Regression zur Mitte bezeichnet ein statistisches Muster: Wer einen auffallend hohen oder niedrigen Wert misst, findet bei der nächsten Messung im Mittel einen Wert, der näher am Durchschnitt liegt. Der Grund ist, dass fast jede Messung aus einem stabilen Anteil und Zufall besteht. Ein Extremwert enthält überdurchschnittlich viel Zufall, der sich nicht wiederholt. Francis Galton beschrieb das 1886 an der Körpergröße: Kinder sehr großer Eltern waren im Mittel kleiner als ihre Eltern, Kinder sehr kleiner Eltern größer. Er nannte es „regression towards mediocrity“.
Die praktische Folge ist ein Deutungsfehler. Wird eine Maßnahme ergriffen, weil ein Wert besonders schlecht war, wirkt sie, selbst wenn sie nichts bewirkt hat. Daniel Kahneman schildert das am Beispiel von Fluglehrern, die glaubten, Tadel helfe und Lob schade (ausführlich im Artikel Wie Dashboards Entscheidungen verzerren). In der Medizin und in der Evaluation wird der Effekt durch Vergleichsgruppen aufgefangen, die ohne Eingriff beobachtet werden (Barnett, van der Pols & Dobson 2005). Ein Prozessverhaltensdiagramm zeigt, ob ein Ausreißer überhaupt außerhalb der gewöhnlichen Schwankung liegt.
Eine Grenze: Regression zur Mitte ist kein Gesetz, das jeden Wert zum Durchschnitt zieht. Hat sich das Niveau tatsächlich verändert, bleibt der neue Wert bestehen. Wie groß der Effekt ausfällt, hängt davon ab, wie stark aufeinanderfolgende Messungen zusammenhängen.
Quellen
- Galton, F. (1886). Regression towards Mediocrity in Hereditary Stature. Journal of the Anthropological Institute of Great Britain and Ireland, 15, 246–263.
- Barnett, A. G., van der Pols, J. C. & Dobson, A. J. (2005). Regression to the mean: what it is and how to deal with it. International Journal of Epidemiology, 34(1), 215–220.
- Kahneman, D. (2012). Schnelles Denken, langsames Denken. Siedler.