学习内容转载自向阳乔木的开源作品。原版证据分级沿用,未在本轮逐条重新核验;示意曲线与跨领域类比不能直接证明业务结论。

01 · 场景

骂人的教官比夸人的更管用?

卡尼曼给以色列空军的飞行教官讲课,说行为心理学的研究表明,奖励比惩罚,更能塑造行为。一位资深的教官,当场反驳:学员做出一个特别漂亮的飞行动作时,他当面夸奖,下一次的动作,往往会变差。学员做得特别糟糕,他就大声训斥,下一次,往往就变好了。所以,骂,比夸管用。卡尼曼当场意识到,教官看到的,是“回归”:一次极端的好,或者极端的坏,本来就大概率,跟着一次更普通的发挥,跟夸还是骂,没有关系。可是这个错觉,太顺手了,它让惩罚显得有效,让表扬显得多余。多年之后,他把这个故事,写进了《思考,快与慢》的第 17 章,作为“归因压倒了统计”的经典案例。

02 · 原理

一张图看懂它怎么运转

FIG. 原理图均值回归 · Regression to the Mean

运气不会重复,能力才会重复。极端的表现里,掺的运气越多,下一轮落回平均的幅度,就越大。

03 · 练习

练一练:3 道题,看你会不会用

04 · 边界

什么时候它会坑你

真实的水平,确实变了,比如伤愈复出、技能提升

模型会说好转,只是回归平均,不必归因。

现实是回归和真实的变化,会叠加在一起,光看平均数,没法区分,没有对照组,就会漏掉真正的改进。

极端的表现,主要靠稳定的实力,运气占比很低

模型会说下一轮,会大幅回落。

现实是回归的幅度,其实很小,这时候预测大幅回落,反而错得离谱。

用群体的规律,预测具体的个人

模型会说每个人,都会向平均回归。

现实是回归,只对群体的期望成立,个体完全可能更极端,拿它去劝人“别得意”,没有统计的依据。

度量有天花板或地板,比如考试的满分

模型会说高低两端,对称地回归。

现实是天花板会截断分布,让高分的一端被压平,回归看起来是不对称的。

05 · 证据

高尔顿的身高数据:子代偏离比父代小可靠二手

高个父母的孩子,平均仍然偏高,但更接近人群的平均,矮个的家庭也是一样。子女的身高偏离,大约是父母偏离的三分之二。

来源:Francis Galton, Regression towards Mediocrity in Hereditary Stature (1886),928 名成年子女观测,回归系数 2/3;图中为该系数的示意换算

06 · 用法

照着做,一共 5 步

  1. 先确认,你手里的是不是“极端组”只要样本,是按表现挑出来的前几名,或者后几名,回归就已经在路上了。
  2. 估一估,这个指标里,运气占多少单次的表现、小样本、高淘汰率的场景,运气占比高,回归的幅度大。
  3. 预测下一轮的时候,向平均收缩别把极端值,线性地往后推,用“真实水平加运气”的框架,估一估回落的幅度。
  4. 归因之前,先设一个对照组想证明奖惩,或者某个干预有效,必须比较处理组和未处理组的平均变化,只看被处理的人,会自动看到“好转”。
  5. 提防那些,把回归写成规律的研究1933 年,塞克里斯特出版了《平庸的胜利》,用大量数据论证,企业的利润趋向平庸,被统计学家霍特林指出,那只是回归,不是经济规律。

08 · 出处

出处与延伸阅读

  1. Francis Galton, Regression towards Mediocrity in Hereditary Stature (1886)可靠二手查看原文 ↗
  2. Daniel Kahneman, Thinking, Fast and Slow, 第 17 章(2011)可靠二手搜索原文 ↗
  3. Kahneman & Tversky, On the Psychology of Prediction (1973)可靠二手搜索原文 ↗
  4. Harold Hotelling 对 Secrist《平庸的胜利》的书评(1933)可靠二手豆瓣搜索 ↗

原版 · 参数实验

选出表现最极端的人,然后看下一轮

模型教学模拟,参数与曲线不是业务预测。

运气占的比例越高,被选中的人,下一轮跌得越狠。教练以为是惩罚见了效,其实只是回归。

BC · 应用补充

先给主判断,再展示依据

  • 主判断:先回答当前问题,给出有证据的首选解释、方案或行动。确实并列时写明比较结果及下一项区分证据,不用罗列可能性代替判断。
  • 判断依据:把关键原始记录、计算和推断连到结论。说明方法实际改变了哪项判断;来源不足时缩小结论范围,仍交付已能成立的部分。
  • 量化口径:按方法原有公式、单位和分母计算。材料编码须去重并单列未知;没有量化依据则给理由明确的定性比较,不编统一分数或未经校准的概率。
  • 反证与改判:指出最强的相反证据、替代解释或敏感变量。写清什么新事实或阈值变化会使首选改变;未经对照的相关性不写成因果。
  • 实际用途:把主判断转成当前可执行的动作、停止条件或下一项验证。负责人、预算和期限按已知材料填写;不为完成模板发明业务事实。
  • 适用范围:保留各方法自己的产出与失效条件。表达教程不承担业务结论;未核定资料不自动推荐;临床条目按其专项范围交付知识、行为应对或就诊准备。

BC · 应用补充

开始前,准备什么

最小输入

  • 当前要做的决定及可选行动
  • 与原模型变量对应的事实、约束和反例;类比条件必须另行核对

应留下的产出

  • 当前问题与模型的对应关系、适用边界和待验证的行动

BC · 应用补充

把这个方法交给 Agent

写下当前问题,生成包含方法编号、材料清单和边界的请求。内容只在当前页面处理。

查看 Agent 接口 →

BC · 应用补充

出处与证据范围

转载学习材料。verified / secondary / draft 沿用原站分级,并非本库本次重新核验。跨领域类比不是因果证据。

  1. 向阳乔木 · 思维模型 Wiki:均值回归

    支持转载正文、名称和来源分级的追溯;不表示本库独立核验了全部论据或证明业务效果。

名称与整理说明

沿用原版中英文名称;不声称译名由本库首创或所有术语均有唯一译法。

步骤来自原版 howto;最小输入与产出为本库接入约定。

登记版本 2026-10-25.3。来源状态沿用登记表,不表示所有来源均在本次重新核验。