；3000個以上，推論效益開始降低。
如果是不隨機/等機率樣本，則除了嚴重偏差樣本外，可盡量大。
所以，各民調公司的「3腳督」「4腳督」都應納入分析。
而各民調公司的網路調查，與純手機調查，均不應納入分析。
網路調查就是傳統函件調查的虛擬化，國內外均有大量研究文獻，證明這種調查嚴重缺乏隨機/等機率性，具備主動偏頗性，適合市場行銷，不宜作為推論與決策性使用。
「手機調查」當前有個迷思，因為NCC 的年度報告，指出手機使用率已超越市話。這個現象可支持要重視運用手機，但不可誤解為要使用純手機調查。
因為決定抽樣正確性的是「母群清冊完整性」，與「使用率」並無關係。前者可大略理解為「可接觸率」，市話仍優於手機，在這情況下如何相輔相成，需要另文解說。
幸而，當前網路上廣為流傳一份數據，即2022 選舉，以混合清冊、或純市話的調查，其報告數字或超過宣稱誤差，但當選人不變；而相同的調查公司，若採用純手機調查，連當選人都弄錯相反了！這是個不需要詳細解說的實務例證。
「統合分析」之資料標準化
如何標準化資料？哪些資料必須標準化？實務上可標準化？
●取得各民調公司的真實資料，而非加權後資料。
●標準化為二項分配形式
●比較標準化百分比
●「誤差」分析的素質改善
當前坊間民調幾乎全部是加權後數字，而非調查真實數字。
因為採用類RDD 的隨機尾數、又不斷更換樣本，會造成樣本的人口資料，和母群產生很大差距。
所以，這些民調公司再用《性別、戶籍、年齡》加權，只有美化數字效果，不能增加推論性，反而有擴大誤差之虞。
加權法美化數字 擴大誤差
「加權法」必須是加權項目，為應變項的因果/關聯自變項。譬如，要預測燒開水所需時間，若我們各式水壺與瓦斯桶樣本不足，但根據已有樣本的「水壺容量」、「耗瓦斯量」加權，則可經加權，正確預測各種燒開水時間。
但如果我們以「水壺廠牌」、「瓦斯桶顏色」加權，則毫無作用，可能反而擴大誤差。
國內外大量選舉研究均指出《性別、戶籍、年齡》和選民的投票傾向並無因果關係，或許特定候選人和某人口變項會有個案的關聯性，但人口變項不是對選舉有預測力的變項。
