联邦政府的“力争上游”(Race to The Top)竞赛促进了在许多州采用基于考试的绩效评估方法作为教师评估的组成部分，但这些方法的有效性在研究人员中存在争议，也受到教师工会的广泛质疑。一个关键问题是，对学生和教师进行非随机排序可能会在多大程度上对结果产生偏差，导致教师被错误地分为高表现和低表现。有鉴于此，评估在用于VAM估计的大型管理数据集中可以找到排序证据的程度是很重要的。使用来自一个匿名州的大型纵向数据集，我们发现有证据表明存在大量的排序——特别是基于之前的考试分数的排序——而且排序的程度在不同的学校之间差异很大，这一事实被先前研究中开发的聚合排序指数的类型所掩盖。我们还发现VAM估计对非随机排序的存在很敏感。当学校进行排序时，对于某一教师在估计效能分配中的排名，不同的评估方法之间的一致性较低。
