集中式学校分配算法必须区分具有相同偏好和优先事项的申请人。这是通过随机分配的彩票编号完成的，如测试分数，或两者都是如此。纽约市公共高中比赛说明了后者，使用测试分数，等级和访谈来排名申请人到筛选的学校，结合在未经筛选的学校的彩票绑架。我们展示了如何在此类环境中识别学校出勤的因果影响。我们的方法概括了回归不连续性设计，以允许多种处理和多个运行变量，其中一些是随机分配的。彩票在筛选和未识别的学校产生分配风险。集中分配还确定了筛选的学校影响来自筛选的学校截止。这些功能的集中分配用于评估纽约市学校报告卡的预测价值。等级学校改善了SAT数学分数，增加了毕业的可能性，但通过较低的估计表明。OLS估计中的选择偏见对于级别的筛选学校来说是令人震惊的。