Es gibt zahlreiche Strategien, die Fehler, die durch Non-Response entstehen, auszugleichen.
Abbildung: Justierung von Stichproben
Ein Verfahren, zur Verbesserung von Stichproben, ist die Schätzung von fehlenden Fällen. Dafür müssen aber bereits Variablen der Non-Respondents, wie zum Beispiel der Wohnort von Kunden, bekannt sein. Aus den allgemeinen Zusammenhängen der bekannten Variablen mit den im Einzelfall nicht bekannten Variablen, können diese statistisch geschätzt werden. Aus dem Wohnort eines Antwortverweigerers können zum Beispiel Einkommen, Konsumausgaben und Freizeitverhalten eingeschätzt werden. Dafür werden einfach Daten über die Einwohnerstruktur seines Postleihzahlengebietes verwendet.
Die Erneute Erhebung von Non-Respondents ist eine erste effektive Methode, Verzerrungen zu regulieren. Ziel ist, durch Kontaktierung einer erneuten Teilstichprobe aus denjenigen, die die Antwort verweigert haben, eine höhere Antwortrate bei diesen Personen zu erreichen. Die Ergebniswerte werden auf alle Non-Respondents hoch gerechnet. So kann der Effekt von Antwortverweigerern eingeschätzt werden.
Ersetzung von Non-Respondents mit anderen Personen kann ebenfalls die Qualität einer Stichprobe verbessern. Hier werden die Antwortverweigerer durch andere, möglichst ähnliche Personen ersetzt. So soll ein Ersatz gefunden werden, der ähnlich zu bestimmten Antwortverweigerern ist, aber unähnlich zu Teilnehmern, die schon in der Studie sind. Man sollte hinzufügen, dass diese Methode den Non-Response Bias nicht reduziert, wenn die ersetzten Teilnehmer denen, die bereits in der Studie sind, zu sehr ähneln.
Werden die selben Probanden wiederholt befragt, kann man Trend Analysen durchführen. In der Regel nehmen von Erhebungswelle zu Erhebungswelle immer weniger Personen an den Studien teil. Unterschiede der Teilnehmerstruktur in den einzelnen Befragungswellen geben wertvolle Hinweise auf Verzerrungen durch Non-Response. So kann aus der Veränderung der Teilnehmerstruktur über die Befragungswellen auch auf die Antwortverweigerer geschlossen werden. Ein Beispiel dafür wäre die Kauffrequenz in Kundenstichproben bei Elektrofachgeschäften. Kauffrequenz hängt eng mit thematischem Interesse und Involvement zusammen. Gleichzeitig hängt das thematische Interesse aber auch mit der Bereitschaft an einer Studie teilzunehmen zusammen. Daher nehmen im Verlauf der Studien immer weniger Menschen mit geringer Kauffrequenz teil. Aus dieser Abnahmefunktion lässt sich schätzen, wie sehr Kunden mit geringer Kauffrequenz bereits in der ersten Erhebung unterrepräsentiert waren.
Auf Basis dieses Verfahrens kann durch Gewichtung der Daten versucht werden, die Repräsentativität der Stichproben zu korrigieren.
Falls andere Methoden nicht greifen, ist es im Notfall auch möglich, anhand von Plausibilität zu schätzen. Dies beinhaltet die wahrscheinlichen Ursachen für Non-Response einzubeziehen, die auf Erfahrung oder bereits verfügbaren, wissenschaftlich fundierten Informationen beruhen.
Zum Beispiel ist anzunehmen, dass Verheiratete mit Kindern eher nachmittags daheim zu erreichen sind, als berufstätige Singles. Daher könnten Singles in der entsprechenden Stichprobe stärker berücksichtigt werden.