想判断一项新规有没有效果，常见做法是比较实施前后的长期走势。可如果指标是接种率、合格病例占比这类比例，分析就有两道关：数值不能低于0或高于100%；相邻月份还可能彼此牵连。后者叫自相关，忽略它，置信区间可能过窄，让干预效果显得比实际更确定。
Ariel Linden重新分析了两项医疗中断时间序列研究。最直观的一例中，普通分段线性回归——分别拟合干预前后水平与斜率——给出了6个低于0的拟合值；66个时间点里，35个的95%置信区间越过了0到1的合法边界。改用 fractional logistic regression 后，预测被限制在合理范围内，也能保留恰好为0或1的观测。
论文要提醒的是，这两道关不能互相替代：能处理自相关的模型未必守得住比例边界，适合比例数据的模型也未必处理序列依赖。实际分析应分别检查，再选择同时匹配数据范围和时间关系的方法。