一位空军飞行教官说：
他描述的现象是真实的——他确实一次次观察到了这个模式，没有撒谎，也没有记错。
那么，他的结论对吗？
任何一次表现，都可以拆成两个部分：
现在关键的一步来了。当你挑出表现最好的那一批时，你挑到的是什么样的人？
是那些真实水平高、并且这次运气也好的人。因为要冲进最顶端，两样通常都得沾一点。同理，垫底的那批人往往是水平一般、且这次运气特别差的。
下一次呢？真实水平还在，但运气重新掷了一遍——它没有理由继续特别好，也没有理由继续特别差。它会回到中性。于是：
这就是regression to the mean（回归均值）。它不是一种力量，也不是「物极必反」的玄学——它只是「运气不会连续两次都同样极端」这件事的必然结果。
教官观察到的两件事都是真的：夸完之后确实平均变差，骂完之后确实平均变好。他犯的错在于把一个必然发生的统计现象，归因给了自己的行为。
因为他挑人的标准，恰恰是「这次表现极端」——而这正是回归均值的触发条件。他系统性地在运气最好的时刻表扬，在运气最差的时刻批评，于是必然看到表扬后下滑、批评后回升。
这个陷阱的可怕之处在于它的方向性：它会系统性地高估惩罚的效果、低估奖励的效果。Kahneman 指出，由于人类社会广泛地在「表现差」之后施加惩罚、在「表现好」之后给予奖励，我们在统计上被安排好了去相信「惩罚有效、奖励无效」——哪怕两者的真实效果完全相同。这可能是回归均值给人类造成的最大一笔隐性代价。
要区分「回归均值」和「真实效果」，只有一个办法：设一个同样极端、但不接受干预的对照组。
把这次飞得最差的学员随机分成两半，一半骂，一半什么也不说。下次两组都会回升——如果被骂那组回升得更多，那才是批评的功劳。回归均值会同时作用于两组，于是在组间比较时被抵消掉了。
这也是为什么医学试验必须有对照组：病人往往在症状最重的时候去看病（极端时刻），此后大多会好转——不管你给他吃了什么。没有对照组，任何疗法都会显得有效。
每个点是一个人：横轴是他第一轮的分数，纵轴是他第二轮的分数。每个人的真实水平在两轮之间一分没变，变的只有那份重新掷过的运气。红点是第一轮排名前 10% 的那批人。
默认设定（运气与技能各占一半）下：第一轮前 10% 的人平均 83.0 分，第二轮同一批人只剩 74.8 分——退了 8.2 分，24 人里有 17 人分数下降。没有人变懒，也没有人被骂过。
三个预设把因果关系钉死了。
「纯技能」（运气占 0%）：所有点严格落在斜线上，第二轮平均还是 83.0，一分不退，0 人下降。回归幅度精确地等于零。
「纯运气」（运气占 100%）：红点在纵轴上散成一片，第二轮平均掉到 64.9，几乎退回全体均值（这批人是 59.3 分），24 人里 21 人下降。
结论一目了然：回归幅度完全由「运气占多大比重」决定，和任何干预都无关。所以当你看到「表现最好的那批下滑了」时，它其实在告诉你一件关于这项活动本身的事——下滑得越厉害，说明这件事里的运气成分越大。这个视角很有用：某个榜单的冠军第二年掉得越狠，那个榜单衡量的东西就越接近抛硬币。
Daniel Kahneman 曾受邀向以色列空军的飞行教官讲授行为改变的原理。他讲的是当时行为科学的标准结论：奖励良好表现，比惩罚错误更有效。
讲完之后，一位资深教官站起来反驳。Kahneman 后来把这段话记为他职业生涯中最富启发的时刻之一，大意是：
Kahneman 说，他在那一刻意识到了一件重要的事：这位教官观察到的现象完全真实，而他从中得出的因果结论完全错误——两者可以同时成立。
飞行表现里运气的成分不小——气流、能见度、当天的身体状态。一次特别漂亮的着陆，多半是好水平叠加了好运气；下一次运气回归中性，表现自然回落。教官恰好在运气峰值时表扬、在运气谷底时批评，于是他把回归均值的必然结果，完整地记在了自己的账上。
Kahneman 写道，他由此看到了人类处境中一个令人不安的部分：因为我们倾向于在别人表现糟糕时惩罚、表现优异时奖励，而回归均值又保证了惩罚之后通常变好、奖励之后通常变差，于是我们在统计上受到了「惩罚有效、奖励无效」的系统性训练。这个训练是错的，但它的证据每天都在到来，而且每一条都是真的。
历史注记：回归均值这个概念本身出自 Francis Galton 1886 年的论文《Regression towards Mediocrity in Hereditary Stature》。他发现高个父母的子女平均比父母矮、矮个父母的子女平均比父母高，一度以为自己发现了某种把人类身高拉回平庸的生物学力量。后来才明白，这只是「父母身高里也含有随机成分」的算术后果，不需要任何力量。「回归」（regression）这个词就是这么来的——今天统计学里满地都是的「回归分析」，名字源于一个曾被误解为神秘力量的现象。
无法判断，而且这个设计几乎保证会看到「改善」。「死亡率最高的那批病人」是按极端表现挑出来的——挑选标准本身就触发了回归均值。这批病人里必然混着一部分「恰好赶上了一段特别糟的时期」的情况，下一期自然回落。
验证方法：把符合入选标准的病人（或病区）随机分成两组，一组用新方案，一组用原方案。两组都会回归，但如果新方案组回归得更多，差值才是真实效果。
如果伦理或资源上做不到随机分组，退而求其次的办法：找一个同样极端但没接受干预的对照群体（比如另一家条件相似、未推行该方案的医院的同类病区），比较两者的变化幅度。这叫双重差分，本质上还是在设法把回归均值这个共同成分减掉。
这也解释了一个常见现象：各种「专项整治」「重点帮扶」几乎总能报告出成效——因为它们的对象正是按「最差」挑出来的。这不意味着这些措施无效，只意味着它们报告的效果里必然包含一块不属于自己的功劳，而且没有对照组就分不出来。
说它不是力量，是因为没有任何东西在「把数值拉回去」。第二轮的运气不知道第一轮发生过什么（那正是 4.1 章的赌徒谬误），它只是重新掷了一次。每个人的第二轮分数都是独立生成的，不受第一轮牵引。
它之所以总是发生，是因为「挑选」这个动作。只要你按第一轮的极端表现来挑人，你挑出来的这批就必然富集了「运气特别好」的样本。而运气的期望值是中性的——所以这批人的第二轮期望必然低于第一轮。回归发生在「你挑出来的这批人」身上，不发生在任何个体身上。
一个能锁死这个理解的检验：回归是对称的、双向的。如果你反过来，按第二轮的成绩挑出前 10%，再回头看他们的第一轮——你会发现他们第一轮的平均分也更低。时间倒过来，回归照样发生。任何真实的因果力量都不可能有这个性质。（你可以在实验里验证：图是对称的。）
所以最准确的说法是：回归均值不是发生在数据上的事，是发生在「你如何选取数据」上的事。
粗略的规则：回归的比例约等于「运气所占的方差份额」。技能与运气各占一半时，第一轮分数里高出均值的那部分，大约有一半来自运气，而运气部分下次会归零。
90 分高出均值 30 分 → 其中约 15 分来自运气 → 第二轮期望约 75 分。
用实验验证：默认设定下，前 10% 的人第一轮平均 83.0 分（高出均值 23 分），第二轮平均 74.8 分（高出均值约 14.8 分）。保留了约 64% 的超额——比 50% 高一些，因为门槛以上的这批人技能确实偏高，而不只是运气好。
把滑块拖到两端可以看到极限：纯技能时保留 100%（不回归），纯运气时保留接近 0%（完全退回均值）。这给了一个实用的估计法则：看一个榜单的冠军第二年还剩多少优势，就能倒推出这件事有多少靠运气。
绝大部分是回归均值，但确实存在真实成分，值得分开。
回归均值的部分：这三种说法的对象都是按「某个时点表现极端」挑出来的——新秀赛季爆发、登上封面、拿了诺奖。挑选标准即极端表现，因此后续回落是必然的统计结果，不需要任何魔咒。
可能真实的部分（值得单独检验）：
· 成名的代价。拿奖之后，时间被演讲、评审、行政事务占据，真实的研究投入下降。这是可以独立验证的因果机制——查他们的时间分配就行。
· 对手的适应。体育里尤其明显：新秀爆发后，对手会针对性地研究他。这是真实的、可观察的机制。
· 风险偏好的改变。已经功成名就的人往往转向更保守的题目，而重大突破常常来自高风险选择。
· 选题的枯竭。一个人最好的想法往往出现在职业早期——这个说法本身也需要检验，但它至少是一个真实的候选机制。
怎么分开？还是那句话：找一个同样极端但没被「加冕」的对照组。比如，找那些成果水平相当、但因故未获奖的学者，看他们后续的产出曲线。如果得奖者掉得更快，那超出的部分才是「获奖」本身的效应。这类研究确实有人做过，而结论通常是：回归均值解释了大部分，但不是全部。
本章的态度也就在这里：回归均值是默认解释，不是唯一解释。它的作用是先把那块必然存在的部分扣掉，剩下的才值得去找因果故事。