一项校园干预可能不只影响参与者本人，还会沿朋友圈传开。只看平均分，容易把这种差别抹平。Wang、Lan Wang 与 Xiao-Hua Zhou 提出一套设计型推断框架：把随机分配本身视为不确定性的来源，不预先假定结果服从某种统计模型；再用“暴露映射”把复杂情形归成可比较状态，比如本人未参与、但多数朋友参与。
这套方法估计“分位数暴露效应”：比较不同暴露状态下结果分布的中位数或其他位置，而非只比均值。关键一步是先按随机分配概率，把同一种暴露背后的多种邻里处理组合合成一个分布，再求分位数；直接平均各组合的分位数并不等价。作者还给出适用于网络依赖的误差估计与渐近保守置信区间。
在一项覆盖 56 所学校的反冲突干预数据中，作者发现，无论直接影响还是朋友带来的溢出，估计效果在分布两端都接近零，明显改善主要集中在中部；直接效果覆盖的分位范围更宽。这说明正的平均效果并非均匀落在整个人群分布上。分位数差异描述的是分布位置，不能直接理解为“同一批中间学生”各自改善了多少。