想评估一项只在某座城市实施的政策，常见做法是拿其他城市拼出一个“虚拟城市”。可如果政策前的数据很短，而且没有哪组城市真正像它，硬拼出的对照难免带偏。Rok Spruk 研究的是：这种不完美无法消除时，怎样仍给出可信的推断范围。
论文把政策前时间切成两段：较早一段用来挑供体权重，较晚一段专门检查误差，并用“锚点”校正处理前已有的差距。随后，它不假装偏差为零，而是明确限制反事实轨迹能弯曲多快，再构造置信区间——即按重复抽样规则，应以标称概率覆盖真实效果的范围。作者还提出“崩溃曲率”：轨迹要弯到什么程度，区间才首次包含零。这个数越大，结论越经得起外推误差。
作者报告，在一组标称覆盖率为 95% 的模拟中，传统方法实际只覆盖 82%；新方法则在其曲率限制成立、噪声彼此独立时达到覆盖保证。代价也很清楚：保证取决于这些明示条件，验证期太短时，区间可能宽到难以使用。