飞行教官投硬币回归实验

飞行教官投硬币回归实验是丹尼尔·卡尼曼展示回归平均值如何伪装成因果效应的实验。实验在他向以色列空军飞行教官授课期间进行，把一场关于表扬与惩罚的争论转化为关于统计预测的直观课程——极端表现之后通常会出现不那么极端的表现，因为表现中包含随机波动，而不一定是因为教官的回应改变了学员的能力。

教学争议与统计学背景

卡尼曼首先提出了技能训练中的一个既有原则——对表现改善给予奖励，通常比因错误而施加惩罚更有效。这一主张得到了涉及鸽子、大鼠、人类和其他动物的研究支持。一名经验丰富的飞行教官根据实践经验提出了质疑。他报告说，学员在完成一次漂亮的特技飞行动作后受到表扬，下一次尝试通常表现更差；而在一次糟糕的动作后受到斥责的学员，往往会有所改善。在这名教官看来，这一模式似乎表明惩罚有效，而奖励无效。

教官的观察是准确的，但他的解释并不正确。表扬是在异常出色的表现之后给予的，而这种表现很可能包含暂时性的好运，因此下一次尝试很可能向学员的正常水平回落。惩罚是在异常糟糕的表现之后施加的，而这种表现同样很可能在随后一次尝试中改善。因此，教官把因果解释附加在一个部分具有随机性的过程的自然波动之上。表面上反对奖励、支持惩罚的证据，实际上是表现回归平均值的证据。

投硬币演示

卡尼曼没有用代数讲解来回应质疑，而是在地板上标出了一个目标。他要求房间里的每名军官背对目标，连续投掷两枚硬币，使其朝向目标飞去，且投掷时不要回头查看。研究人员测量硬币距离目标的距离，并把每名参与者的两次结果写在黑板上。随后，他们按照第一次尝试的成绩从好到坏排列。

结果呈现出的模式再现了教官在特技飞行动作中观察到的情况。第一次投掷表现最好的大多数军官，虽然不是全部，第二次投掷都表现得更差；而第一次表现不佳的人通常有所改善。在这项练习中，没有任何内容可以合理地解释为表扬或惩罚——两次尝试之间，军官没有接受任何纠正性干预。然而，他们的成绩仍然向平均水平移动。糟糕的表现之后出现改善、良好的表现之后出现恶化，是因为第一次结果属于极端结果，而不是因为有人受到奖励或训斥。

这次演示让卡尼曼对自己讲授多年的统计学原则产生了尤其鲜明的认识。它还说明了日常反馈为何可能产生误导。当人们对令自己满意的行为作出友善回应，对令自己失望的行为作出严厉回应时，自然回归可能使友善显得无效，使严厉显得成功。于是，教官陷入一种不幸的偶然关联——惩罚恰恰在表现异常糟糕时施加，因此惩罚之后往往出现改善，即使惩罚对此毫无贡献。

从表现到预测

这一实验属于更广泛的预测理论——观察到的结果是稳定能力与特定情境因素或随机因素的结合。一名高尔夫球手在锦标赛第一天打出66杆，可能比平均水平更有天赋，但这个成绩也暗示他当时可能拥有异常有利的运气。一名球手打出77杆，可能低于平均水平且运气不佳，尽管在个别案例中，这两种推断都可能错误。预测第二天的成绩时，合理的预测应保留可能存在的天赋差异，但假定运气回到平均水平；它不会简单地重复第一天的极端成绩。

只要两次测量之间的相关性不完全相同样的逻辑就适用。弗朗西斯·高尔顿最终认识到，相关与回归是观察同一关系的不同视角——只要相关性不是完全相关，就会出现向平均值回归。人们观察到，极其聪明的女性往往嫁给平均而言不如她们聪明的男性，这听起来可能像一个需要寻找动机的社会学谜题。然而，如果配偶双方的智力分数并非完全相关，而男性和女性的平均智力没有差异，那么这一模式在数学上就是预期结果。看似有趣的因果主张，可能只是联系不完全的普通后果。

卡尼曼后来把这一修正应用于一些直觉性预测，例如根据一个早熟儿童的阅读年龄预测她的大学平均成绩。包括受遗传影响的能力以及家庭对学术兴趣的支持在内的共同因素，可能同时影响这两个结果；但每个结果也有自身特有的因素。因此，只根据早期成就这一极端表现作出的预测，必须向平均水平调整。飞行训练演示为这一规则提供了具体的课堂版本——在把功劳归于某项干预之前，要区分哪些因素会持续存在，哪些因素只是暂时的。

对判断与决策理论的影响

这一课题也预示了不确定性判断这一更广泛的理论框架。人类观察者通常会为明显的变化寻找一个有说服力的原因，尤其是在变化发生于他们自己采取某项行动之后时。教官的经验促使他们把先后顺序当作有效性的证据——表扬之后出现退步，似乎证明表扬无效；惩罚之后出现改善，似乎验证了惩罚有效。投硬币实验打破了这一先后顺序，表明在没有所谓原因的情况下，同样的模式也会出现。

这一谨慎态度在决策理论中也有对应内容。理性选择常常依据支配原则和不变性原则等原则进行评估，但实际判断会因对等结果的不同描述方式而发生变化。在亚洲疾病框架实验中，当结果被表述为挽救生命时，受试者偏好风险厌恶的选择；当同样的结果被表述为生命损失时，他们则偏好风险寻求的选择。即使是训练有素的受试者，即使相互等价的问题只相隔几分钟作答，这种框架效应仍然存在。更广泛的含义是，对某个判断的信心并不能保证该判断经得起另一种表述方式的检验。

因此，回归实验是一个更大认知问题的简明模型——观察结果不会自行解释自己。一个行动先于改善发生的顺序，在心理上可能很有说服力，但在统计上可能毫无信息。严谨的预测需要关注参照水平、测量关系的可靠性，以及共同因素与特定情境因素之间的区别。它的决定性意义在于，使这种纪律变得不可回避——教官们可以在黑板上看见这个虚假的因果模式，因为改善和恶化完全是在没有任何反馈的情况下发生的。

意义与局限

这一实验并没有证明表扬总是有效，也没有证明惩罚从来没有用处。它更狭义、也更有力的观点是——当干预是针对某次极端表现而实施时，单凭干预前后的改善，不能证明上述任何一种主张。奖励最佳表现的测试，之后往往会出现更差的表现；惩罚最差表现的测试，之后往往会出现更好的表现。如果没有合适的比较，或没有将回归纳入考量的预测，那么表面结果就与极端观察值趋于不那么极端的统计倾向混杂在一起。

卡尼曼用硬币、目标、两次紧接着进行的投掷以及黑板上的排名来呈现这一原则，把抽象的警告转化为一种教官们难以轻易否认的经验。他并没有否定军官的实践知识，而是重新解释了这些知识。他们准确地注意到飞行训练中反复出现的模式，却误把这一模式的统计结构当成了关于自身行为效力的证据。这种反转正是飞行教官投硬币回归实验的持久意义——自然地回到平均表现水平，会使无效行为看起来成功，也会使有效行为看起来有害。