我认为 SUTVA 违规有两种形式，它们并不总是不同的：

1. 社会、商品或物理空间中个体之间的接触产生的“溢出/干扰”（独立的味道）
2. 因治疗流行程度的变化而产生的治疗效应的稀释/集中（经济学家称之为一般均衡效应或其他条件不变假设风格的失败）

考虑一个工作培训计划，该计划教少数人如何在 Etsy（大市场中的一个小程序）上编织和销售他们的产品。如果您对待教控制组人员如何钩针编织的学员，或者当您对待一群朋友时进行更多编织（编织通常是一种社交活动），您有一个（1）的例子。这方面的两个真实世界的例子是早期艾滋病药物试验中的患者分享他们的药物或灌溉/降雨导致肥料从治疗地块流向控制地块。

如果您有一个强制性的职业培训计划，在当地农贸市场教授编织和销售（小市场中的大型计划），您可能会预期围巾和袜子的价格会暴跌，编织知识的经济利益会随着时间的推移而下降接受治疗的人数。一个真实的例子是特许学校对学业成绩的影响，如果你有大量的公立学校学生涌入另一个部门，或者一个教农民种植特定类型作物的项目，这种影响可能会改变。您可以将这种稀释视为剂量变化或治疗效果变化。

我认为通常很难将这两者完全区分，并且（2）通常通过（1）型渠道运作：公立学校学生的涌入只是因为竞争资源限制或同伴效应而成为问题。然而，（2）比溢出/干扰更微妙，所以我认为它在某种意义上确实“超越了独立性”。

我认为（1）通常更有害，因为它破坏了估计的内部有效性，尽管我们有时可以将分析单位重新定义为个人互动的社区，而不是个人本身。

我认为（2）限制了外部有效性，因为当试验规模较小时，我们可以将估计的部分均衡效应视为对一般均衡效应的一种约束，如果计划扩大，价格和输入或“剂量”变化。这限制了您可以索赔的内容，但如果小型试验计划的成本已经超过收益，并且我们预计如果该计划扩大，收益会下降，这仍然是有用的信息。或者，SUTVA 可能只保留我们的部分数据，一旦其余部分被丢弃，分析就可以继续进行。这使得 (2) 不那么有害。

这里有一个稍微更严格的方法来思考这个问题。的治疗效果写成指示向量的函数，它为您提供剩余人群中的治疗分配：$i$$(N-1) \times 1$$\mathbf{t}$

我们可以考虑当我们以特定方式改变$\Delta_i$$\mathbf{t}$

令，处理分配向量这告诉您有多少人在特定的治疗配置中得到治疗。如果取决于中的位置，保持固定，则您违反了类型 (1) 的 SUTVA。这意味着人们是否“连接”到的人是否受到治疗很重要，这是一种依赖。$T=\vert \mathbf{t} \vert$$L_1$$\Delta_i$$\mathbf{t}$$T$$i$

如果只随和的所有对都相同，其中你有第 2 类违规。$\Delta_i$$T$$\mathbf{t}'$$\mathbf{t}$$\vert \mathbf{t'} \vert= \vert \mathbf{t} \vert,$

如果 则完全满足 SUTVA，因为潜在结果不取决于治疗的展开方式。$\Delta_i(\mathbf{t})=y^1_i-y^0_i,$

总而言之，有两种类型的 SUTVA 违规行为在概念上并不完全不同，但具有不同的含义，这使得强调它们的差异很有用。