鸿蒙文学网

手机浏览器扫描二维码访问

第17章 所有表现都会回归平均值（第6页）

在相当数量的案例中，即便提供了一些统计数据，若无特殊说明，“相关”

与“回归”

的关系还是相当模糊的。

因此，系统2认为理解这种关系很难。

因为从某种程度上讲，这是由于我们总是要求对事物进行因果关系解释，这也是系统1的一个特征。

抑郁儿童喝了某种功能饮料，他们的情况在3个月内得到很大改善。

这个新闻标题是我杜撰的，但这则新闻所报道的内容却是真实的：如果给一群抑郁儿童喝了某种功能饮料的话，一段时间后，他们的病情会有很大的好转。

如果抑郁儿童每天都花一段时间倒立，或是把一只猫抱在怀里20分钟，这些举动也可以使病情好转。

多数读者读了这则新闻之后会不由自主地认为：喝功能饮料和抱猫的行为的确使抑郁儿童的病情得到了改善，但这个结论却无法得到证实。

抑郁儿童是一个极端群体，他们比大多数其他儿童要压抑得多—这些极端群体在一段时间之后会回归平均水平。

一连串的测试反映出来的不同压抑程度之间并无绝对的相关性，因此回归平均值（或者更确切地说是回归平均水平）这种现象又会出现：即使他们不抱猫，也不喝功能饮料，一段时间之后这些抑郁儿童的病情同样会有所缓解。

为了证明喝功能饮料或是其他治疗方法是有效的，我们必须要对两组患病儿童进行比较—实验组接受了治疗（比如喝过功能饮料），对照组没接受过治疗（或只是服用过安慰剂）。

我们期望的是对照组仅通过回归就能改善病情，而该实验的目的在于判定接受治疗的病人是否恢复得更快。

对回归效应作出错误因果解释的不仅仅是大众读者。

统计学家霍华德·维纳曾经列出一长串杰出研究者的名字，他们也犯过同样的错误—将相关性和因果性混淆在一起。

回归平均值是科学研究中的常见问题，有经验的科学家都会小心提防这种毫无缘由的因果推论所形成的陷阱。

在我最喜欢的那些关于直觉产生预测错误的例子中，有一个是根据马克斯·巴泽曼（MaxBazerman）的《管理决策中的判断》（JudgmentinManagerialDecisionMaking）一书中的内容改编而来的：

假设你为一家连锁百货公司作销售预测。

所有连锁店的规模和商品种类都非常相似，但是其地理位置、竞争状况以及其他随机因素使这些商品的销量有所不同。

下列数据为2011年的营业额，请你对2012年的营业额进行预测。

你已经知道自己可以接受经济学家所作的总体预测—销售额总体会增长10%。

那么你将如何完成下列表格？

读过本章，你就知道将每家店的销售额增加10%显然是不对的。

你应当使自己的预测具有回归性：对于业绩不好的店，预测增长率应高于10%；对于业绩较好的店，预测值应低于这个值（甚至是负值）。

不过如果你咨询其他人的话，很有可能会碰钉子：这么显而易见的问题还有什么好问的？正如高尔顿历经艰难才发现的那样，回归的概念从来就不是显而易见的。

示例—回归平均值

“她说经验教会她一个道理，批评比赞扬更有用。

不过她不明白这是回归平均值在发挥效用。”

“也许由于惧怕让众人失望，所以他的第二次面试没有第一次那样令人印象深刻，他第一次的表现太优秀了。”

“我们的筛选过程并不是很完美，所以我们会考虑回归性。

有些极其优秀的候选人也会让我们失望，对此我们并不感到惊讶。”