联邦政府对最高竞争的争夺促进了通过在许多国家的教师评估的一组成部分的基于测试的绩效措施，但这些措施的有效性在研究人员中一直存在争议，并由教师工会广泛争夺。关键问题是，学生对教师的非谐波分类可能会偏向结果并导致教师的错误分类，高或低表现。鉴于此，重要的是评估分类证据可以在用于VAM估计的大型管理数据集中找到的程度。使用从匿名状态的大型纵向数据集，我们发现存在非活动量的分类 - 特别是基于先前的测试分数进行分类 - 以及分类的程度在学校上变化很大，这是通过聚合分类类型模糊的事实在现有研究中开发的指数。我们发现VAM估计对非谐波分类的存在敏感。当学校参与排序时，跨估计估算方法的估计方法较少。