When correcting for regression to the mean is worse than no correction at all

Dit artikel betoogt dat veelgebruikte correctiemethoden voor regressie naar het gemiddelde vaak onbetrouwbaar zijn en pleit ervoor om in plaats daarvan de ongecorrigeerde ruwe helling te vergelijken met een structurele nulhypothese die is gebaseerd op de herhaalbaarheid van de metingen.

De kern

Titel: Waarom "terug naar het gemiddelde" je statistieken kan bedriegen (en waarom de "correctie" soms erger is dan niets doen)

Stel je voor dat je een groep mensen meet op hun gewicht. Je doet dit twee keer: een keer in januari en een keer in juni. Je wilt weten: Dienen mensen die in januari zwaar waren, minder aan gewicht toe in de zomer dan mensen die al slank waren?

Dit klinkt als een simpele vraag, maar de wiskunde hierachter is een valkuil. De auteurs van dit paper, José en Mauro, zeggen: "Stop met proberen de data te 'repareren'. Dat maakt het vaak erger."

Hier is de uitleg in simpele taal, met wat creatieve vergelijkingen.

1. Het probleem: De "Wiskundige Magie" (Regression to the Mean)

Stel je voor dat je een groep mensen kiest die in januari extreem zwaar zijn. Waarom zijn ze zo zwaar? Deels door hun echte lichaam, maar deels door toeval (misschien hebben ze gisteren veel water gedronken, of was de weegschaal net iets scheef).

Wanneer je ze in juni weer weegt, is die "toevallige" zwaarte waarschijnlijk weg. Ze wegen dan minder, niet omdat ze echt zijn afgevallen, maar omdat ze terugkeren naar hun normale, gemiddelde gewicht.

Dit noemen ze Regression to the Mean (RTM).

• De valkuil: Als je kijkt naar de zwaarste mensen, lijkt het alsof ze "meer" zijn afgevallen. Als je kijkt naar de lichtste mensen, lijkt het alsof ze "meer" zijn aangekomen.
• De illusie: Het lijkt alsof er een biologisch patroon is (zware mensen vallen sneller af), maar het is eigenlijk alleen maar ruis in de meting.

2. De "Reparatie-pogingen": Waarom ze mislukken

In de wetenschap proberen mensen dit probleem op te lossen met formules. De auteurs kijken naar twee bekende methoden:

Methode A: De "Berry & Kelly" methode (De slimme maar valse vriend)

Deze methode is populair in ecologie. Het is alsof je een auto hebt die een beetje scheef rijdt, en je probeert het stuur een beetje tegen te draaien om het recht te krijgen.

• Het probleem: De auteurs tonen aan dat deze methode vaak te veel corrigeert. Het is alsof je het stuur zo hard tegendraait dat je nu juist de andere kant op rijdt.
• Het gevolg: Je denkt dat je een biologisch effect hebt gevonden (bijvoorbeeld: "Zware hagedissen kunnen niet meer groeien!"), terwijl het eigenlijk alleen maar wiskundige ruis is. Of je mist een echt effect omdat de formule het te hard heeft "weggepoetst".

Methode B: De "Blomqvist" methode (De perfecte maar onpraktische theorie)

Deze methode is wiskundig perfect. Het is alsof je een GPS hebt die exact weet waar je bent.

• Het probleem: Om deze GPS te laten werken, moet je precies weten hoe "onbetrouwbaar" je weegschaal is (de meetfout). In de echte wereld weten we dat bijna nooit precies.
• Het gevolg: Als je het toch probeert met een schatting, is het resultaat zo wazig (zoals een foto die uit de hand is geschoten) dat je er niets mee kunt. Bij kleine groepen mensen (zoals in veel biologiestudies) geeft deze methode vaak gekke, extreme uitkomsten die erger zijn dan gewoon niets doen.

3. De Oplossing: "Kijk naar de grond, niet naar de lucht"

De auteurs zeggen: "Stop met proberen de data schoon te maken. Kijk in plaats daarvan of je resultaat sterker is dan de ruis die je verwacht."

Stel je voor dat je een fluitje hoort in een storm.

• De oude manier: Probeer de wind te stoppen (de data corrigeren) zodat je het fluitje duidelijk hoort.
• De nieuwe manier: Luister naar het geluid en vraag jezelf af: "Is dit fluitje harder dan het geluid van de wind zelf?"

Hoe doe je dit?
Je gebruikt een concept genaamd Repeatability (Herhaalbaarheid).

• Als je een meting doet, hoeveel daarvan is "echt" en hoeveel is "ruis"?
• Als je weet dat je meetinstrument 30% ruis heeft, dan weet je dat je een negatief resultaat (bijvoorbeeld: "zware mensen vallen sneller af") pas serieus moet nemen als het resultaat sterker is dan die 30% ruis.

Als je resultaat binnen de marge van die ruis valt, moet je zeggen: "Weet ik veel. Het kan een biologisch effect zijn, maar het kan ook gewoon toeval zijn."

4. Twee echte voorbeelden uit het paper

De auteurs toonden dit aan met twee voorbeelden:

1. Hagedissen en hitte: Onderzoekers dachten dat hagedissen die al hitte verdragen, minder goed kunnen wennen aan nog meer hitte (een biologische trade-off).

   • De nieuwe analyse: Als je rekening houdt met de meetfout, blijkt dat dit "trade-off" misschien helemaal niet bestaat. Het was waarschijnlijk alleen maar de "terugkeer naar het gemiddelde".

2. Vogels en hun DNA (Telomeren): Onderzoekers dachten dat vogels met langere DNA-kapjes sneller verouderden.

   • De nieuwe analyse: De "gecorrigeerde" cijfers waren zo wazig dat je niet kon zeggen of er een verband was of niet. De conclusie? Er is geen bewijs dat langere DNA-kapjes sneller veroudering veroorzaken.

Conclusie: Wat moeten we leren?

De boodschap van dit paper is simpel maar krachtig:

1. Wees sceptisch met "gecorrigeerde" cijfers. Veel populaire methoden om "terug naar het gemiddelde" te corrigeren, maken de resultaten juist onbetrouwbaarder.
2. Ken je meetfout. Voordat je zegt dat er een groot biologisch effect is, moet je weten hoe goed je meetinstrument is.
3. Vraag de juiste vraag. In plaats van te vragen: "Wat is het echte effect?" (wat vaak onmogelijk is zonder perfecte data), vraag je: "Is mijn resultaat sterk genoeg om niet door toeval verklaard te worden?"

Kort samengevat:
Het is alsof je probeert een naald te vinden in een hooiberg. De oude methoden proberen het hooi weg te blazen, maar blazen soms de naald ook mee weg of gooien er nieuw hooi bij. De auteurs zeggen: "Kijk eerst hoe groot de hooiberg is (de meetfout). Als de naald niet groter is dan de hooiberg zelf, geef dan toe dat je hem niet kunt vinden, in plaats van te doen alsof je hem hebt gevonden."

Technische samenvatting

Titel: Wanneer correctie voor regressie naar het gemiddelde slechter is dan geen correctie

Auteurs: José F. Fontanari en Mauro Santos
Publicatie: arXiv:2509.04718v2 (28 februari 2026)

---

1. Het Probleem

In de ecologie en fysiologie is het een veelvoorkomend doel om te onderzoeken hoe de initiële toestand van een individu (bijv. basale hitteverdraagbaarheid of lichaamsgewicht) de respons op een behandeling of tijdsverloop beïnvloedt. Onderzoekers analyseren dit vaak door de veranderingsscore ($d = x_2 - x_1$) te regresseren op de initiële waarde ($x_1$).

Dit benadering wordt echter ernstig beïnvloed door twee overlappende fenomenen:

1. Wiskundige koppeling (Mathematical Coupling): Omdat $x_1$ een component is van $d$, ontstaat er een structurele negatieve correlatie, zelfs als er geen biologisch verband bestaat.
2. Regressie naar het gemiddelde (RTM): Door meetfouten in de initiële meting ($x_1$) zullen extreme waarden bij een volgende meting ($x_2$) dichter bij het populatiegemiddelde liggen. Dit creëert een schijnbare negatieve associatie die niet biologisch is.

Het huidige standaardprobleem is dat onderzoekers vaak proberen deze artefacten te corrigeren met methoden zoals die van Berry et al. (1984) (gepopulariseerd door Kelly & Price, 2005). De auteurs betogen dat deze correctiemethoden structurele beperkingen hebben die leiden tot systematische bias en verhoogde fouten (Type I en Type II), waardoor biologische conclusies onbetrouwbaar worden.

2. Methodologie

De auteurs ontwikkelen een structureel lineair model om de relatie tussen ware waarden en gemeten waarden te formaliseren:

• Structuur: Ze definiëren ware initieel waarden $X_1$ en ware verandering $D = X_2 - X_1 = \alpha + \beta X_1 + \zeta$. Hierbij is $\beta$ de parameter van belang (het differentiële behandelingseffect).
• Meetfout: Gemeten waarden $x_1$ en $x_2$ bevatten meetfouten ($\epsilon$) en biologische ruis.
• Herhaalbaarheid ($R$): Een cruciale parameter gedefinieerd als de verhouding tussen de variantie tussen individuen ($\gamma^2$) en de totale geobserveerde variantie ($\gamma^2 + \delta^2$). $R$ kwantificeert de betrouwbaarheid van de meting.

De auteurs analyseren drie benaderingen:

1. Ruwe helling ($\beta_c$): De ongecorrigeerde regressie van verandering op initiële waarde.
2. Berry et al. methode: Een correctie gebaseerd op de geobserveerde correlatie ($\rho$) tussen $x_1$ en $x_2$.
3. Blomqvist methode: Een correctie gebaseerd op externe kennis van de meetfoutvariantie of herhaalbaarheid ($R$).

Ze gebruiken analytische afleidingen, computer-simulaties (gebaseerd op bloedruisdata) en bootstrapping om de prestaties van deze methoden te evalueren.

3. Belangrijkste Bijdragen en Resultaten

A. De beperkingen van de Berry et al. methode

De auteurs tonen aan dat de veelgebruikte Berry et al. methode onbetrouwbaar is voor hypothesetoetsing en schatting van effectgroottes:

• Systematische Bias: De methode gaat ten onrechte uit van een "steady-state" variantie ($V(x_1) = V(x_2)$). In biologische systemen met stochastische ruis ($\nu^2 > 0$) of een echt differentiële behandeling ($\beta \neq 0$) leidt dit tot over- of ondercorrectie.
• Verkeerde Null-hypothese: Zelfs als het ware biologische effect nul is ($\beta=0$), produceert de Berry-correctie vaak een significante, maar valse, negatieve of positieve helling.
• Risico op Type II-fouten: Bij hoge meetfouten convergeert de gecorrigeerde helling wiskundig naar nul, waardoor onderzoekers een echt bestaand biologisch effect kunnen missen.

B. De paradox van de Blomqvist methode

De Blomqvist methode is theoretisch onbevooroordeeld (unbiased) en kan de ware helling $\beta$ herstellen, mits de meetfoutvariantie ($\delta^2$) bekend is.

• Praktisch nadeel: In datasets met een klein tot gemiddeld aantal proefpersonen (typisch in de ecologie) heeft deze methode een zeer hoge steekproefvariantie.
• Resultaat: Door de hoge variantie kan de Blomqvist-schatting voor een specifieke steekproef verder van de ware waarde af liggen dan de ruwe, bevooroordeelde schatting. De methode is dus theoretisch correct maar praktisch vaak nutteloos zonder zeer grote steekproeven.

C. De voorgestelde oplossing: Evaluatie van de ruwe helling

De kernboodschap van het artikel is dat correctie van de data vaak slechter is dan geen correctie. In plaats van te proberen de data te "redden", stellen de auteurs een structurele nul-toets voor:

• Onder de null-hypothese ($\beta = 0$) is de verwachte ruwe helling niet 0, maar gelijk aan $R - 1$ (of $-\delta^2 / V(x_1)$).
• Onderzoekers moeten hun geobserveerde ruwe helling ($\beta_c$) vergelijken met deze verwachte bias, afgeleid van de herhaalbaarheid ($R$) van het experiment.
• Als de verwachte null-waarde binnen het betrouwbaarheidsinterval van de ruwe helling valt, kan de null-hypothese niet worden verworpen.

4. Toepassing op Empirische Data

De auteurs illustreren hun aanpak met twee casestudies:

1. Hagedissen (Thermische tolerantie): Een eerder gevonden sterke negatieve correlatie (die suggereerde dat hitte-tolerante hagedissen minder plastisch zijn) bleek statistisch niet significant te zijn wanneer de verwachte bias door RTM werd meegenomen, afhankelijk van de herhaalbaarheid.
2. Blauwmezen (Telomeer-dynamiek): Een studie die suggereerde dat langere telomeren sneller verslijten, bleek bij nadere analyse (met Blomqvist-correctie en bootstrapping) geen statistisch onderbouwde bewijzen te hebben voor een niet-willekeurig verband. De ruwe correlatie was grotendeels een artefact van meetfouten.

5. Betekenis en Conclusie

Het artikel heeft fundamentele implicaties voor de statistische inferentie in de biologie:

• Herhaalbaarheid is cruciaal: Geen enkele conclusie over differentiële behandelingseffecten is statistisch onderbouwd zonder een duidelijke kennis van de herhaalbaarheid ($R$) van de meting.
• Voorzichtigheid met correcties: Methodes zoals die van Berry et al. moeten worden vermeden omdat ze nieuwe bias introduceren en biologische realiteit kunnen vervormen.
• Nieuwe standaard: Onderzoekers moeten de ruwe helling evalueren tegen een structurele null-verwachting. Als de herhaalbaarheid onbekend is, moeten onderzoekers de onzekerheid expliciet rapporteren (bijv. via profiel-likelihood of bootstrapping) in plaats van een valse precisie te claimen door onbetrouwbare correcties toe te passen.

De auteurs pleiten voor een herziening van bestaande literatuur die op deze correctiemethoden is gebaseerd, aangezien veel gevestigde bevindingen over biologische trade-offs mogelijk statistische artefacten zijn.