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
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
- 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。
- 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。
- 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。
- 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”。
- 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
