先从一次满意度调查里挑出低于 50 分的用户，为他们安排服务补救，一个月后再测。平均分从 46 升到 55，即使这期间什么都没改，也不能把 9 分全算成补救效果。入组依据本来就是一次异常偏低的观测，其中既有长期不满，也有人只是当天遇到偶发故障、情绪波动或测量误差；第二次不再同时遇到这些随机低点，组均值自然会靠近原总体。
这就是均值回归：按一次极端值选人，再用同一指标复测，第二次通常没那么极端。它不是数据造假，也不是所有人必然向总体均值移动，更不表示真实问题不存在。真正的错误，是没有反事实就把“后来更接近平均”命名为干预效果。若项目要评价补救、培训或预警是否有效，最有力的设计是给同样符合条件的人设置同期可比对照；只有单组数据时，至少应增加筛选前测量、双基线和明确的敏感性分析。
极端分数里混着稳定差异与暂时波动
一次观测可以粗略拆成“个人或单位的较稳定水平＋当次随机波动”。低分组之所以被选中，既因为部分人的稳定水平确实较低，也因为一些本来接近平均的人碰巧向下波动。复测时，稳定成分仍在，随机成分却很少按原方向、原幅度再次出现，所以组均值回升。
Barnett、van der Pols 与 Dobson 的方法教程指出，测量误差越大、筛选点离总体均值越远、只分析按基线选出的子样本，均值回归越明显。相反，重复测量高度稳定时，极端值更可能代表真实的持续差异，回归幅度通常较小。这里的“误差”包括非系统的测量误差与短期自然波动；若所有后测都因量表改版而系统性升高，那是另一个需要单独识别的偏差，不应统称均值回归。
一个没有真实改善却上升 8.4 分的示意计算
以下是说明性模型，不是某个真实项目数据。假设目标人群长期平均为 70 分，筛选出的低分组首次均值为 46 分；在相同条件下两次测量的相关系数为 0.65。若没有干预也没有总体趋势，在常用的线性、双变量近似下，低分组下一次的期望均值为：
70 + 0.65 × (46 − 70) = 54.4也就是说，仅由不完全稳定的重复测量，期望就从 46 上升到 54.4，出现 8.4 分的“改善”。如果实际后测是 55 分，把 9 分全部归因于补救明显过度；但也不能简单做 9－8.4＝0.6 后宣布净效果，因为总体均值、相关系数、线性关系和同期环境都只是模型假设。这个计算的用途是暴露单组前后差的脆弱性，而不是提供一个万能扣除公式。
同理，若团队挑最高投诉风险、最高疲劳或最高流失倾向的人干预，复测常会下降；方向换了，机制没有变。只看最低分者上升、最高分者下降，也不能证明评分体系在“自动修正”，因为选组规则已经决定了变化图形的一部分。
先问入组是否由同一个结果变量触发
均值回归风险最高的结构是：用基线结果 Y0 的极端值决定谁接受干预，又用同一结果的 Y1－Y0 评价效果。比如只给满意度低于 50 分者回访，只给测验不及格者培训，只把本月投诉率最高的门店列入整改。若入组依据是稳定且不随时间变化的地区或岗位，则不会仅因该变量产生纵向均值回归；但结果指标自身仍可能波动。
还要检查“主动求助”这条隐藏筛选链。症状、故障或不满在峰值时，人更可能联系客服、报名项目或进入观察名单；即使研究者没有写下数值阈值，样本也可能在局部高峰入组。复测下降既可能是处理，也可能是峰值自然回落。
四种设计给出的证据强度不同
同期随机对照最直接：在同样满足低分条件的人中随机分配立即干预与对照，比较两组后续差异或在模型中调整基线。两组都会经历均值回归，组间差才更接近干预增加的变化。随机化不能弥补失访、污染或量表变更，仍需报告执行情况。
双基线或运行期是在干预前再测一次，不让唯一一次极端值同时充当资格证和效果起点。可以先用第一次识别候选者，再用第二次确认问题是否持续，并预先决定分析基线采用第二次还是两次平均。它能降低偶发波动的影响，却可能改变入组人群，也不能替代同期对照。
阈值附近比较适用于严格按分数线分配资源、且规则没有被人为绕过的场景。比较刚低于和刚高于阈值的人，可能形成回归不连续设计；有效性依赖阈值不能被操纵、阈值两侧其他条件连续等强假设，不能把普通分组图冒充准实验。
只有单组前后测时，结论应降级为“入组组别随时间的观察变化”。保留筛选前的历史测量，画出至少三个时点，查看极端值是在干预前就已回弹，还是干预后才出现额外转折；同时列出同期总体趋势、量表版本、触达与失访。这仍不能完全识别因果，但比一条前后连线更诚实。
不要用三个常见分析动作掩盖问题
- 配对 t 检验显著：它只说明完整配对者的平均变化不太像零，没有说明零变化是正确反事实。均值回归造成的平均变化同样可能显著。
- 把变化量对基线做相关：变化量本身含有“减去基线”，会产生数学耦合；测量误差还会让低基线与正变化机械相关。不能用一条负相关散点线证明“越差的人改善越多”。
- 事后只保留持续低分者：按多次结果重新定义分析组会引入新的选择。资格、主要分析人群和排除规则应在看后测前确定，并同时展示所有符合初始规则者。
若有随机对照，常见做法是比较后测并调整基线，或使用与设计匹配的纵向模型；选择应在分析计划中预设。统计模型能提高精度、表达重复测量结构，却不能凭空创造不存在的对照或消除未测的同期变化。
把“改善”拆成观察、反事实和归因三句话
报告时先写观察：“在 120 名首次低于 50 分且完成复测的用户中，均值由 46 升至 55。”再写反事实限制：“参与者按一次极端基线入组，项目没有同期对照，量表的短期稳定性为未知，因此自然波动和均值回归可能解释部分变化。”最后才写可支持的动作：“本轮结果可用于确认低分组后续状态和改进流程线索，不能单独估计补救效果；下一轮将在合格者中设置延迟干预对照并增加干预前确认测量。”
问卷派可以按固定版本收集筛选、确认基线与后测，用随机分配或分支逻辑承载预先设计的比较，并导出个体配对数据；平台不会自动判断观察改善有多少来自均值回归。实施前可先用回收前分析计划锁定入组和主要比较，用配对样本检验指南区分变化检验与因果归因，并在显著性与效应量之外报告行动阈值。
方法依据
- Allison 等：Best (but oft-forgotten) practices: identifying and accounting for regression to the mean in nutrition and obesity research
- Barnett、van der Pols 与 Dobson：Regression to the mean: what it is and how to deal with it
- Oldham 等方法讨论：Assessing the Relationship between the Baseline Value of a Continuous Variable and Subsequent Change Over Time