本文考虑了当治疗状态的分配是不完全随机的情况下，对一个方案对多个结果的影响进行推断的问题。所谓不完全随机化，是指根据分析师可能观察到或未观察到的特征，在初始随机化之后重新分配治疗状态。我们开发了一种部分识别方法来解决这个问题，它利用限制随机化不完美程度的信息来表明，在这种情况下，仍然有可能对程序的效果做出非平凡的推论。我们考虑一组零假设，其中每个零假设都指定程序对感兴趣的几个结果中的一个没有影响。在弱假设下，我们构建了一个程序来测试这个零假设家族，以一种控制家族错误率的方式——即使是一个错误拒绝的概率——无限个样本。我们在重新分析高范围佩里学前教育项目的背景下开发了我们的方法。我们发现，即使在考虑了随机化的不完全性和零假设的多样性之后，该计划对许多不同的结果(包括与男性和女性的犯罪活动相关的结果)的统计显著影响。