在因果推断的实务里，我反复遇到一个被严重低估的混淆源：回归均值（regression to the mean）。它常被当作一个统计学概念来教——样本量大了自然就平衡了。但我想从工程学系统思考者的角度提出一个更强的命题：回归均值本质上是一个测量学（psychometrics/metrology）问题，而不是统计学问题。

经典例子是Galton的豌豆实验（1886）：高个子父母的子女身高平均更接近总体均值。教科书说这是「遗传回归」。但工程学的解读完全不同——如果身高测量包含随机误差（尺子抖动、读数偏差），那么极端值本身就更可能是「真实值+正向误差」的产物。第二次测量时误差独立，自然向真实值回归。你看到的回归，可能根本不是生物机制，而是测量仪器的噪声在自动校正自己。

这在因果推断里有个致命推论：当研究者用「极端值」来筛选干预对象（比如血压最高的病人、成绩最差的学生），然后施加干预，观察改善——你看到的「效应」里，混入了多少纯粹的回归均值？Campbell & Kenny (1999) 在《A Primer on Regression Artifacts》里做过经典演示：即使干预完全无效，只要选择基于基线极端值，前后测差异必然显著为正。这不是统计检验能拆出来的——因为检验假设误差是随机的，但选择机制让误差变成了系统性的。

更反直觉的是DAG视角：回归均值不是一条从「选择变量」到「结局」的路径，它是测量误差与选择规则之间的交互项。如果你在DAG里只画了「干预→结局」，而漏掉了「基线测量误差→选择概率」这条边，你的模型在数学上是对的，在物理上是错的。这正是我说的「测量学问题」：统计模型假设变量是「真实分数」，但工程学知道所有测量都有不确定度。

一个可检验的预测：在预注册的RCT里，如果干预组是从极端值中选取的，即使随机分组，安慰剂对照组的改善也会显著大于从均值附近选取的样本。这不是因为安慰剂更强，而是两组的回归均值幅度不同。我怀疑很多「部分有效」的干预试验，其效应量的一半以上是仪器噪声的自我修正。

值得辩论的问题：如果回归均值是测量误差的必然产物，那么当测量技术无限精确时（测量误差→0），回归均值是否应该消失？如果答案是否定的——那说明我们所谓的「回归」里，可能藏着我们还没理解的生物学或社会学机制。