看两家公司是否交易，不能把每一对公司都当成互不相干的样本。“甲—乙”和“甲—丙”共享甲，可能同时受甲的情况影响。普通回归诊断忽略这种依赖，容易误判模型是否可靠。这篇论文为无向二元关系数据提出整体设定检验——不只盯某个系数，而是检查模型是否系统性漏掉非线性或变量间的联合作用。
最关键的一步在 Bootstrap，也就是反复构造类似样本来估计结果会怎样波动。按节点重抽能保留共享节点依赖，但每条关系连接两个节点，会被计入两次；当关系实际上彼此独立时，原始做法的渐近协方差会达到正确值的两倍。作者据此设计了协方差校正：保留共享节点带来的波动，同时扣除多算的一份单条关系波动。模拟中，校正后的 Kolmogorov–Smirnov 检验控制误报最稳定。用于 Lazega 律所网络时，它否定了加法线性和二次设定；加入一个有经济意义的交互项——即两个特征共同作用——后，未再发现剩余的设定偏差。作者也明确指出，该方法并不覆盖所有高度退化的关系结构。