52Videnskab

Regression til middelværdien

Ekstreme observationer følges typisk af mere gennemsnitlige — ikke nødvendigvis fordi en indsats virkede, men fordi tilfældighed trækker indad.

Kort fortalt

Regression til middelværdien betyder, at ekstremt høje eller lave målinger typisk efterfølges af værdier tættere på gennemsnittet. En del af det ekstreme skyldes tilfældighed, som ikke gentager sig fuldt ud.

Hvad betyder princippet?

Francis Galton beskrev fænomenet i studier af arv og variation. I statistik opstår det, når observationer kombinerer stabilt niveau og støj: den mest ekstreme observation er ofte ekstra støjfyldt.

Det er en klassisk faldgrube i evaluering: man intervenerer efter et dårligt resultat, ser forbedring, og tilskriver indsatsen hele effekten — selv om noget ville være sket alligevel.

Efter det ekstraordinære kommer ofte det mere almindelige — med eller uden din intervention.

Et konkret eksempel

En sælger har en rekordmåned. Næste måned er lavere. Ledelsen synes, motivationen er faldet. Ofte er forklaringen delvist regression: rekorden indeholdt held.

Et hold spiller usædvanligt dårligt én kamp og får ny taktik. Næste kamp er bedre. Uden kontrol er det svært at vide, hvor meget taktikken gjorde, og hvor meget tilfældighed rettede sig.

Hvornår er princippet nyttigt?

  • Når man evaluerer indsatser efter ekstremhændelser.
  • Når belønning/straf følger top- og bundresultater.
  • Når man tolker før/efter-tal uden kontrolgruppe.
  • Når man forklarer svingninger i performance.

Begrænsninger og kritik

Regression til middelværdien betyder ikke, at alt altid bliver gennemsnitligt, eller at forbedringer er illusoriske. Reelle effekter findes. Pointen er, at ekstrem udgangspunkt gør før/efter-sammenligninger skrøbelige.

Brug kontroller, længere serier og base rates — ikke kun den ene dramatiske observation.

Kilder

  1. Francis Galton — tidlige observationer af regression i variation.
  2. Bemærkning: Begrebet er standard i statistik; det nævnes ofte i kritik af fejlagtige kausalslutninger, bl.a. i forbindelse med Dunning-Kruger-fortolkninger.
  • 04Bayes' teoremEn formel for, hvordan man opdaterer sandsynligheder, når ny evidens kommer — prior bliver til posterior.
  • 15Dunning-Kruger-effektenFolk med lav kompetence på et område overvurderer ofte egen kunnen — mens mere kyndige kan undervurdere sig selv.
  • 63TilgængelighedsheuristikkenMennesker vurderer sandsynlighed ud fra, hvor let eksempler dukker op i hukommelsen — ikke nødvendigvis ud fra den reelle frekvens.
  • 18EntropiEt mål for uorden eller spredning: i isolerede systemer tenderer entropien til at stige — ordnede tilstande kræver arbejde at vedligeholde.