在抽样调查中，参数估计是非常重要的环节之一，参数估计效果的好坏，直接影响着整个调查的质量。实际的抽样调查数据中往往存在着异常值，异常值会对传统的估计方法造成很大的影响，使估计结果变得很不稳定，从而导致整体的估计效果变差。对于调查数据中的异常值，有些并不是由于记录错误等人为原因产生的，而是数据自身特点的客观表现。这种异常值往往包含着重要的系统信息，在估计时不能简单的将其删除。因此需要寻找一种新的统计推断方法，在使用这种统计方法进行推断时，异常值不至于对总体推断产生过大的影响。这种方法就是稳健统计方法。　　稳健估计的基本原理是，在估计的时候，对异常值赋予较小的权重，使其对估计结果的影响变小，从而提高估计的稳定性。然而，稳健估计会导致一些样本信息的损失，使估计结果的偏差变大。综合考虑偏差和方差两个方面，传统的估计方法和稳健估计方法孰优孰劣，就成为一个需要研究的问题。　　本文首先通过模拟方法，比较了在不同总体分布、不同异常值类型、不同异常值比例、辅助变量和目标变量不同相关程度、不同抽样方法等15种情况下各种估计方法的估计效果，然后结合我国贸易信贷调查项目进行了相关的实证研究。　　本文的主要结论如下:　　(1)当总体服从偏态分布时，稳健估计的估计效果不如传统估计量，但随着偏度的增大，相对于传统估计方法而言，稳健估计的估计效果有变好的趋势。　　(2)在总体分布为正态分布、样本中异常值比例为2％的条件下，无论异常值为代表性异常还是非代表性异常，从整体估计效果来看，稳健估计量都要比传统估计量更具优势;对于非代表性异常来说，这种优势更加明显。　　(3)在总体分布为正态分布、样本中异常值为代表性异常时，随着样本中异常值比例的增大，稳健估计量相对于传统估计量的优势越来越明显。　　(4)当总体的主体分布为正态分布、样本中异常值为代表性异常、异常值比例为1％时，随着目标变量和辅助变量相关程度的增大，稳健估计相对于传统估计的优势越来越明显;由于比估计的RMSE随着相关程度加大而减小的很快，因此在相关程度为0.8的情况下，稳健估计的效果不及传统的比估计。　　(5)当总体的主体分布为正态分布、异常值为代表性异常、异常值比例为1％、目标变量和辅助变量相关系数为0.8时，采用层数为六的分层随机抽样，并使用分层比估计量时的RMSE最小;当采用PPS方法时，稳健回归估计能够表现出明显的优势。　　(6)不同的稳健估计方法其效果也是不同的，综合来看，Hampel估计要比Huber估计效果更好，但即使对于Hampel估计来说，选择不同的细调参数，估计效果也会不同。　　(7)对于贸易信贷调查项目，虽然辅助变量和目标变量的相关程度较低，但借助辅助变量进行分析，得到的结果仍然比不借助辅助变量时要好;在借助辅助变量进行估计时，使用PPS方法，同时使用Hampel M估计量所得到的结果是最好的。