概念地圖・迴歸至平均數
作者 山姆（謝冠生）・喵喵書評創辦人
發布
分類：行為
這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖，加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你，以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →
迴歸至平均數：罵完，真的變好了嗎
一位業務這一季掉到谷底，主管把他叫進辦公室念了半小時；下一季他的數字回升了。主管從此相信念一頓有用。這種因果，每天都在台灣的辦公室裡被製造出來，而它多半經不起一張圖的檢驗——只要一次測量裡混有運氣，極端值的下一次就會自動往平均靠。這個現象叫迴歸至平均數，1886 年高爾頓從父子身高的資料裡最早看見它。它不否認努力有用，只是提醒你：在把功勞或責任分配出去之前，先確認那個變化不是統計自己走完的一段路。
六種你每天會遇到的版本
這個現象之所以難防，是因為它偽裝成因果。人的解釋本能會自動把「處理」和「後來變好」串成一條線，而現實裡多數的處理都發生在極端值出現之後——正因為極端，才驚動了人去處理。
| 發生的事 | 大家的解讀 | 另一個可能 | 誤判的後果 |
|---|---|---|---|
| 念了業績最差的人，他變好了 | 責備有效 | 谷底本來就會回升 | 組織學會用恐懼管理 |
| 誇了業績最好的人，他退步了 | 稱讚讓人鬆懈 | 高峰本來就會回落 | 主管不敢給正向回饋 |
| 為後段學生開專班，成績進步 | 教法有效 | 兩次考試的運氣成分 | 高估方案，全校推行 |
| 客訴爆量後導入新系統，客訴降了 | 系統值回票價 | 爆量期本來就會結束 | 下一個系統也照買 |
| 最不舒服那天吃了偏方，隔天好轉 | 偏方見效 | 症狀最重時本來就接近轉折 | 偏方被口耳相傳神化 |
| 拿下年度冠軍，隔年掉出前十 | 心態出問題 | 奪冠那年運氣站在他那邊 | 換掉一個沒問題的人 |
下結論之前，先過四個自問
要看穿它，用不上統計學訓練，四個很好問的問題就夠。
一、你挑人的規則，是不是「挑最極端的」。這是最強的警訊。凡是用「最差的十位」「最高的五檔」「客訴最多的那幾家」當篩選條件，後面看到的任何改善，都先預設它含有迴歸的成分。挑選規則本身就決定了你會看到什麼。自問：這批對象，是被隨機挑中的，還是因為數字太醒目才被挑中？
二、這件事裡，運氣占多少。迴歸的幅度不是固定的，它取決於兩次測量的相關程度。純靠實力、幾乎沒有隨機成分的項目（例如量身高），前後高度相關，迴歸幾乎不存在；隨機成分大的項目（單月業績、單週流量、一次考試），迴歸就很明顯。自問：同一個人在同樣條件下再做一次，數字會差多少？
三、有沒有一個什麼都沒做的對照組。這是唯一能把迴歸從效果裡拆出來的方法，而且成本常常很低——不必真的做實驗，只要同時觀察一組「同樣極端、但沒被處理」的對象，兩邊一比，多出來的那一段才是你的功勞。自問：如果什麼都不做，這批人的數字會走到哪裡？
四、兩次的尺，是同一把嗎。迴歸談的是同一群對象、用同一種量法測兩次。若中間換了考卷難度、換了客訴的認定方式、換了季節或通路，兩個數字根本不可比，那時候看到的漲跌另有原因。這種混淆比迴歸本身更常見。自問：這兩次的數字，定義與情境完全一樣嗎？
一支客服團隊的「後段輔導」專案
台灣中型電商的客服品質通常用客訴率衡量，而主管手上最直覺的一招，就是把數字最難看的幾位拉出來加強。以下是一個示意情境。
- 選人規則：上個月客訴率最高的五位客服。挑的正是極端值
- 方案：兩週、每週兩小時的話術訓練與逐案檢討。
- 一個月後：這五人的客訴率平均下降三成四。看起來大成功
- 準備擴大：主管提案全公司照做，預算已經在排。
- 有人多做一步：把「上月客訴率最低的五位」也拉出來看，他們平均上升兩成一。沒受訓的也在動
- 改成隨機分組再跑一次：兩個月後，受訓組與對照組的差距只剩六個百分點。這才是訓練的效果
那個三成四是真的量出來的，只是它裡面混了兩件事：真正的訓練效果，加上「上個月太慘的人這個月本來就會好一點」。把最低的五位一起看，是整件事的轉折點——那五個人什麼訓練都沒上，數字照樣往中間移動，等於免費幫你量出了迴歸的幅度。有趣的是，如果當初主管挑的是最好的五位來「加強保持」，結果會是數字集體下滑，於是這個方案會被判定為有害。同一個現象，換個挑選方向，就能把一個無效方案捧成神藥，或把一個有效方案打成災難。以上為說明結構用的示意情境，僅供理解框架之用。
這張圖，有三個地方會騙你
知道這個名詞之後，人很容易走到另一個極端：把所有改善都解釋成迴歸。那同樣是錯的。
- 它不是「一定會回到平均」的宿命論。迴歸描述的是一整批極端值的平均走向，不預言任何一個個體。真正有實力的人，他的平均本來就高，他回歸的是自己的水準，跟全體的平均無關。把它讀成「表現好的一定會退步」，是把統計現象誤當成天道，實務上會讓人不敢投資在強者身上。
- 它不提供因果，只提供警告。這張圖能告訴你「這個改善有一部分可能不是你造成的」，至於灌了多少水、干預到底有沒有效，它一概不回答。要拿到那個數字，還是得靠對照組或前後多期的資料。把迴歸當成萬用的懷疑工具，最後會變成什麼都不相信，包括真正有效的做法。
- 兩次測量之間，世界也在動。資料上看到的往中間收，不必然全是隨機誤差——可能同時有政策改變、季節效應、競爭者退出、團隊自然學習。這些都是真實的因果，跟迴歸混在一起。實務上分辨的方法還是那一招：找一組沒被處理但暴露在同樣環境的對象，把環境的影響先扣掉。
你上個月的慘，可能只是一次抽樣
這件事最殘忍的地方，是它同時偷走了你的功勞與你的教訓。做對的事情碰上一次自然回落，你會以為自己做錯；做錯的事情碰上一次自然回升，你會把錯的做法寫進標準流程。長期下來，一個團隊累積下來的會是一堆對不上因果的迷信。
剛開始驗證一個點子的人，暴露在這件事底下的程度最高，因為樣本最少、波動最大。上線第一週有二十個人詢問，第二週剩五個，很多人在這裡就收攤了；也有人第一週爆單，把它當成產品市場契合，開始擴編、進貨、租辦公室。兩種反應犯的是同一個錯：拿一次抽樣當結論。單週的高低不會告訴你痛存不存在，只會告訴你這一週的運氣。P.A.I.N. 想看的是那條平均線本身——把時間拉到八週、十二週，還有沒有同一種人為同一件事持續掏錢或掏時間。今晚可以做的一件小事：把你手上那組數字裡最好的一週跟最差的一週都先刪掉，看剩下的長什麼樣。多數人會發現，自己上個月的興奮與上上個月的絕望，講的其實是同一條平坦的線。
關於迴歸至平均數，常被問到的幾件事
這跟賭徒謬誤是同一件事嗎？
正好相反。賭徒謬誤是相信「連開五次紅，下次比較容易開黑」，那是錯的——輪盤沒有記憶，每一次的機率都一樣。迴歸至平均數講的是「觀察到的極端值裡混有運氣，而運氣不會持續站在同一邊」，所以下一次的觀察值平均而言會比較接近中間。差別在於：賭徒謬誤預測的是下一次的隨機事件本身，迴歸處理的是「實力加運氣」的合成分數。
高爾頓當初是怎麼發現的？
他在 1880 年代收集了大量父母與子女的身高資料，發現高個子父親的兒子平均比父親矮一些，矮個子父親的兒子平均比父親高一些，而整體的身高分布仍然維持著原來的離散程度。他當時用的詞是「回歸到平庸」，帶著遺傳學的想像；後來統計學界才釐清這不是遺傳機制，而是任何「不完全相關的兩次測量」都會出現的數學性質。這個誤讀的歷史本身也值得記住——命名時的直覺，往往會把後人帶偏好幾十年。
怎麼快速判斷自己是不是被它騙了？
記一個口訣就夠用：先問「這批對象是怎麼被選出來的」。只要答案裡出現最高、最低、最差、最誇張這類字眼，就把預期效果先打個折，然後去找一組同樣極端但沒被處理的對象來比。若一時找不到對照組，退而求其次的做法是把觀察期拉長到三期以上，看那個改善能不能撐住——迴歸造成的改善通常只出現在緊接著的那一次。
所以訓練、輔導、教練這些事都沒用嗎？
不能這樣推。迴歸只說明「效果的估計值被灌水了」，沒說效果是零。前面那個客服的例子裡，扣掉迴歸之後仍有六個百分點，那是真實的。務實的態度是把它當成一個系統性的折扣：凡是針對極端對象的介入，帳面效果一律先打折再評估投資報酬。真正危險的做法，是拿帳面的三成四去推算全公司推行的效益，然後在預算裡編一個永遠達不到的數字。
運動選手的「二年級低潮」也是這個嗎？
大部分是。新人年度表現爆發的球員，那一年通常同時具備真實實力與偏好的運氣（對手不熟悉、賽程順、傷病少）；隔年運氣的部分無法複製，數字自然回落，媒體則會找出心理壓力、被研究透了之類的解釋。這不代表那些解釋一定錯，而是在把原因歸到心理狀態之前，應該先扣掉統計上本來就會發生的那一段。同樣的邏輯也適用於年度最佳員工、爆紅的商品與突然衝高的貼文。
如果你想的是「為什麼成功案例看起來特別多」，倖存者偏誤處理的是另一種遺漏；把機率誤讀成確定性的毛病，基本率忽略談得更細。至於人腦為什麼非要替每個起伏編一個原因，《快思慢想》的拆書講得最透。
喜歡這篇文章嗎？
每週幫你拆二本好書，把判斷力、好書金句、好問題，直送你的信箱。
不適合你可隨時退訂 · 每週兩封，陪你把書讀進生活。
送出即表示同意我們依隱私權政策使用你的 email。