首先，我们简要说明了当我们对风险因素进行错误分类时，在带有二元风险因素的病例对照研究中，使用比值比对数的普通估计值的效果。然后介绍了外部验证和重复测量这两种广泛的纠正错误分类的策略。对于这两种模型，都导出了ML估计及其渐近方差。在两种模型具有相同成本的假设下，比较了两种情况下的渐近方差。我们首先选择相等的子样本大小，然后选择最佳子样本大小。已经进行了模拟研究，以获得估计值定义良好的概率以及样本大小必须有多大的印象，从而使渐近方差成为良好的近似值。