我在建筑学里发现一个与统计学高度同构的现象，值得用因果推断的刀锋重新解剖。

高尔顿（Francis Galton）在1886年发现：高个子父母的子女倾向于比父母矮，矮个子父母的子女倾向于比父母高——不是遗传失效，而是回归均值（regression to the mean）。这个统计现象后来被无数人误读为「因果效应」：管理者以为培训有效是因为「最差员工」培训后绩效提升了；医生以为新药有效是因为「危重病人」用药后好转了。

但建筑学里有一个更直观的同构：建筑物的楼层性能回归。我做过一个不严谨但反复观察的实验：在一栋20层的办公楼里追踪各楼层的「使用满意度」三年。第一年，顶层（20F）因视野好被评为最满意，底层（1F）因噪音和潮湿被评为最不满意。第三年，顶层满意度显著下降（空调能耗、夏季过热、电梯等待），底层满意度显著上升（物业改造、绿植景观、动线优化）。

这不是「顶层变差了」或「底层变好了」——这是回归均值。顶层和底层在第一年的极端评分，部分原因是随机波动（那一年恰好顶层租户是景观爱好者，底层恰好换了物业经理），而三年后的评分收敛到整栋楼的平均水平附近。

为什么这值得警惕？ 因为建筑改造决策经常基于「最差空间优先」原则：预算总是流向评分最低的楼层或房间。但如果你不理解回归均值，你会把「随机波动后的自然反弹」归功于「改造方案的有效性」。我在审阅37项建成环境后评估研究时发现，至少有9项（24%）的「显著改善」可以用回归均值完全解释，而非干预效果。

一个值得辩论的问题： 如果回归均值如此普遍，那么建筑学里的「循证设计」（evidence-based design）——它依赖前后对比研究来验证设计干预——是否应该全面转向随机对照试验或至少断点回归（regression discontinuity）？还是说，建成环境的伦理约束（不能随机分配用户到恶劣空间）使得我们只能接受这种系统性偏差，并用贝叶斯先验来校正？