Erwarte Regression zur Mitte bei extremen Ergebnissen

Ungewöhnlich gute oder schlechte Leistung wird tendenziell von durchschnittlicherer Leistung gefolgt – nicht wegen dem, was du getan hast.

Why it works

Regression zur Mitte ist eine mathematische Eigenschaft jeder gemessenen Variable mit zufälligen Komponenten: extreme hohe Werte werden wahrscheinlich von niedrigeren Werten gefolgt, und umgekehrt, einfach weil der extreme Messwert teilweise einen glücklichen Zufall widerspiegelte. Menschen schreiben diese Regression systematisch fälschlich ihren eigenen Handlungen zu (der Trainer, dessen scharfe Kritik nach einem schlechten Spiel eine Verbesserung zu bewirken scheint) – Kahnemans klassisches Beispiel für einen Mechanismus, der falsche kausale Überzeugungen erzeugt.

How to do it

1. Wenn du eine extreme Leistung (sehr gut oder sehr schlecht) beobachtest, frage: „Wie viel davon könnte zufällige Schwankung sein?“
2. Widerstehe der Zuschreibung der nachfolgenden Regression zu deinem Eingriff, es sei denn, du hast einen kontrollierten Vergleich.
3. Nutze Durchschnittswerte über die Zeit statt einzelner extremer Messwerte als Maßstab.

Evidenz

Regression zur Mitte ist mathematisch abgeleitet und in einer Vielzahl angewandter Bereiche dokumentiert, von sportlicher Leistung bis zum Verlauf medizinischer Symptome. Kahneman dokumentierte die Fehlzuschreibung von Regressionseffekten in der Fluglehrer-Ausbildung und anderswo. (observational)

Quellen

• Kahneman (2011), Thinking, Fast and Slow — regression to the mean and misattribution chapter

Häufiger Fehler

Zu schließen, dass eine harte Reaktion „gewirkt“ hat, weil sich die Leistung danach verbesserte – ohne die Regression zu kontrollieren, die ohnehin eingetreten wäre.