统计数据作为政府决策的重要依据，统计数据质量关系到政府宏观政策的制定。一直以来，我国政府不断改革统计管理体制，努力提高统计数据质量，在2020年脱贫攻坚决战决胜、全面收官的关键阶段，评估政府扶贫数据质量则显得至关重要。同时，政府为了确保财政扶贫专项资金的合理分配、精准的开展后续扶贫工作，需要充分掌握各盟市、各旗县的贫困状况，但是目前我国农村住户调查方案是在满足国家贫困指标的推断下设计的，这使得部分偏远省份、区(县)的调查样本单元有限，基于有限的调查数据对区、县目标参数的推断是不可靠，甚至区县指标汇总后与国家官方公布的贫困指标不一致，造成上下级统计数据“打架”的情况。因此，本文在不增加调查成本的情况下，通过“小域估计”技术解决多层次推断问题，精准、及时的推断内蒙古自治区盟市、区县的贫困率，也为评估数据质量提供一种新的模型方法。
　　本文首先介绍小域估计的理论模型，由于直接估计在样本量不足时推断结果偏差较大，文中着重介绍间接估计方法，主要通过借助辅助信息增加目标域中的有效样本量，构建目标变量与辅助变量的统计模型实现对目标变量的可靠推断。其次借鉴国外研究经验以及国内精准扶贫研究成果，选择本文“可能的”辅助信息，通过多重线性回归将对贫困率有显著性的变量确定为辅助信息。然后应用Fay-Herriot模型和多重线性回归对部分区县和地级市的贫困率进行推断。最后通过比率基准和差异基准等基准校正方法对地级市贫困率EBLUP估计值进行调整，保障了上下级统计结果的一致性，提高了模型推断结果的可靠性。
　　实证结果：验证了小域估计技术解决我国贫困测度问题的可行性，为今后地方政府测度地区贫困提供新方法，在区县级的贫困测度分析中，引入域的随机效应更好地反映了区域间的差异性，Fay-Herriot模型更加精确地对各区域的贫困率进行推断。并且通过该方法评估了内蒙古自治区贫困专项调查数据的可靠性。其次，基准校正提高了基于模型估计结果的可靠性，使上下级统计结果保持一致。比较EBLUP估计值、比率基准值和最优基准值，三者数值差异很小，表明本文基于模型推断结果理想。最后，内蒙古自治区各区县以及地级市贫困差异较大，大多数的区县贫困率为0%-2%，低于2017年全国平均水平，但是也有少数区县贫困率为4%以上，这些区县今后的扶贫工作政府需要做出更大努力，也需要社会各方面的协助配合。同时地级市的贫困率出现两极分化，有部分区域贫困率在3.3%和3.9%，也有部分区域贫困率近似0%，政府应该制定有针对性的帮扶方案。