利用抽样调查数据推断总体参数通常有两种方法：一种是基于设计的推理系统，另一种是基于模型的推理系统。基于设计的推理基于随机化理论。推理取决于抽样设计。估计量在大样本下是无偏的和一致的，但在小样本或非抽样误差的情况下效率较低。基于模型推断，认为有限总体是一个来自无限超种群的随机样本。推理依赖于模型假设。超种群模型的构建具有很大的灵活性，有利于充分利用种群的辅助信息，提高估计精度。然而，当模型假设错误或样本注入过程没有提供信息时，存在估计误差。如何将这两种推理方法结合起来，以反映样本对总体的代表性，并确保估计效率和估计量的优良性质，还有待研究。权重在基于设计的推理中起着核心作用，它可以反映抽样设计对样本的影响，实现样本的整体恢复。在基于模型的推理中引入权重，可以使基于模型的推理结果具有普遍的代表性，更好地发挥两种推理系统的组合优势，减弱模型假设对推理效果的影响。因此，本文从权重对模型推理的影响入手，针对因果推理问题，提出在倾向评分模型和预测模型的建模过程中同时引入权重，构造一种双稳健估计方法，并通过仿真研究进行了验证。结果表明，该方法能充分发挥权重的作用，得到更准确、更稳健的估计结果。实证部分利用CGSS2017年的调查数据进行分析，进一步说明在基于调查数据的模型推理中，应充分考虑抽样设计的影响，为研究人员基于调查数据进行因果推理和其他研究提供参考。