در مدل سازی آماری معمولاً وجود محدودیت های مختلفی مانند هزینه، نیروی انسانی، وقت و غیره در بررسی های نمونه ای موجب می شود که نتوان به نمونه ای به اندازه کافی بزرگ برای رسیدن به دقت مطلوب دست یافت. هنگامی که جامعه ناهمگن باشد این مشکل نمود بیشتری پیدا می کند. در چنین شرایطی روش های مختلف براورد کوچک ناحیه ای در مقایسه با روش های معمول به استنباط های قابل اعتمادتری منجر می شوند. عمومی ترین کلاس از مدل های کوچک ناحیه ای مدل های اثرات آمیخته هستند. دو نقطه ضعف اصلی این مدل ها آن است که به فرض نرمال بودن متغیر پاسخ وابسته اند و در مقابل داده های دورافتاده نیز استوار نیستند. در این پایان نامه رویکرد جدیدی برای براورد کوچک ناحیه ای تحت عنوان مدل های چندچندکی مورد مطالعه قرار گرفته است. نشان داده شده است این مدل ها در واقع تعمیمی از رگرسیون چندک و مبتنی بر براوردگرهایی از نوع ماکسیمم درستنمایی هستند که بر حسب یک تابع تاثیر خاص توسعه داده می شوند. مزیت اصلی مدل های چندچندکی این است که در مقابل داده های دورافتاده و انحراف از فرض های توزیعی استوار هستند. در نهایت مدل های چندچندکی در قالب چند مطالعه شبیه سازی و یک مثال واقعی مورد ارزیابی قرار گرفته و با مدل های اثرات آمیخته مورد مقایسه قرار گرفته اند.