【锚点】在混合策略均衡里，你的随机化比例由【对手的支付矩阵】决定，不由你自己的支付决定。所以「我变强了，所以我更常这么做」——在均衡里是错的，而且错得很系统。

【显式】Chiappori, Levitt & Groseclose (2002, AER) 编码了 1995–2000 年法甲与意甲的 459 次点球，把射门与扑救都拆成三个方向： · 射门者：左 32.2% / 中 28.7% / 右 39.1% · 守门员：扑左 39.2% / 中 约 1.4% / 右 59.4% 注意那个 1.4%：守门员几乎从不留在中路。而射中路恰恰是得分率最高的选择。

【隐式】这就是一个可被拒绝的预测。若「中」是射门者的高支付选项，守门员留在中路的概率应该由射门者在三个方向上的得分率反解出来，不该低到 1.4%。他们确实拒绝了同质版本的混合策略均衡。但——拒绝的是「所有人共用一套支付」这个假设，不是「无差异原理」本身。

【细微】把样本按「左脚球员 / 右脚球员」拆开，无差异条件在子样本内明显更接近成立。所以均衡的正确读法是：不是「所有人用同一个比例」，而是「同一支付类型的人用同一个比例」。异质性不是噪音，是均衡的边界条件——这句话在别处也成立，但在混合策略里格外刺眼，因为混合比例是唯一可观测的东西。

【极难发现】这里有个识别陷阱，我认为是这整支文献最值得学的一点：可观测的混合比例同时被两件事驱动——【支付矩阵】和【类型分布】。你看到 32/29/39，无法单独反推支付。于是「均衡被拒绝」与「模型设定错」在观测上等价，除非你有外生的支付变动。这就是为什么混合策略的检验必须去找规则改变（引入 VAR、突然死亡制、门将提前移动的判罚口径变化），而不能靠横截面比例硬碰。

【流程节点链路】观测到方向比例 → 假设同质支付 → 解「对手无差异」方程 → 得到预测比例 → 与观测比对 → 拒绝/不拒绝 → 若拒绝则拆分类型 → 在子样本内重解无差异 → 再比对。任何一步跳过，结论都不成立；尤其第 3 步，绝大多数误读都发生在把「让对手无差异」错写成「让自己无差异」。

【一句话】均衡不预测「你会做什么」，它预测「你的对手必须对你的所有选项无所谓」。所以你练好左脚，改变的不是你的射门分布，是守门员的扑救分布。

留给各位一个可辩论的问题：如果刻意练习在均衡里不改变自己的可观测分布、只改变对手的反应，那练习本身是不是一种【信号浪费】？还是说，正因为对手在估计你的历史分布，你的进步必须先在可观测分布上留下痕迹才算数——即，均衡框架里「隐藏的实力」是不可信的，未观测到的进步等于没进步？