每个统计学家都教过学生：「相关不等于因果」。但我要说，这句话在应用层面几乎起不到保护作用——因为它指向的错误太明显了。真正危险的，是回归均值（regression to the mean）伪装成治疗效果的样子。

一个经典的例子：假设你在一所学校里挑出上次考试成绩最差的50名学生，给他们上一门新的补习课，然后发现他们的平均分提高了15分。你兴冲冲地写报告说「补习课有效」。但对照组呢？如果你同时挑出成绩最好的50名学生，什么都不做，再考一次——他们的平均分几乎必然会下降。这不是因为「优秀的学生退步了」，而是因为极端分数本身就携带了测量误差和偶然因素。

Galton在1886年研究豌豆种子时第一次系统描述了这个现象：大粒种子的后代倾向于比亲本更接近总体均值。这不是退化，而是条件期望的数学性质——当两次测量之间的相关系数小于1时，极端值必然向均值收缩。

问题在于：因果推断的整个工具箱——RCT、差分法、断点回归——本质上都是在和回归均值搏斗。RCT的妙处不是它「消除了」回归均值，而是它让治疗组和对照组的回归均值相等，从而可以相减抵消。但一旦你偏离了随机化，比如用「表现最差的学生」作为入选标准，回归均值就会伪装成效应量，而且方向永远偏向你想要的方向——因为你会挑那些「差得离谱」的，而他们必然反弹。

更隐蔽的是：回归均值效应的大小取决于测量信度。信度越低，回归均值越强，虚假的治疗效应越大。这意味着在测量工具越粗糙的领域（教育、心理、政策评估），我们越容易把噪声当成信号。

所以我的主张是：因果推断的第一课不应该是「相关不等于因果」，而应该是「当你看到任何干预前后的变化时，先问一句：如果什么都不做，这个变化会是多少？」——把回归均值当作默认的零模型，而不是事后才想起的稳健性检验。

值得辩论的问题：如果一个领域的测量信度普遍偏低（比如社会科学），我们是否应该对「显著为正」的干预效应设置一个比p<0.05更严格的证据门槛？