在应用工作中，使用具有加性效应的线性模型研究二元变量(“处理”)对感兴趣的结果的影响是标准做法。在这篇论文中，我研究了这种模型中普通和两阶段最小二乘估计的解释，当处理效果实际上是异质的。我证明，在这两种情况下，处理的系数与其他两个参数的凸组合相同(对于OLS和2SLS不同)，这可以解释为在附加假设下对被治疗者和对照组的平均处理效果。重要的是，这些参数的OLS和2SLS权重与各组的比例呈负相关。得到治疗的单位越多，对被治疗单位的影响就越轻。接下来，对这些隐式权重的依赖可能会对应用工作产生严重的后果。我在四个不同经济学领域的实证应用中阐述了其中一些问题。我还开发了加权最小二乘修正和简单的诊断工具，应用研究人员可以使用它们来避免潜在的偏差。在一个重要的特殊情况下，我的诊断只需要知道处理单位的比例。