Badaczy zajmujących się zagadnieniem niedostępności czasem dzieli się na dwie grupy w zależności od preferowanego podejścia do problemu – na redukujących skalę zjawiska (reducers) i korygujących skutki zjawiska (adjusters). Podział ten nie do końca jest uzasadniony, ponieważ oba te podejścia powinny stanowić strategie dopełniające się – najpierw należy zrobić wszystko, aby skala zjawiska niedostępności oraz związane z nim błędy systematyczne były jak najmniejsze, a następnie należy stosując pewne dostępne techniki statystyczne skorygować efekty wystąpienia niedostępności w badaniu.
Groves (2005) przytacza kilka możliwych metod korygujących. Najpopularniejszą z nich jest wspomniana w rozdziale piątym operacja ważenia. Jest ona prawdopodobnie również metodą najbardziej kontrowersyjną, bowiem stosowana bez należytego namysłu i informacji odpowiednich do skonstruowania właściwych wag może doprowadzić do pogorszenia jakości danych, zafałszowania oszacowań parametrów i zwiększenia błędu systematycznego (Lynn 2003, Stoop 2005). Innym zastrzeżeniem, jakie można mieć do tej techniki jest szkodliwość w kwestii świadomości, jak istotna jest niedostępność. Często bowiem ważeniem (z użyciem wag dostosowujących próbę do rozkładu zmiennych demograficznych w populacji) „naprawia się” ubytki z próby i niedostatki realizacji, traktując tę operację jako stuprocentowo skuteczną w zwalczaniu negatywnych skutków niedostępności. Nie bierze się przy tym w ogóle pod uwagę możliwej systematyczności ubytków i wpływu tego zabiegu na wielkość błędu systematycznego. Tymczasem taka operacja bynajmniej nie powinna poprawiać badaczom samopoczucia.
Groves wymienia także modele, które mają pomóc w szacowaniu błędu systematycznego – np. modele prawdopodobieństwa udzielenia odpowiedzi. Modele takie (częściowo również odwołujące się do operacji ważenia) mogą umożliwić symulacje „zastępowania” jednostek niedostępnych podobnymi do nich respondentami – przypisywania im (imputation) pewnych cech lub profili odpowiedzi.
Przykładem zastosowania takiego modelu jest przytaczana przez Lissowskiego (1971) metoda Politza-Simmonsa. Metoda ta opiera się na podziale zrealizowanej próby na warstwy wedle ilości czasu, jaką respondenci spędzają w domu. W ramach tej metody ankieter podejmuje tylko jedną próbę skontaktowania się z respondentem. Wykorzystując prawdopodobieństwo, z jakim badanych z danej warstwy można zastać w domu, dokonuje się oszacowania liczby jednostek z poszczególnych warstw w całej próbie oraz wartości średnie w niedostępnych częściach warstw. Prawdopodobieństwo przebywania respondenta w domu określane jest na podstawie odpowiedzi na pytanie, ile razy przebywał on w domu w ciągu pięciu poprzedzających badanie dni. Oszacowanie takie ma, jak pisze Lissowski istotne wady – przede wszystkim związane z rzetelnością informacji o czasie przebywania w domu dostarczonej przez respondentów. Studium eksperymentalne mające na celu sprawdzenie skuteczności powyżej metody nie dało jednak dobrych wyników. Skuteczniejsze okazało się podjęcie większej liczby prób kontaktu z respondentami (Lissowski 1971).
Obecnie istnieje wiele dostępnych metod zmniejszania negatywnych skutków niedostępności, która już wystąpiła. Należy jednak podkreślić, iż nawet najlepsza metoda jest bezsilna, jeśli badacz jeszcze na etapie projektowania badania nie zapewni sobie możliwości jej wykorzystania. Można to uczynić stosując wspominane wcześniej bogate operaty, a także zmienne pomocnicze, które dostarczaj ą przynajmniej podstawowych informacji o jednostkach niedostępnych.
