When correcting for regression to the mean is worse than no correction at all
何时校正均值回归反而不如不校正AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主要讨论均值回归、测量重复性和斜率检验，未明确建立所列细分中的识别或估计框架，因此保留空分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
何时校正均值回归反而不如不校正
- 研究问题
- 分析生物变量基线水平与后续变化的关系时，常用均值回归校正是否引入偏差，以及测量重复性如何帮助检验？
- 方法与思路
- 作者用结构线性模型比较两类校正，提出根据真实个体差异的方差占比建立结构零假设，并检验未经校正的斜率。
- 材料陈述的贡献
- 摘要称，Berry 方法会产生系统偏差及错误率膨胀，Blomqvist 方法虽理论无偏但方差较高，并展示生物学应用。
- 阅读关注点
- 应核对测量误差和结构零假设的设定、重复性如何估计，以及其估计不确定性如何影响斜率检验和效应解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未列出完整模型条件，所提检验的稳健性和适用范围仍须全文核对。
原文摘要
The ubiquitous regression to the mean (RTM) effect complicates statistical inference regarding the relationship between baseline levels of a biological variable and its subsequent change. We demonstrate that common RTM correction methods are problematic: the Berry et al. method, popularized by Kelly & Price in The American Naturalist, is unreliable for hypothesis testing or effect-size estimation, leading to systematic bias and inflated error rates. Conversely, while the Blomqvist method is theoretically unbiased, its high sampling variance limits its practical utility in small-to-moderate datasets. Using a structural linear model, we show that the most robust approach to navigating RTM is not to correct the data, but to evaluate the uncorrected crude slope against a structural null expectation derived from measurement repeatability-the proportion of total variance attributable to true individual differences. We illustrate this approach using empirical data from studies on lizard thermal physiology and bird telomere dynamics. Ultimately, we argue that any conclusion regarding a differential treatment effect is statistically unfounded without a clear understanding of the experiment's repeatability.