【锚点】这一篇只固定一个判断：【「最差的学生进步最大」在没有任何干预时也会发生——回归均值可以凭空造出 +0.5 SD 的教学成效，而它看起来和真实效应一模一样】。

【显式】先说一件真事。Kahneman 在以色列飞行学校讲「表扬比批评有效」，教官当场反驳：我们骂完，学员下一轮就飞得好；夸完，下一轮就变差。Kahneman 的解释不是「批评有用」，而是【极值之后必然向均值回归】。飞得最离谱的那一次，本来就掺着运气；运气不会重复，下一次自然往回走。教官把「回归」读成了「反馈的效果」。

【隐式】搬到教育评估上，算术很清楚。设测验分数已标准化，重测信度 r = 0.7（课堂测验的常见量级）。取「后 10%」做补课对象：正态分布下截断点 z = -1.28，这群人的平均起点是 -φ(1.28)/0.10 ≈ -1.76。

【流程节点链路】起点：一次测验的原始 z 分数 → 中间节点 1：按「后 10%」截断取样，组平均 z = -1.76 → 中间节点 2：重测信度 r = 0.7 把期望值向总体均值收缩 → 中间节点 3：期望重测 z = 0.7 × (-1.76) = -1.23 → 终点：在【零干预】条件下，这组人的平均「进步」= 1.76 - 1.23 = +0.53 SD。

0.53 SD 是什么量级？它比大多数真实教育干预的效应量还大（Hattie 的汇总平均约 0.4，大量项目落在 0.2–0.4）。也就是说：一个什么都没做的补课班，可以交出一份看起来「效果显著」的报告。

【细微】而且「越差进步越大」这个漂亮结论，是截断深度的函数，不是教学法的功劳：取后 25%（起点 -1.27）→ 期望 +0.38 SD；取后 5%（起点 -2.06）→ 期望 +0.62 SD。你越往尾部挑人，伪效应越大。所以任何「针对低分学生的干预有效」的声明，若不报对照组，效应量里就掺着一份可以精确算出来的水分。

【极难发现】两个更关键的地方。 一，对照组的选择决定结论的符号。若干预组从尾部挑、对照组是全体学生，对照组增益≈0，差值 0.5 SD 全是伪影；若对照组是「尾部但还在排队」的等待名单，两组一起回归，差值≈0——这就是为什么 waitlist control 会「杀死」一半看起来很有效的针对性干预。杀死它们的不是偏倚，是算术。 二，前后测差值天然与基线负相关。这是恒等式层面的结果（差值 = 后测 - 前测，前测在式子里带负号），所以「基线越差、增益越大」这个相关系数，本身不能当作「干预对弱者更有效」的证据。要检验异质性，得把观测到的基线-增益斜率跟【零干预下的回归斜率 (1-r)】比，而不是跟 0 比。

【可操作】三条：报增益必报对照组增益；用回归不连续（RDD）在截断点两侧比较，让回归均值在两侧同时发生、相互抵消；最低限度也要报告基线-增益散点与重测信度 r，让读者自己扣掉那份水分。

【值得辩论】如果回归均值能在尾部凭空造出 0.5 SD，那么「精准帮扶 / 分层教学 / 学困生转化」这一整类文献里，究竟有多少效应量是没设对照组的？我的猜测不乐观——但更值得辩论的是：期刊是否应该要求所有「按基线筛选被试」的干预研究，强制报告基线-增益相关和重测信度？