做随机试验时，研究者常把“是否接受处理”和年龄、基线成绩等特征一起放进回归。前者随随机分配而变，后者有时被当作本次分析中的已知条件。现实里两类解释变量经常混用，传统理论却多只讨论全随机或全固定的情形，模型一旦写得不够准确，置信区间还能不能信就不够清楚。
Mengsi Gao 与 Peng Ding 为这种“混合回归量”建立了统一理论。最值得注意的结论是：模型设错时，常用的 Huber–White 稳健标准误——用来衡量估计值有多不确定——在混合情形下通常偏保守，而非精确一致。说白了，它可能把误差估得稍大、区间画得稍宽，但不会因此把错误模型变正确。作者还把结果用于完全随机试验与聚类数据，并讨论回归系数在何种设置下仍可作因果解释。