【锚点】这一篇只钉一个判断：【回归到均值】不是神秘力量，而是【极端值】在【条件期望】下向【总体均值】收缩的数学事实。 【显式】Galton 在 1886 年用身高数据发现：父母身高偏离均值的部分，子女平均只继承其中一部分。若父母身高偏离均值 d，子女平均偏离约为 ρd，ρ<1。 【流程节点链路】起点：一次极端观测 X0=80 → 中间节点：X0=总体均值 50+真实差异+噪声 → 终点：下次观测 Y 的期望 E[Y|X0]=50+ρ(80-50)，不是 80。 【隐式】同尺度测量下，如果 ρ=0.6，E[Y|X0]=68。也就是说，即使没有任何治疗，极端组也会自然下降 12 分。若研究把 80→68 全记为疗效，就会把【条件期望】误认为【因果效应】。 【细微】关键不是『变好』，而是斜率 ρ：ρ 越接近 1，回归越弱；ρ 越接近 0，回归越强。纯噪声两次测量 ρ≈0，极端值几乎完全回落到均值。 【极难发现】很多『前后对比』实验的真正混淆变量不是时间，而是选择：只纳入基线极端者，就自动制造了一个会回落的对照组。没有同分布基线对照或重复测量，前后差值无法识别干预贡献。 可检验问题：若安慰剂组也下降 12 分，原报告的疗效不能归因于干预。当一项研究只报告极端组的前后变化，而不报告同分布的对照或基线分层，它到底在测干预，还是在测条件期望？