Regressions-Fehlschluss: Der Sports-Illustrated-Fluch und die Tücke des Mittelwerts
Ein Fußballer erscheint auf dem Cover des Sports Illustrated — und versagt danach. Ein Patient mit starken Rückenschmerzen besucht einen Chiropraktiker und fühlt sich hinterher besser. Ein Schüler schreibt eine schwache Klausur, bekommt intensive Nachhilfe und verbessert sich beim nächsten Mal deutlich. In allen drei Fällen scheint eine Erklärung auf der Hand zu liegen: das Titelbild hat Pech gebracht, die Chiropraktik wirkt, die Nachhilfe hat geholfen. Aber alle drei Erklärungen könnten schlicht falsch sein. Was wirklich passiert, ist statistisch unvermeidlich — und hat einen Namen: Regression zum Mittelwert. Den Fehler, eine solche natürliche Rückkehr zur Norm fälschlicherweise einer Intervention zuzuschreiben, nennt man den Regressions-Fehlschluss.
Was ist Regression zum Mittelwert?
Der Begriff geht auf den britischen Universalgelehrten Francis Galton zurück, der ihn 1886 in einer Studie über Körpergrößen von Eltern und Kindern prägte. Galton beobachtete, dass außergewöhnlich große Eltern tendenziell kleinere Kinder hatten — und außergewöhnlich kleine Eltern größere. Er nannte das "regression to mediocrity" — Rückkehr zur Mittelmäßigkeit, heute: Regression zum Mittelwert.
Das Prinzip ist verblüffend einfach: Wenn eine Messgröße natürlichen Schwankungen unterliegt und ein Messwert extrem hoch oder niedrig ausfällt, ist der nächste Messwert mit hoher Wahrscheinlichkeit näher am Durchschnitt — einfach weil extreme Ausreißer selten aufeinanderfolgen. Das gilt unabhängig davon, was zwischen den beiden Messungen passiert ist.
Mathematisch ausgedrückt: Wenn eine Variable normalverteilt ist und wir einen Wert weit vom Mittelwert beobachten, enthält dieser Wert einen "Fehleranteil" (zufällige Abweichung nach oben oder unten), der sich beim nächsten Mal wahrscheinlich abschwächt. Das ist kein Geheimnis der Natur, sondern eine direkte Folge der Statistik.
Der Regressions-Fehlschluss: Ursache erfunden
Der Regressions-Fehlschluss entsteht, wenn man die Regression zum Mittelwert als Wirkung einer dazwischenliegenden Intervention deutet. Man erkennt Muster, wo keines ist — und konstruiert Kausalität, wo nur Statistik spricht. Das ist eine Variante des Falsche-Ursache-Fehlschlusses und hängt eng mit dem Bestätigungsfehler zusammen.
Der klassische Demonstrationsversuch stammt vom Kognitionspsychologen Daniel Kahneman, der davon in Schnelles Denken, langsames Denken berichtet: Israelische Fluglehrer lobten Piloten für exzellente Landungen — und sahen danach schlechtere Leistungen. Sie kritisierten schlechte Landungen — und sahen danach bessere. Der naheliegende Schluss: Lob schadet, Kritik hilft. Der tatsächliche Grund: Regression zum Mittelwert. Auf eine außergewöhnlich gute Leistung folgt statistisch häufig eine etwas schwächere, auf eine außergewöhnlich schlechte eine etwas bessere — unabhängig von Lob oder Tadel. Die Fluglehrer lernten die falsche Lektion.
Der Sports-Illustrated-Fluch
Das populärste Beispiel des Regressions-Fehlschlusses hat sogar einen eigenen Namen: der Sports-Illustrated-Fluch (Sports Illustrated Cover Jinx). Die Beobachtung: Sportler, die es auf das Cover des amerikanischen Sportmagazins Sports Illustrated schaffen, liefern danach oft unterdurchschnittliche Leistungen. Die abergläubische Erklärung: Das Titelbild verflucht sie.
Die statistische Erklärung ist nüchterner und zwingend: Wer auf dem Cover erscheint, hat in der Regel eine außergewöhnliche Hochphase erlebt — eine Leistung, die weit über dem persönlichen Durchschnitt lag. Danach ist Regression zum Mittelwert unvermeidlich. Die Rückkehr zur normalen Leistung wird als "Absturz" wahrgenommen und dem Titelbild angelastet — aber sie hätte so oder so stattgefunden.
Das Gleiche gilt für viele sportliche "Flüche" und Aberglauben im Sport. Wer nach einer überragenden Saison schlechter wird, liefert statistisch fast immer eine vorhersagbare Entwicklung — keine übernatürliche Kausalität.
Medizin und Alternativheilkunde
Der Regressions-Fehlschluss ist eines der zentralen methodischen Probleme bei der Bewertung medizinischer Interventionen — besonders bei Behandlungen, die ohne Kontrollgruppe getestet werden.
Patienten suchen in der Regel dann einen Arzt oder Heilpraktiker auf, wenn ihre Symptome am schlimmsten sind. Nach dem Besuch verbessern sie sich oft — aber nicht unbedingt wegen der Behandlung. Viele Erkrankungen (Erkältungen, Rückenschmerzen, depressive Episoden) verlaufen in natürlichen Zyklen: nach dem Höhepunkt folgt Verbesserung. Wer in der schlimmsten Phase zum Homöopathen, Akupunkteur oder Chiropraktiker geht und sich danach besser fühlt, erlebt Regression zum Mittelwert — und schreibt den Effekt der Behandlung zu.
Das ist kein Angriff auf alle Komplementärmedizin, sondern ein methodischer Hinweis: Ohne Kontrollgruppe, die keine Behandlung erhält, ist es schlicht unmöglich zu beurteilen, wie viel von einer Verbesserung auf die Intervention und wie viel auf natürliche Schwankungen zurückgeht. Die Stärke kontrollierter klinischer Studien liegt genau darin, diesen Effekt herauszurechnen.
Pädagogik und Coaching
Kahneman wies darauf hin, dass der Regressions-Fehlschluss paradoxe Schlüsse in der Pädagogik und im Coaching begünstigt: Auf eine schlechte Leistung folgt statistisch oft eine bessere — unabhängig davon, was der Trainer oder Lehrer tut. Das kann zu der fehlerhaften Überzeugung führen, dass harte Kritik oder Bestrafung lehrreicher ist als Lob — obwohl kausal gar nichts bewiesen wurde.
Ähnliches gilt für Managemententscheidungen: Wer eine Abteilung nach einem schwachen Quartal unter besonderen Druck setzt und danach ein besseres Ergebnis sieht, lernt möglicherweise die falsche Lektion. Das bessere Ergebnis hätte statistisch auch ohne Intervention kommen können.
Abgrenzung: Wann ist Regression der Grund?
Der Fehlschluss besteht nicht darin, Verbesserungen wahrzunehmen — sondern darin, sie fälschlicherweise einer Intervention zuzuschreiben. Die entscheidende methodische Frage lautet: Was wäre ohne die Intervention passiert?
Wenn eine Intervention tatsächlich wirkt, sollte die Verbesserungsrate in der Behandlungsgruppe größer sein als die erwartete Regressionswirkung in einer vergleichbaren Kontrollgruppe. Genau das messen randomisierte kontrollierte Studien. Ohne einen solchen Vergleich bleibt Regression immer eine alternative Erklärung, die man nicht ausschließen kann.
Das bedeutet nicht, dass alle beobachteten Verbesserungen auf Regression zurückzuführen sind — sondern dass man vorsichtig sein sollte, aus Einzelbeobachtungen auf Kausalität zu schließen. Der Regressions-Fehlschluss ist eine Warnung vor vorschneller Kausalitätszuschreibung, kein Generalverdacht gegen alle Interventionen.
Verwandte Konzepte
Die Regression zum Mittelwert hängt eng mit dem statistischen Phänomen der Regression zum Mittelwert zusammen — der Fehlschluss ist der Irrtum, der entsteht, wenn man dieses Phänomen nicht berücksichtigt. Eng verwandt sind auch der Falsche-Ursache-Fehlschluss, der Bestätigungsfehler, der Texas-Scharfschütze-Fehlschluss sowie P-Hacking als verwandte Quelle statistischer Fehldeutungen.
Zusammenfassung
Der Regressions-Fehlschluss ist das Produkt zweier menschlicher Grundinstinkte: Muster zu suchen und Ursachen zu konstruieren. Wenn nach einem Extremwert die Normalität zurückkehrt, sucht unser Gehirn automatisch nach dem, was dazwischen passiert ist — und findet dort eine "Erklärung". Aber statistische Regression braucht keine Erklärung außer der Mathematik. Bevor man einer Intervention Wirksamkeit zuschreibt, muss man fragen: Hätte diese Verbesserung auch ohne sie stattgefunden?
Quellen & Weiterführendes
- Galton, Francis. "Regression Towards Mediocrity in Hereditary Stature." Journal of the Anthropological Institute 15, 1886. S. 246–263.
- Kahneman, Daniel. Schnelles Denken, langsames Denken. Siedler, 2012. Kap. 17.
- Campbell, Donald T. & Kenny, David A. A Primer on Regression Artifacts. Guilford Press, 1999.
- Morton, Victor & Torgerson, David J. "Effect of regression to the mean on decision making in health care." BMJ 326(7398), 2003. S. 1083–1084.
- Barnett, Adrian G. et al. "Regression to the mean: what it is and how to deal with it." International Journal of Epidemiology 34(1), 2005. S. 215–220.
- Wikipedia: Regression zur Mitte