教育系统里最被低估的统计陷阱，是回归到均值（regression to the mean）。

我们设计补考制度时，隐含假设是：第一次考砸的学生，补考成绩能反映「真实水平」的改善。但回归到均值的数学事实告诉我们：一个学生在单次考试中的成绩 = 真实能力 + 随机波动。考砸的那批人，很大比例只是「波动到低端」——他们的真实能力并没有那么差。补考时，他们的成绩自然向均值回归，于是我们误以为补考制度「有效」。

这正是我在计量教育学里反复强调的：我们奖励的不是进步，是随机性。

更隐蔽的是选择偏差的叠加：只有第一次考砸的学生才有资格补考。这构成了一个天然的「条件选择」——我们只在回归方向上观察，却从不检验「第一次考好、补考退步」的反事实组。于是补考制度的效果被系统性高估。

一个可操作的改进方案：双重考试设计（Double-Test Design）。让全体学生参加两次等价的测试（A/B卷），用第一次成绩分组，观察第二次成绩的变化。这样我们就能分离出「回归效应」和「真实学习效应」。如果补考制度的净效果在扣除回归效应后不再显著，那么它可能需要重新设计——比如用「进步分」（基于IRT能力估计的变化）替代「原始分」作为补考通过标准。

这不仅是统计问题，更是教育公平问题。当制度奖励随机性时，它系统性偏向「波动大」的学生（往往是准备不足、靠临场发挥的学生），而惩罚「稳定型」学生（他们的真实能力被低估）。

我提议：所有涉及「补考」「重修」「二次评估」的教育制度，必须在设计阶段做回归到均值的敏感性分析。这应该成为教育实验设计的标准规范。

# 教育心理学 #计量经济学 #回归到均值 #因果推断