表扬后变差、批评后变好，真是奖惩起作用了吗？

决策科学的祖师爷之一丹尼尔·卡尼曼曾为以色列空军的飞行教官讲授心理学。课上，他讲到一个心理学界人人皆知的观点：对良好表现的奖励，比对错误表现的惩罚要有效得多。

一位经验丰富的教官站起来反驳："我表扬一名表现出色的学员，他下一次通常飞得更差；我严厉批评表现糟糕的学员，他下一次却经常进步。所以，别跟我扯什么心理学，军队里就是吼叫最管用！"

教官并没有编造事实。优秀表现受到表扬后，下一次确实经常下滑；糟糕表现受到批评后，下一次也确实经常改善。

问题不在观察，而在解释。

一次特别出色的飞行，既有学员原本的能力，也可能叠加了当天状态、临场判断、天气条件和偶然运气。下一次飞行时，能力可能没有下降，但这些有利因素未必会再次同时出现，表现自然可能没有上一次那么突出。

一次特别糟糕的飞行也是如此。技术问题可能真实存在，但当天还可能叠加紧张、失误和临时干扰。下一次这些不利因素没有再次集中出现，表现就可能有所回升。

于是，一个统计现象制造出了一条极具迷惑性的管理经验：

表扬之后表现下滑，批评之后表现改善，所以批评比表扬更有效。

教官看到的变化没有错，错的是他把奖惩当成了变化的充分原因。

变化发生在干预之后，并不等于变化就是干预造成的。

这就是回归均值最容易欺骗我们的地方。

一次极端结果，为什么通常不会被下一次完整复制？

回归均值可以用一句大白话进行解释：

一次特别好或特别差的结果，通常既有相对稳定的成分，也有当时的偶然波动。稳定成分可能继续存在，但偶然波动通常不会在下一次以同样方式重现，所以第二次的平均结果往往没那么极端。

一般来讲，只要两次表现彼此相关，却不能完全相互预测，第一次的极端状况通常不会被第二次原样复制。这种现象，就叫回归均值。

"回归"这个名称来自弗朗西斯·高尔顿。弗朗西斯·高尔顿是19世纪英国的一位全能型科学家和探险家，他也是进化论创始人达尔文的表弟。

1886年，高尔顿研究父母与成年子女的身高时发现：特别高的父母，他们的孩子平均来说仍然高于常人，但没有父母那么高。特别矮的父母，他们的孩子平均来说仍然矮于常人，但没有父母那么矮。换句话说，子女的身高"回归"向了总体的平均值。

高尔顿最初把这个现象叫做"向平庸的回归"（regression toward mediocrity）。这就是统计学中"回归"（regression）这个术语的词源——它最初的意思不是"回归分析"的那种技术含义，而是字面意义上的"退回到平均"。

这并不是说，高个子家庭的后代会一代代变矮，矮个子家庭的后代会一代代变高，最后所有人都变成一样高。

真正的意思是：

父母身高能够帮助预测子女身高，却不能把父母的极端程度原样传递给子女。

这个案例也说明，回归均值不只发生在"同一个人这个月和下个月"的比较中。模拟考试与正式考试、面试表现与入职表现、产品首发销量与后续销量，都可能出现类似现象。

时间本身不会制造回归。真正起作用的是：第一次结果能够预测第二次，却不能把第一次的极端程度完整带到第二次。

理解回归均值，还要先澄清四个误解。

第一，回归不等于反转。第一名下一次不一定跌到最后，垫底者也不一定突然成为冠军。它只是说，第二次平均而言没有第一次那么极端。

第二，均值不是所有人的总平均。顶尖运动员一次发挥失常，下一次更可能回到自己的长期水平，而不是变成一名普通运动员。

第三，回归均值不是一股反向力量。没有一只无形的手，负责在你走运之后制造倒霉，也不存在"好坏必须守恒"的补偿机制。

第四，回归均值不能证明干预无效。整改、训练、治疗和奖励都可能真正有效。它只是提醒我们：单纯比较干预前后，无法确定变化究竟来自干预，还是来自原本就可能发生的波动。

当我们挑出最好和最差时，究竟把什么一起挑了出来？

理解回归均值，可以把一次结果粗略拆成两部分：

一次结果＝相对稳定的部分＋暂时波动（随机运气）

稳定部分，是那些比较可能延续的因素，例如长期能力、产品质量、固定资源、渠道基础、训练水平，以及已经形成的流程。

暂时波动，则包括单次大客户、偶发流量、临时缺货、天气、当天情绪、题目难度、测量误差，以及其他难以持续的事件。

极端结果当然可能来自真正的实力。顶尖运动员长期强于普通人，经营有严重问题的门店也可能长期落后。

但很多极端结果还包含另一层因素：稳定差异之外，又恰好叠加了同方向的临时波动。

一名能力较强的销售员，本月恰好拿下一个大客户，又赶上市场需求上升，几项有利因素同时出现，业绩冲到全公司第一。

一家本来经营就有问题的门店，又遇上缺货、道路施工和恶劣天气，销售额跌至历史最低。

当我们只挑出最好和最差的人时，随机好运气往往也被一起挑进了最好组，随机坏运气则被一起挑进了最差组。

到了下一次，稳定能力可能还在，但这些好运气和坏运气未必再次集中出现。把所有这类对象放在一起看，他们第二次的平均表现通常不会像第一次那么极端。

完整的过程是：

回归均值最容易藏在最后一步。

你表扬了团队，下个月业绩下滑，于是认为他们骄傲了；你批评了一名员工，下个月他的绩效提高，于是觉得压力果然有效；孩子上次考了全班第一，这次退步，你便断定他松懈了。

这些解释都可能成立。

但在接受它们之前，必须先问：

这个人之所以受到表扬、批评或整改，是不是恰恰因为上一次结果特别极端？

如果答案是肯定的，回归均值就已经进入了现场。

"封面魔咒"来自封面，还是来自选人规则？

体育界长期流传着一个著名说法：

运动员一旦登上《体育画报》封面，接下来的表现就会下滑。

棒球手上封面后陷入低谷，球队上封面后遭遇连败，明星运动员在获得巨大关注后受伤或失去状态。有人把它解释为心理压力，有人认为媒体活动分散了注意力，也有人干脆把它称为"封面魔咒"。

这些解释在个别运动员身上可能成立。但在讨论魔咒之前，必须先看清《体育画报》的选人规则。

能登上封面的，通常正是刚刚夺冠、打破纪录、完成惊人逆转，或者处于职业生涯高峰的运动员。杂志的选人规则，本身就在寻找极端表现。

于是，一条很容易被忽视的链路出现了：

还有一种更基础的解释是：异常出色的表现，同时造成了"登上封面"和"随后容易回落"。

封面不是制造回归的原因，而是极端筛选留下的标签。

可以做一个反向思想实验。

假如《体育画报》每个月不选表现最好的运动员，而是推出一期"本月最差表现"封面，专门刊登连续失误的守门员、刚刚遭遇连败的球队，或者命中率跌至生涯最低的球员。

这些人登上"最差封面"之后，很多人的表现也可能改善。但公众大概率不会说，这张封面带来了好运，而只会觉得他们"终于恢复正常"。

我们对两个方向的变化，态度并不一样。

从极差回到正常，我们认为是自然恢复；从极好回到正常，我们却总想找出一个责任人。如果中间恰好出现了封面、荣誉、表扬或奖励，它们便很容易被写进因果故事。

真要证明封面有害，就必须比较一批近期表现同样出色、却没有登上封面的运动员。

假如封面组下滑得更多，我们才有理由继续调查压力、分心等机制；如果两组下降幅度相近，所谓"魔咒"很可能主要来自极端表现之后的自然回落。

《体育画报》案例真正提醒我们的，不是"明星终会衰落"，而是：

极端之后会回归，为什么不等于"该反转了"？

回归均值和赌徒谬误很容易被混淆，因为它们都涉及"极端之后会发生什么"。

连续十次抛出硬币反面，并不意味着第十一次更容易出现正面。认为"正面该来了"，是在虚构独立事件之间的补偿关系，这属于赌徒谬误。

回归均值不预测反向补偿，只预测下一次的平均极端程度可能减弱。

例如，一组人各抛十次硬币。你专门挑出第一轮十次全部为反面的那些人，让他们再抛十次。第二轮中，他们平均不会再次全部抛出反面，而会更接近一半正面、一半反面。

这不是因为硬币"欠了"正面，而是因为第一轮的十次全反面本来就是一个极端结果，第二轮不会稳定复制第一次的偶然排列。

两者的区别可以压缩成一句话：

赌徒谬误认为下一次会向相反方向补偿；回归均值只认为下一次平均不会继续保持同样的极端程度。

冠军下一次仍然可能夺冠。回归均值只是提醒你，不要因为他刚刚打破纪录，就把再次打破纪录当成最自然的预测。

一家门店本月业绩垫底，下一次也未必一定改善。回归均值改变的是一组类似对象的平均预测，而不是为每一个个体安排确定的结局。

回归均值真正处理两个问题：怎样预测下一次，怎样评估干预效果？

回归均值不是看到波动后说一句"这可能只是运气"。

它主要解决两个现实问题：

一是看到一次异常好或异常差的结果时，怎样合理预测下一次；二是极端对象接受整改、治疗、训练或奖励后发生变化时，怎样避免把全部变化错误地归因于干预。

这两个问题相关，却不能混为一谈。

怎样预测下一次表现？

第一步：找基准——这次相对于什么才算极端？

先问：

这次结果相对于谁、相对于什么时期、在什么条件下，才算极端？

判断孩子的考试表现，基准不一定是全班平均，而可能是他过去多次相似考试的成绩范围。

判断销售人员，不能只看全公司平均，还要考虑区域、客户类型和个人长期表现。

判断门店，也不能把新开店、成熟店、商场店和社区店混在一起比较。

没有相关基准，就不知道结果是否真的极端，也不知道下一次应该向哪里调整预测。

第二步：拆因素——哪些能够持续，哪些只是暂时出现？

极端表现通常不是"能力"和"运气"二选一，而是二者共同作用。

一次工作成果特别好，可能既有方案质量、团队能力和资源投入，也有客户需求突然增加、竞争对手暂时失误，以及有利的时间窗口。

真正的问题不是：

这是实力还是运气？

而是：

哪些因素下一次还在，哪些因素下一次未必还在？

稳定因素越多，下一次越可能继续接近当前水平；临时因素越多，越不应该把这次结果直接外推到未来。

第三步：查变化——原来的稳定水平是否已经改变？

如果销售人员掌握了新的成交方法，产品完成了重大升级，门店迁入了新的商圈，那么旧的平均水平可能已经不再适用。

但"发生了结构变化"不能只是一句事后解释。你需要看到，新能力是否在多个周期中持续，新资源是否仍然存在，新机制能否独立解释后续表现。

连续多次出现极端结果，会提高"这是真实稳定变化"的可能性。此时，预测时就不应继续大幅向旧水平调整。

第四步：给范围——预测收缩，不预测必然反转

正确的输出不是：

他下个月一定会退步。

而是：

回归均值改变的不是方向，而是预测的幅度。

怎样判断干预是否有效？

第一步：查筛选——对象是不是因为极端结果才被干预？

人们通常在什么时候换药、换教练、换策略、换负责人？

往往是在情况最差的时候。

如果员工是因为本月绩效最差才被整改，学生是因为一次考试严重失常才开始补课，患者是因为近期住院次数异常高才被纳入重点管理，那么回归均值的风险已经出现。

只要对象是根据一次极端结果进入我们的视线，分析就已经受到这种选择方式的影响。

第二步：写预测——如果什么都不做，结果可能怎样？

不要等结果出来后再解释。

整改开始前，可以先写：

即使不整改，这批异常低绩效门店下个月也可能有所回升，因为其中一部分临时不利因素不会持续。

这不是断言整改无效，而是提前给本来就可能发生的变化留出位置。

事前写下这个预测，还有一个重要作用：防止我们看到结果后，把所有变化都解释成自己决策正确。

第三步：找参照——相似但未干预的对象发生了什么？

评估效果时，不要只问：

干预之后有没有改善？

还要问：

条件相似、但没有接受这项干预的对象发生了什么？

换成日常语言，就是：

如果当时什么都不做，结果原本可能怎样？

假设一家公司从100家门店中挑出业绩最差的10家进行整改。一个月后，这些门店的平均销售额提高了15%。

如果只看前后变化，管理层很容易宣布专项整改取得了明显成效。

但假如一批条件相似、没有接受专项整改的低绩效门店，同期也提高了12%，那么15%的改善就不能全部算成整改功劳。

第四步：判增量——只对超出参照的变化谨慎归因

前面的门店整改案例，两组之间多出的3个百分点，才可能与整改有关。前提是两组足够相似，而且这个差异不是随机波动或其他同期变化造成的。

因此，一份诚实的结论应当包括：

- 结果发生了什么变化；

- 没有干预时，结果原本可能怎样；

- 干预额外带来的变化可能有多大；

- 现有证据还有哪些不确定性。

证据不足时，最合格的结论不是强行选边，而是：

目前只能确认结果发生了变化，还不能可靠判断其中多少来自整改，多少来自自然波动和其他因素。

现有证据不足以判断，同样是一个诚实而有效的结论。

医疗领域尤其容易受到这类误判影响。

很多患者是在症状最严重、住院最频繁或医疗费用最高的时候，被纳入重点管理。即使没有新的干预，这些极端指标随后也可能下降。

美国Camden Coalition曾开展一项针对近期频繁住院患者的密集护理项目。研究者将符合条件的患者随机分成干预组和常规护理组，以半年内是否再次住院作为主要观察结果。

最终，两组的再住院情况非常接近。单看干预组自身加入项目前后的变化，很容易觉得项目大幅减少了住院；但常规护理组也出现了相似变化。

这个案例不能证明所有医疗干预都没有价值。它只说明：

对一批因近期医疗使用异常高而被选中的患者，只观察其干预前后的好转，证据远远不够。

参照组的作用，是告诉我们：即使没有这项额外服务，相似患者原本也会发生什么。

回归均值不能直接回答治疗有没有用，但它能及时提醒我们，为什么不能只凭"治疗之后好转"证明疗效。

看到极端结果，就应该预测它一定回归吗？

回归均值很重要，但它不能被用成万能解释。

它描述的是一组人的平均变化，不是个体命运

一组第一次表现极端的对象，第二次的平均结果通常没那么极端，不意味着其中每一个对象都会回归。

一名运动员可能连续创造纪录，一家垫底门店也可能继续恶化。模型给出的是平均预测，不是对某个具体对象的保证。

它不等于结果必然反转

一个表现出色的人可能继续进步，一个垫底者也可能继续下滑。回归均值只是在调整我们对下一次的预期。

从100分回到95分属于回归，从20分回到35分也属于回归。结果不需要越过平均值，更不需要走向相反的极端。

它不否定真实能力

极端结果可能来自真实而稳定的差异。

测量越可靠，极端表现重复得越多，稳定能力的解释就越强。不能看到冠军就机械预测失败，也不能看到低谷就认定一切只是倒霉。

一次高分可能包含运气，连续多次高分则会不断增加"能力确实提高"的证据。

原来的平均水平可能已经改变

新技术、新资源、新制度和新环境，都可能创造新的稳定水平。

如果产品完成重大升级，销售员掌握了新方法，门店迁入更好的商圈，继续要求结果回到旧水平，反而会低估真实变化。

使用回归均值之前，必须先判断：

这是一次暂时波动，还是稳定水平已经改变？

趋势、季节和自然病程不是回归均值

旺季结束后的销售下降、疾病自然恢复、市场整体回暖，都可能造成结果变化。

它们可能与回归均值同时出现，却不是同一种机制。不能把所有"从极端走向正常"的现象，都装进回归均值。

它不能独立完成因果判断

回归均值只能发出一条提醒：

单纯比较前后，可能会看错效果。

至于干预是否真正有效，还需要合适的参照、更多数据，以及对现实情况的进一步调查。识别回归均值，不是为了推翻所有治疗、整改和训练，而是为了避免把原本就可能发生的变化，全部记在干预名下。

回到那间教室：教官真正漏问了什么？

那位飞行教官没有看错数据。

优秀表现受到表扬后确实常常下滑，糟糕表现受到批评后也确实常常改善。

他真正犯下的错误，是把奖惩当成了变化的充分原因。

我们每天都在重复类似的判断。

孩子一次考到第一，下一次退步，我们说他骄傲了；员工经历最差月份后被批评，下个月业绩回升，我们相信压力有效；门店整改后销售改善，我们把全部变化写进成果汇报；明星运动员登上封面后状态下降，我们便相信荣誉带来了诅咒。

这些解释有时确实成立。

但只要一个人、一家门店或一项指标，是因为一次特别好或特别差的结果进入我们的视线，回归均值就应该成为一个必须检查的解释。

预测下一次时，先问：

这次结果相对于哪个基准算极端？
其中哪些因素能够持续，哪些只是临时出现？
有没有证据表明原来的稳定水平已经改变？

评估干预时，再问：

这些对象是不是因为极端结果才被选中？
如果什么都不做，结果原本会怎样？
我看到的究竟只是前后变化，还是相对于可比对象的额外改善？

当你预测未来时，不要把一次异常结果原样复制到下一次。

当你评估干预时，也不要把极端结果之后发生的所有变化，都算作自己的功劳。