> ## Documentation Index > Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt > Use this file to discover all available pages before exploring further. # 平均への回帰 > 平均への回帰は、極端な測定のあとに続く値が平均に近づきやすい統計的傾向です。真の効果と取り違えないために整理します。 **Category**: 効果
**Type**: 統計的規則と解釈の罠
**Origin**: ガルトンの家族身長研究（1880年代）；多領域へ一般化
**Also known as**: 中庸への回帰（歴史的表現） **先に答えると** — **平均への回帰**（Regression to the Mean）は、異常に高い／低いスコアのあとに、しばしば平均に近い値が続くというパターンです。必ずしも「何かが効いた」からではなく、極端値にノイズが混ざるからです。賞罰、医療介入、スポーツのスランプ後の見かけの因果を説明します。処置効果と混同すると、政策とマネジメントで高くつきます。 ## 平均への回帰（Regression to the Mean）とは **平均への回帰**（Regression to the Mean）は、反復測定で見られるパターンです：**極端な結果のあとには、より穏当な結果が続きやすい**——有意義な変化がなくても。極端な観測が**真の水準**と**ランダムな変動**を混ぜるとき、極端さの一部は「運」であり、同じ方向に再現しにくい。 > 極端はしばしば偶然の寄与を含む。次の試行はめったに同じ方向に同じ偶然を繰り返さない。試験成績、運動パフォーマンス、企業利益、臨床症状に現れます。[生存者バイアス](/ja/effects/survivorship-bias)と相互作用し、[ギャンブラーの誤謬](/ja/fallacies/gamblers-fallacy)とは対照的——後者は**釣り合い**を誤期待し、こちらは母集団平均への**統計的**接近です。[大数の法則](/ja/laws/law-of-large-numbers)と補完関係にあります。 ### 平均への回帰を3つの深さで理解する * **初心者**: 特に良い／悪い日のあとの日は、しばしばより普通——最初の日がそもそも珍しかったからでもある。 * **実践者**: 極端な低成績のあとの「改善」をコーチや薬のおかげにする前に、介入なしの素朴予測を問う。 * **上級者**: 極端な推定を事前平均へ**収縮**するモデルを組む——「回帰」思考の統計的魂。 ## 起源 **フランシス・ガルトン**は親と子の身長を研究し、非常に背の高い親の子は高いが、母集団に対して親ほど極端でない——「中庸への回帰」——を示しました。道徳ではなく、世代間で**相関が1未満**という数学的事実です。後に一般化され、二つの不完全に相関する変数があるとき、一方の極端から他方を予測すると**より穏当な**予測になる、と。心理学者は、選択後の自然な回復を処置の証拠と誤読する**疑似因果**を強調しました。 ## 要点平均への回帰は、事後選択のノイズから信号を切り離すレンズです。記録的月、発熱ピーク、テストの山は、安定水準を過大／過小評価しうる。「最悪ケース」や「ベストパフォーマー」だけを見ると、処置なしでも一部回復が出る。二回目は数学的に平均へ引かれやすい。ランダム化試験と歴史的ベースラインが真のインパクトと統計的反発を分離する。 ## 応用場面賞賛、叱責、「何が効いたか」を監査するときに使う。極端に低い初回スコアは再テストで部分的に改善しやすい——チューター効果はその素朴予測を上回る必要がある。ルーキーの突出と冷え込みはリーグ平均へ動きやすい。物語は別の語りを作る。人は症状の山で受診し、その後の改善には自然変動が混ざる——試験は対照が要る。最悪四半期の後の罰と最高四半期の後の褒賞は運を読み違えうる。より長いランと分布を見る。 ## 事例ガルトンの家族身長分析は古典的で検証可能な例です：中親の身長が非常に高いとき、子の身長は相関するが**母集団に対して親ほど極端でない**——相関が1.0未満という事実です。現代の教科書は同じ構造で、血圧、売上、不良率など**一回の極端な測定**が長期平均へ向かう再測定を示しても、それだけで前週の介入を証明しないと戒める。 ## 限界と失敗パターン平均への回帰は変化の**一部**を説明し、すべてではない。 **限界1: 真の処置がある**\ 療法、訓練、プロセス改善は真の平均を動かしうる——反発だけではない。 **限界2: 極端が体制変化を意味することも**\ 持続的レジームシフトでは、単純な「旧平均への回帰」は不十分。 **よくある誤用**: 危機後の改善をすべて「ただの回帰」と切り捨て、信じられる反事実と比較しないこと。 ## よくある誤解運への謙虚さは専門性です。 **実際**: 極端から**平均の方向へ**の移動を予測するのであり、全員同じ結果ではない。 **実際**: ギャンブラーの誤謬は独立試行への誤期待。回帰は測定誤差と不完全相関から来る。 **実際**: 「前」が極端なら、介入なしでも何か動く——比較設計が要る。 ## 関連概念証拠と選択を判断するときに。勝者だけが見え、試行の母集団全体が見えない理由。サンプルが大きいほど平均が安定する理由。系列と独立性についての別の誤り。 ## 一言で言うと極端から始めたなら、次のデータ点はしばしばより普通——何もしなくても。