Метрики · 14 сентября 2026 г.

Регрессия к среднему: почему крайние оценки во втором замере смягчаются

Регрессия к среднему — статистический эффект, из-за которого респонденты, поставившие в первом замере крайне низкую или крайне высокую оценку, при повторном опросе статистически склонны сдвигаться к середине шкалы, даже если ничего в реальности не изменилось. Если вы отобрали для повторного контакта именно самых недовольных клиентов первой волны, часть последующего улучшения их оценки — это не эффект ваших действий, а чистая статистика: крайние значения частично объясняются случайным разбросом, который при повторном измерении не повторяется с той же силой. Этот эффект путают с реальным улучшением чаще, чем кажется, потому что оба выглядят на графике совершенно одинаково — рост оценки от первого замера ко второму. Ниже — откуда берётся эффект, как его отличить от настоящего изменения и что с ним делать при планировании повторных опросов.

Откуда берётся эффект

Любая измеренная оценка — это сумма двух частей: истинного, устойчивого отношения человека к предмету оценки и случайного шума момента — настроения в день опроса, формулировки, которая именно так прочиталась именно сегодня, случайного колебания внимания. Когда вы отбираете респондентов с самыми низкими оценками, вы отбираете не только тех, у кого действительно низкое истинное отношение, но и тех, кому в этот раз просто не повезло со случайной составляющей — и она оказалась отрицательной, утянув оценку вниз сильнее, чем это было бы в среднем без такого совпадения обстоятельств.

При повторном измерении случайная составляющая для этой же группы людей, скорее всего, окажется другой — просто потому что она случайная и не обязана повторяться в ту же сторону. У части группы истинное отношение действительно останется низким, но случайный шум на этот раз не добавит к нему дополнительного занижения, а у кого-то даже слегка компенсирует. В сумме средняя оценка группы при повторном замере статистически сдвинется к общему среднему по всей выборке — вверх, если группа была отобрана как самая недовольная, вниз, если как самая довольная. Это математическое следствие того, как устроен случайный шум, а не улучшение или ухудшение отношения к предмету оценки.

Классический пример со ссылкой на историю термина

Термин ввёл Фрэнсис Гальтон в конце девятнадцатого века, изучая рост родителей и детей: он заметил, что дети очень высоких родителей в среднем ниже своих родителей, а дети очень низких родителей — в среднем выше. Это не значило, что человечество усредняется со временем — просто рост каждого человека складывается из наследственной составляющей и множества случайных факторов, и у крайне высоких родителей случайная составляющая с большой вероятностью тоже была положительной, а у их детей она с той же вероятностью окажется совсем другой.

В опросах роль «наследственной составляющей» играет устойчивое, повторяющееся отношение человека к продукту или компании, а роль случайного фактора — состояние в момент заполнения анкеты, недавний единичный инцидент, настроение. Клиент, поставивший минимальный балл сразу после неудачной доставки, скорее всего действительно недоволен — но часть его крайне низкой оценки объясняется именно этим конкретным инцидентом, который не повторится в следующий раз с той же силой. При повторном опросе через месяц, даже без всякого вмешательства со стороны компании, часть этого крайнего балла статистически растворится.

Когда эффект особенно опасен в опросах

Эффект проявляется сильнее всего именно тогда, когда для повторного контакта или отдельного вмешательства намеренно отбирают респондентов по крайним значениям первого замера: самых недовольных клиентов зовут на индивидуальный звонок, худших по вовлечённости сотрудников включают в отдельную программу, магазины с самым низким NPS получают дополнительное внимание менеджера. Само по себе это разумная практика — работать в первую очередь с проблемными случаями, — но она автоматически создаёт условия для регрессии к среднему при последующем измерении именно этой группы, и об этом стоит помнить заранее, ещё до старта программы, а не разбираться постфактум, откуда взялся неожиданно скромный эффект.

Особенно коварна ситуация, когда вмешательство и повторный замер происходят подряд без контрольной группы: недовольным клиентам позвонили, через месяц их оценка выросла, и весь рост приписывают звонку. Часть роста действительно может быть от звонка, но часть — от того, что группа была отобрана по крайнему значению и статистически сдвинулась бы к среднему в любом случае, даже без всякого звонка. Разделить эти два вклада без сравнения с контрольной группой, которую не отбирали по крайним значениям и с которой не связывались, попросту невозможно.

То же самое происходит в HR-аналитике, когда компания запускает программу поддержки для сотрудников с самым низким индексом вовлечённости. Через полгода индекс у этой группы вырастает, и программу объявляют успешной. Но если бы вы просто ничего не делали и повторно измерили тех же сотрудников через полгода, часть роста произошла бы всё равно — просто потому, что крайне низкий балл при первом замере частично объясняется временным фактором: свежим конфликтом, тяжёлым проектом, личными обстоятельствами, которые за полгода с большой вероятностью изменились сами по себе.

Единственный надёжный способ — контрольная группа. Если наряду с недовольными клиентами, которым позвонили, вы измерите повторно ещё и таких же недовольных клиентов, которым не звонили, и обе группы улучшат оценку в среднем одинаково — весь эффект объясняется регрессией к среднему, а не звонком. Если же группа со звонком выросла заметно сильнее контрольной — это и есть реальный вклад вмешательства сверх статистического артефакта. Без такого сравнения любое заявление «мы поработали с недовольными, и они стали довольнее» остаётся недоказанным утверждением, даже если цифры выглядят убедительно и совпадают с ожиданиями команды, которая эту работу проделала.

Второй косвенный признак — сравнить масштаб изменения с тем, что происходит у респондентов, не попавших в крайнюю группу первого замера. Если вся выборка в среднем чуть выросла, а отобранная крайняя группа выросла драматически больше, часть этой разницы почти наверняка объясняется регрессией к среднему, и величину эффекта вмешательства правильнее оценивать как разницу этих двух темпов роста, а не как абсолютный рост крайней группы сам по себе.

Третий способ снизить риск ошибки — использовать не единичную оценку первого замера для отбора крайней группы, а среднее по нескольким предыдущим точкам, если такие данные есть. Средний балл клиента за три последних опроса подвержен регрессии к среднему заметно меньше, чем один-единственный крайний ответ, потому что усреднение само по себе гасит случайную составляющую каждого отдельного замера. Если для программы работы с недовольными клиентами можно позволить себе такой более устойчивый критерий отбора, эффект окажется значительно слабее, а последующая оценка результата — честнее.

Похожие, но другие эффекты

Регрессию к среднему легко спутать с эффектом привыкания к самому опросу: при повторном заполнении той же анкеты люди в целом отвечают немного иначе просто потому, что уже видели вопросы раньше — эффект тестирования. Разница в том, что привыкание к опросу действует более-менее одинаково на всех респондентов независимо от их первой оценки, а регрессия к среднему избирательно сильнее у тех, кто в первом замере оказался на краю шкалы. Оба эффекта могут действовать одновременно, и разделить их точно без специального дизайна исследования сложно, но само знание об их существовании уже защищает от слишком уверенных выводов по одной паре замеров.

Ещё один похожий, но самостоятельный эффект — социально желательные ответы при повторном контакте: если респондент понимает, что его выбрали для звонка именно из-за низкой оценки, он может при следующем опросе смягчить ответ из вежливости или чтобы избежать повторного внимания, независимо от реального изменения отношения. Это не регрессия к среднему статистически, но даёт похожую на графике картину, и на практике оба механизма — статистический и поведенческий — обычно действуют вместе, усиливая видимость эффекта вмешательства.

Стоит упомянуть и сезонность как отдельную конкурирующую причину роста между двумя замерами. Оценка удовлетворённости турагентства, собранная зимой у клиентов с самыми низкими баллами, а затем повторно — весной перед сезоном отпусков, вырастет отчасти просто из-за смены настроения аудитории в преддверии отпуска, никак не связанной ни с регрессией к среднему, ни с работой компании. Разделить сезонность, регрессию к среднему и реальный эффект вмешательства без контрольной группы, измеренной в те же календарные моменты, надёжно не получится — все три объяснения дают внешне одинаково выглядящий рост итоговой оценки удовлетворённости между первым и вторым замером.

Что делать при планировании

• Всегда включайте контрольную группу с такими же крайними оценками первого замера, но без вмешательства.
• Не делайте окончательных выводов об эффекте программы по одной группе, отобранной по крайним значениям, без сравнения.
• Сравнивайте темп изменения крайней группы с темпом изменения остальной выборки, а не с нулём.
• Всегда учитывайте регрессию к среднему при интерпретации A/B-тестов, где группы формируются по результатам предыдущего замера.
• Формулируйте вывод об эффекте программы через сравнение темпов изменения, а не через абсолютную величину роста в одной группе.

1. Перед началом вмешательства зафиксируйте письменно, что группа отобрана именно по крайнему значению первого замера, а не по случайной выборке.
2. Сформируйте отдельную контрольную группу с такими же крайними значениями оценки, сознательно оставив её без вмешательства.
3. Проведите повторный замер у обеих групп строго в одно и то же время по одной и той же анкете.
4. Считайте эффект вмешательства как разницу изменений между группами, а не как изменение только основной группы.
5. Зафиксируйте методику расчёта заранее, до того как увидите фактические результаты обеих групп после повторного замера.

Типичные ошибки

• Приписывать весь рост оценки крайней группы вмешательству без контрольной группы для сравнения.
• Отбирать для повторного замера только самых недовольных или самых довольных, не планируя контроль заранее.
• Путать регрессию к среднему с эффектом привыкания к опросу или с социально желательными ответами.
• Считать отсутствие регрессии к среднему у всей выборки поводом не проверять её в отобранной крайней подгруппе.
• Использовать разовое улучшение показателя у худших магазинов или сотрудников как доказательство успеха программы.

Ограничения

Регрессия к среднему — не ошибка измерения и не повод отказываться от работы с проблемными случаями: помогать самым недовольным клиентам или отстающим сотрудникам разумно независимо от статистики. Ограничение здесь не в самом действии, а в том, как его оценивают: без контрольной группы невозможно отделить реальный эффект программы от статистического артефакта, и любая цифра «эффективность выросла на столько-то процентов», посчитанная только по крайней группе, требует дополнительной проверки, прежде чем на неё опираться в решениях о масштабировании программы.

Ещё одно ограничение — эффект работает в обе стороны, и об этом часто забывают, когда речь заходит о лучших, а не о худших. Магазины с самым высоким NPS в первой волне при повторном замере статистически склонны показать более скромный результат, даже если ничего не ухудшилось, — их крайне высокая оценка тоже частично объяснялась случайной составляющей момента. Если руководство ожидает, что лидеры рейтинга продолжат расти теми же темпами, а рост замедляется, регрессия к среднему — куда более вероятное объяснение, чем реальное падение качества работы этих магазинов.

С чего начать

Если планируете повторно опросить респондентов, отобранных по крайним оценкам первого замера, — самых недовольных, худших по метрике, самых вовлечённых, — заложите контрольную группу того же профиля ещё на этапе планирования, а не пытайтесь найти её задним числом. В сервисе «До Сути» удобно вести обе группы параллельно через отдельные ссылки с одинаковой анкетой и одинаковым интервалом до повторного замера, чтобы сравнение было корректным. Это не требует дополнительных ресурсов сверх того, что вы и так планировали потратить на измерение эффекта, но полностью меняет то, можно ли доверять итоговому выводу. Если контрольную группу по каким-то причинам собрать невозможно — например, потому что помогать нужно всем без исключения, — хотя бы явно укажите в отчёте, что часть измеренного улучшения статистически ожидаема и без вмешательства, и не выдавайте абсолютную цифру роста за чистый эффект программы.