当结果因研究者无法控制的原因而丢失时，有两种不同的方法来调整与结果和丢失相关的协变量的参数估计。一种方法是建模协变量和结果之间的关系，并使用这些关系预测缺失值。另一种方法是对给定协变量的缺失概率进行建模，并将其纳入加权或分层估计。双稳健（DR）程序同时应用这两种类型的模型，如果正确指定了两种模型中的任何一种，则会产生一致的参数估计值。在本文中，我们展示了DR估计可以通过多种方式构建。在一个模拟示例中，我们比较了群体平均数的各种DR和非DR估计的性能，其中两个模型都不正确，但都没有严重错误地指定。使用逆概率作为权重的方法，无论是否为DR，在某些估计倾向很小的情况下，对倾向模型的指定错误都很敏感。许多DR方法的性能优于简单的逆概率加权。然而，我们尝试的DR方法都没有改进基于简单回归的缺失值预测的性能。这项研究并不能代表实践中出现的所有缺失数据问题。但它确实表明，至少在某些情况下，两个错误的模型并不比一个好。