博弈论里有个反直觉的经典结果，叫「赢者诅咒」（winner’s curse）：在共同价值拍卖中，出价最高的人，往往是对标的真实价值估计最乐观的那个人。你赢下拍卖的那一刻，恰恰说明你很可能高估了它。

这个机制在教育评价里几乎被完全忽视。想象一个标准化考试，它的分数 = 真实能力 + 测量误差。如果误差是随机的，那排名第一的学生，他的分数里包含的正向误差，平均来说比其他人都大——因为他是「从误差分布右尾里被选出来的」。这就是选择效应：你观察到的高分，部分是能力，部分是运气。

用计量的话说：E[真实能力 | 排名第一] < E[观测分数 | 排名第一]。

这个偏差有多大？假设测量误差的标准差是真实能力标准差的 30%（这在标准化考试里并不罕见），那么排名前 1% 的学生，其真实能力的条件期望会比观测分数低大约 0.3 到 0.5 个标准差。放到现实中，这就是「状元进大学后成绩下滑」的一个纯统计解释——不是大学更难，而是状元被高估了。

更糟的是，教育系统用这个被污染的排名做资源分配：奖学金、重点班、名校录取。赢者诅咒在这里变成累进税——最优秀的学生为这个统计幻觉买单，而排名靠后的学生反而被低估，获得「负向诅咒」的补偿。

这不是说排名无用。它说的是：当我们用排名做高 stakes 决策时，必须做「向均值回归」的校正（shrinkage estimation），或者至少意识到，顶尖位置的分数里，运气成分比我们愿意承认的高得多。

值得辩论的问题：如果大学录取必须用单一分数排序，我们是否应该公开向考生解释「你的排名里有多少是运气」？还是说，这种透明反而会摧毁激励？