一 · 一个不能回避的问题
九章各自指认了一笔被吸收的量。假定九栏都立起来了、九个读数都能算，还有一件事没有回答：它们合起来构成什么？
这不是一个纯理论的问题。它有一个非常具体的后果：若一个机构只能改一处，该改哪一处，改了会有多大用。 若九栏是相加的，改任何一处都得到大致相当的一份改善，从最便宜的那处下手即可；若是相乘的，改一处几乎没有用——只要其余各处还在零附近，乘积仍然在零附近。
本章的主张是相乘，但主张的强度必须先说清楚：这是一项待检验的假说，不是一个已经被数据支持的模型。本章只有次序，没有数据。
二 · 三类关系，不是一条链
第一本书把九栏排成了一条链。本书不能照办，因为本书九栏之间的关系不是一种，是三种。
第一类：串联，相乘。 留底率、存异率、弃判率三项。它们共同支撑一件事——这一次判定后来若被证明有问题，能不能回查。 回查需要三样东西同时在场：一份未被这次处置改写过的证据（留底）、一份当初异议的技术内容（存异）、以及一个“当初本来就判不了”的记号（弃判）。任一为零，回查即断。 三者相乘而非相加，第五章已经在与第四章的划界里给过一个具体的数：留底率 0.1 与存异率 0.1 的一次复核，其可回溯性不是 0.2，而是接近 0.01。
第二类：并联，取较大者。 让层比与配格率。两者指向的是同一件事的两个记录位置——“这一次的处置只覆盖了对象的一部分”。让层比从判定那一侧记（认定成立而未动的层），配格率从处方那一侧记（为配上这一个人而做的调整）。记下任何一个，那件事就有了痕迹；两个都记，得到的不是双份，是同一件事的两个视角。 因此这一对不相乘，取较大者。这也是第十一章预测它们相关系数在 0.3 至 0.6 的原因。
第三类：总开关，阈值。 填判一项。它不是链上的一环，它在链的上游之外。理由是：其余八个读数都在问“这一次判定做了什么”，而填判问的是“这一次判定该不该发生”。若一次判定本该记为无从判定而被填成了判定，那么其余八项算出来的一切都是在描述一次不该发生的判定的内部构造。 让层比再漂亮，也只是漂亮地记录了一次不该做出的分层。
因此本章给出的合成形状不是一个连乘式，是这样一句话：
可回溯性 ＝〔这一次判定是否本该发生〕×〔留底率 × 存异率 × 弃判率〕×〔max（让层比记录, 配格率记录）〕，其余三项（吞差率、随程率、消参率）不在这条式子里——它们量的不是这一次判定的可回溯性，是跨次与跨轮的可比性，属于另一条轴。
九栏不在同一条式子里，这是本章相对第一本书最重要的一处修正。 第一本把九栏排成一条链，本书发现自己的九栏分属两条轴：单次判定的可回溯性（六项）与跨次跨轮的可比性（三项）。两条轴各自成立，且可以一高一低——一个机构可以在单次上完全不可回溯而在跨次上高度可比（正是第二份档案里那份二十四次判定一致的优秀病历），反之亦然。
三 · 四个双向量必须先做方向转换
九个读数里有四个是双向量，不能直接进任何乘积式或加和式：
让层比高不必然坏。它高，说明这一次判定诚实地承认自己只动了一层。第一章明写过它自带的那件伦理：若把让层比压低设为目标，压低它最省事的办法是不再认定那些层成立——那正是这个读数所要防的事。
配格率同理，第三章写死了“不得设为考核指标，无论正向负向”。
弃判率是四个里最危险的。它为零说明体系不允许说“判不了”；它过高说明推诿。这个读数没有一个“越靠近某个值越好”的说法，只有一个区间，而这个区间本书给不出。
随程率高说明分类在跟着程序走，低说明分类稳定——但稳定也可能只是没人再修订标准了。
其余五个方向明确：留底率、存异率越高越好；吞差率、消参率、同据率越低越好。
因此任何合成式的第一步都不是加权，是为四个双向量各定一个参照区间，把读数转换成“距参照区间的偏离”。而这四个参照区间，本书一个也给不出——它们必须由实测分布决定，而实测一次也没做。这使本章的合成式在当前状态下不能被计算，只能被讨论。 这句话应当被读成对本章的削弱，而不是一句谨慎的套话。
四 · 相乘能解释、相加解释不了的那件事
一个模型值不值得留着，看它能不能解释一件竞争模型解释不了的事。相乘能解释这一件：
为什么“加一个字段”在试点里有效，推广之后无效。
试点通常是这样做的：选一家配合度高的机构，派人驻点，把该补的记录一并补齐——留底补了，异议记了，判不了的也允许记了。试点补的是多个环节。 结果好，于是写成经验推广。推广时能落地的通常只有一条——最容易写进规范的那一条，多半是“增设未采纳意见栏”。
相加模型预测：推广后应当得到试点效果的一部分，大致按补上的环节数打折。相乘模型预测：几乎得不到任何效果。 若三项串联，把存异率从 0.1 提到 0.8 而留底率仍是 0.1、弃判率仍是 0，乘积仍是零——因为其中一项是零，乘积就是零，另外两项提得再高也没有用。
这个分歧是可判决的。判决形式：在一批实施了单一字段改造的机构里，控制实施保真度之后，“结论被推翻后能否查出当初争议”的改善幅度，是否随其余两项读数的初始值变化。 相加模型预测不随，相乘模型预测强烈依赖。这一条不需要九项齐备，只需要三项，且三项都是可从既有归档件清点的 D 型或近 D 型读数。这是本书最便宜的一次判决性检验，成本远低于第十一章那张完整相关矩阵。
五 · 分层的做法，以及它可能否定整个第四编
上一节的判决检验有一个前提：三项串联这件事本身成立。若它不成立，本章连同第十一章都要重写。因此必须给出一个不预设答案的做法。
正确的做法是同时拟合四个模型，用样本外预测或信息准则比较，而不是先信一个再去找证据：
可加模型：可回溯性 ＝ 各项的加权和。交互模型：加和再加两两交互项。乘积模型：各项之积。瓶颈模型：取各项的最小值。
四个模型对同一批数据会给出不同的样本外预测，且分得开：可加模型预测单点改造有部分效果；乘积与瓶颈都预测几乎无效，但两者在“两项都不为零时”分岔——乘积对第二项的提升敏感，瓶颈不敏感。因此三个模型之间，只需要一批同时测了三项、且三项取值有足够散布的机构数据就能分开。
必须写下这句话：第一种结果会否定整个第四编。 若可加模型胜出，那么九栏之间没有结构关系，它们只是九个独立的记录缺口；第十一章的相关预注册、本章的三类关系、第十二章把九句合成一份问卷的做法，全都失去理由——九章仍然各自成立，但它们不构成一本书，只构成一个文集。本书接受这个结果，并在此写明：若那样，本书应当被拆回九篇独立论文，第四编整个作废。
六 · 乘积模型给了本书一条退路，本章自己堵上
相乘模型有一个使用者不会主动提起的好处：它对任何失败都自带解释。 某机构补了字段而没有改善？因为别处还是零。补了两处仍没改善？因为第三处还是零。补了三处仍没改善？因为方向转换没做对。这条退路可以一直退下去，退到本章永远不会错。
一个永远不会错的模型不是一个模型。因此在这里预先堵死：
在一家基线三项均低的机构，若把留底率从 0.1 提到 0.8 而其余两项保持不动，“结论被推翻后能否查出当初争议”的改善幅度达到或超过三倍，则乘积模型在该场所被否，本章须改用可加或交互模型重写。
三倍这个数不是随便取的：乘积模型预测的改善幅度约等于该项的提升倍数乘以其余项的乘积，在其余两项接近零时应当接近于无；可加模型预测该项提升八倍应带来与其权重成比例的一份可观改善。三倍是两者预测之间的一条可以落笔的线。 它可能取得不准，但它使本章可以在一家机构、一次改造、一批既有归档件上被推翻。
七 · 本章的位置
本章不新增读数，不新增判据。它给出的是一个合成形状与一条可以推翻它的观察。
按外部标准，本章的成色是三章里最弱的：三类关系的划分基于各章的论证而非数据，四个参照区间给不出，合成式在当前状态下不能被计算。本章的正确读法是一份待检验的设计说明，不是一个结论。 引用本章时若把它当作“本书主张九栏相乘”这样一个结论来引，是对本书的误用——第十四章会说明，这类误用是本书预测会大量发生的三种之一。