房价模型可能总体上最看重地段，但到了小户型区，面积反而更关键。问题在于，一个全局重要性分数会把这些差异平均掉，让人误以为同一套排序处处适用。这项工作提出“异质性指数”，专门判断变量的重要性是否随模型所处区域而变化。
做法的关键是：先把模型空间划成若干区域，分别计算各变量的重要性，再将每个区域的结果归一化为“重要性构成”。研究者用总变差距离——衡量两个分布相差多少的指标——逐对比较这些构成，最后取平均。指数范围为 0 到 1：0 表示各区域的相对重要性完全一致，数值越高，说明重要性在不同区域间重新分配得越明显。
作者在九个基准函数，以及木托盘碳足迹、洪水风险和钢结构可靠性模型上测试了它，并称该指标能找出全局分析遮住的变化，包括罕见行为状态之间的差别。它并不取代全局敏感性分析——也就是衡量输入在整个取值范围内总体影响多大——而是提醒使用者：什么时候一个总排名已经不够。实现已收入开源 simdec 软件包。