類別：效應
類型：統計規律與解釋陷阱
來源：高爾頓家族身高研究（19 世紀 80 年代）；後推廣至多領域
別名：向中庸迴歸（歷史表述）
類型：統計規律與解釋陷阱
來源：高爾頓家族身高研究（19 世紀 80 年代）；後推廣至多領域
別名：向中庸迴歸（歷史表述）
快速回答 — 均值迴歸（Regression to the Mean）指異常高或低的分數之後，下一次測量往往更接近總體均值——不一定因為你「做對了什麼」，而是因為極端值裡混有隨機波動。它解釋表揚／懲罰、醫療干預與運動「低潮」之後的錯覺因果。把它與治療真實效果混淆，是管理與政策裡極昂貴的思維錯誤之一。
什麼是均值迴歸？
均值迴歸（Regression to the Mean）是重複測量中的常見模式：極端結果之後，更容易出現較溫和的結果，即便世界沒有本質變化。只要極端觀測混合了真實水準與雜訊，極端裡就有一部分「運氣」，而運氣很難原樣重現。極端常常一半偶然；下一次很少同樣偶然地偏向同一側。它廣泛見於考試分數、運動表現、企業獲利與臨床症狀。與 倖存者偏差 相互作用；與 賭徒謬誤 不同——後者錯誤期待平衡，而均值迴歸談的是向總體分佈的統計性靠攏。它與 大數法則 互補：樣本越大，平均越穩；單次極值則不然。
均值迴歸的三層理解
- 入門：特別好或特別糟的一天之後，下一天往往更接近平常——部分因為第一天本就異常。
- 實踐者：在極端低分之後把「進步」歸功於教練或藥物前，先問：不做任何事，樸素預測會是多少？
- 進階：建立把極端估計向先驗均值收縮的模型——這是「迴歸」思想的統計核心。
起源
高爾頓研究父母與子女身高：特別高的父母，其子女往往仍偏高，但相對全體人群不如父母那麼極端（「向中庸迴歸」）。這不是道德說教，而是代際測量之間相關係數小於 1 的數學結果。 後來推廣到：兩變數相關不完美時，由一個極端值預測另一變數會得到較不極端的預測。心理學家強調這會製造虛假因果——人們在篩選後的樣本上看到自然回落，卻以為是自己的動作奏效。核心要點
均值迴歸是把訊號與事後篩選雜訊分開的透鏡。應用場景
用它審計表揚、責罰與「到底什麼管用」。教育與測驗
極低分重測往往會回升一部分——輔導效果要先跑贏這層基線預期。
運動與表現
新秀爆發與低谷常向聯盟平均移動；敘事卻愛發明「撞牆」與「大心臟」。
醫療與健康
人們常在症狀高峰就醫，之後好轉部分源於自然波動——試驗需要對照。
管理與 KPI
最差季度後懲罰、最好季度後重獎，可能誤讀運氣；要看更長序列與分佈。
經典案例
高爾頓的家族身高分析是可核查的經典：中位父母身高極高時，子女身高仍相關，但相對全體人群不如父母極端——相關係數小於 1.0 的數學事實。現代教科書用同一結構提醒：任何單次極端——血壓、銷量、缺陷率——在重測時若向長期均值移動，並不自動證明你上一週做了什麼神奇的事。邊界與失效場景
均值迴歸解釋的是變化的一部分，不是全部。 邊界一：真實干預存在訓練、治療與流程改進可以提升真實均值——不只是統計反彈。 邊界二：極端有時意味結構突變
持續體制變化時，簡單「回到舊均值」的故事可能失效。 常見誤用：把危機後的所有改善都斥為「只是迴歸」——卻不與可信反事實比較。
常見誤區
對運氣保持謙遜，是專業素養。誤區：迴歸表示人人都會變成平均數
誤區：迴歸表示人人都會變成平均數
事實：預測是從極端朝均值方向移動，不是所有人結果相同。
誤區：等於賭徒謬誤
誤區：等於賭徒謬誤
事實：賭徒謬誤誤用獨立序列；迴歸來自測量誤差與不完全相關。
誤區：前後對比就證明干預有效
誤區：前後對比就證明干預有效
事實：「前測」極端幾乎保證某種變化——實驗設計要處理這一點。
相關概念
判斷證據與篩選時，可配合閱讀：倖存者偏差
為何你只看到贏家，看不到完整抽樣。
大數法則
樣本越大，平均越穩定。
賭徒謬誤
關於獨立序列的另一種錯誤直覺。