想象一个教育项目先按学校分组：有的学校让 20% 学生参加，有的让 60% 参加。研究者不只想知道参加者有没有变好，还想知道没参加的同学会不会被身边人带动。这就是外溢效应。问题在于，这类实验的随机方式很特殊，如果事后还用普通检验，显著性可能不是效果本身，而是分组和比例设计“制造”出来的。
这篇论文讨论的就是 randomized saturation designs（随机饱和设计）的检验问题。随机饱和设计先给不同集群分配不同处理比例，再在集群内随机分配个人；它很适合研究“组里被处理的人越多，未处理者是否也受影响”。作者 Jizhou Liu、Azeem M. Shaikh 和 Liang Zhong 提出的核心思路，是把 randomization test（随机化检验）按原始实验设计重新搭起来：如果没有外溢效应，在所有符合当初随机规则的分配里，现在看到的结果到底有多罕见。
论文比较具体的一点是，它没有只处理一种“没有效果”。对两个固定饱和水平，作者区分了“每个未处理个体都没有外溢效应”的部分尖锐零假设，以及“外溢效应不超过某个预设常数”的有界零假设，并给出有限样本有效的条件随机化检验。对更弱的平均外溢零假设，论文说明它不能得到有限样本精确检验，但可用 studentized 统计量做渐近有效推断。换句话说，这项工作的价值不在于发现某个新外溢效应，而是在提醒研究者：实验怎么随机，显著性就该怎么检验。