如果治疗组之间的协变量分布有有限的重叠，则已知在无混淆治疗分配下的平均治疗效果的估计值相当不精确。但是这种有限的重叠也会对推断产生不利影响，并导致例如高度扭曲的置信区间。本文表明，这是因为传统置信区间的覆盖误差并不是由总样本量决定的，而是由有限重叠区域的观测次数决定的。至少这些“局部样本量”中的一些在应用中通常非常小，以至于从中心极限定理导出的分布近似变得不可靠。基于这一观察结果，本文提出了两个新的稳健置信区间，它们是小样本推理的经典方法的扩展。结果表明，这些方法易于实施，在经验相关的设置中，相对于标准方法具有优越的理论和实践性质。因此，它们应该对从业者有用。