给一部分农户培训，没参加的人也可能从邻居那里学到东西。研究者通常会划个范围，比如“两公里内有多少人受训”，再估算这种溢出效应。问题是：两公里凭什么正确？范围选错，真实影响可能被遮住，后续误差区间也会显得过于确定。
Yechan Park 提出从实验设计本身反查这个范围。核心直觉是：如果“暴露映射”——把周围人的处理情况压缩成一个指标——定义正确，那么在控制该指标后，随机分配留下的信息不该再与结果系统相关。论文把这部分信息做成“设计侧残差”，通过反复模拟已知的分配机制计算，并用正交条件检查残留关联；同一套条件既能估计距离等参数，也能检验整个暴露定义是否站得住。
这种设计型推断把不确定性主要交给随机或准随机分配，而不是先押注某个结果模型。论文将方法用于两项大型扶贫项目：部分既有半径得到支持，另一些被拒绝；在被拒绝的案例中，修订半径后，政策效果估计也出现实质差异。