استفاده از متغیرهای کمکی مناسب در محاسبه برآوردهای موزون می تواند کارایی این برآوردها را بهبود بخشد. این نوع برآوردها به منظور جبران اثر احتمال های انتخاب نابرابر، بی پاسخی، ناپوشانش، یا نوسان های حاصل از نمونه گیری حول مقادیر معلوم جامعه به کار می روند. ساده ترین برآوردگرهایی که از اطلاعات کمکی استفاده می کنند برآوردگرهای رگرسیونی و نسبتی هستند. دویل و سارندال (1992) نشان دادند که برآوردگر رگرسیونی را می توان به شکل یک برآوردگر موزون به دست آورد که وزن های آن با مینیمم کردن یک تابع فاصله و به شرط برقراری یک سلسله معادلات کالبیده به دست آمده اند. به طور کلی وزن هایی را که به این شکل محاسبه می شوند، وزن های کالبیده، و برآوردگرهای حاصل را برآوردگرهای کالبیده گویند. در این مقاله ضمن معرفی صورت عام برآوردگرهای کالبیده، حالت های خاصی از این برآوردگرها که حاصل به کارگیری تابع های فاصله متفاوت است نیز مورد بررسی قرار می گیرد. سپس با استفاده از داده های طرح نیروی کار، برآورد نرخ بیکاری توسط نظام های مختلف وزن دهی محاسبه شده، دقت و بار محاسباتی این روش های برآورد نقطه ای با یکدیگر مقایسه می شوند.