“何谓企业健康”的三种通行答案——财务指标良好、恢复与更新的速度、不向员工供应商客户环境与未来转移成本——争的是该看哪一类读数。它们共同假定了一件从未被说出的事：这些读数所依据的参照总体是给定的、稳定的、与被评价者的行为无关的。 本文用三个与商业相隔很远的行当把这条假定推到不成立：人机设计按人体测量的第五至九十五百分位取值，被排除的两端不会成为该系统的操作者，因而永远不出现在差错统计里；成衣的合格是对号型分档的合格，不被任何分档覆盖的体型逐渐退出成衣市场，也就退出了下一轮的测量样本；而信息检索评测的相关性判定池由参赛系统自己返回的结果汇集而成——没有被任何系统返回过的文档从不被判定，因而永远算作不相关，检全率的分母由被评价者的行为决定。三处指向同一件东西：分母不是外生的。本文把从某个读数的分母中离开、离开不在该读数所在的账上产生任何条目、而其离开使读数变好的那一类对象命名为静退者，把企业健康重新界定为各项读数的分母在多大程度上不由被评价的那一方维护；给出一条五环节的退出链用于定位，一个可事后清点的读数静退差 q——把可识别的静退者按原口径放回分母后，同一读数的相对变化。判据不含程度词：这个数的分母，上一次是谁改的，改动记在哪儿。 一次预注册的公开数据清点把本文的一条预设推翻并改写了构念：静退的要害不是”不留痕”，是痕迹与读数不在同一本账上。
关键词：静退 静退差 退出链 分母维护权 判定池 企业健康
一家做工业配件的公司，三年里每一项比率都在改善：客户满意度从 84 升到 92，供应商准时率从 91 升到 98，产品一次交验合格率从 96 升到 99.4，员工敬业度从 3.6 升到 4.2，安全事故率降到零。第四年，它丢掉了两个最大的客户，最有经验的一批工艺员在半年里走了三分之一，新品试制连续三次失败。
复盘时有人把四年的数据表摆出来，会场安静了很久。没有一个数字说过谎。
真相在一张没有人做过的表里：三年间，被移出”合格供应商名录”的供应商有 47 家，其中 31 家是因为达不到新的账期条件；满意度问卷的发放名单从 1,200 家收缩到 640 家活跃客户，不活跃的那部分按规则不再发放；一次交验合格率的分母只算”投产批次”，而试制批次与两次以上返工的批次由工艺部门规定不计入；敬业度调查的分母是”在职且填写者”，走掉的那三分之一工艺员按定义不在里面。
每一项都合规，每一条规则都写在文件里，每一次口径变更都有审批。而这四年里，每一个读数变好的主要来源，是分母在缩小。
这不是造假，造假是把分子改大。这里发生的是另一件事，它甚至有一个正当的名字：口径优化。
于是”何谓企业健康”这道题就有了它的第二个形状。第一个形状问的是判定的材料从哪儿来；这一个形状问的是：这些比率的分母，是谁在维护。
三种通行答案在这个问题上一致沉默。财务派的各项比率有会计准则规定的口径，而准则规定的是分子的确认，不是”哪些客户还算客户”；更新派的恢复速度以”受影响业务”为分母，而哪些业务算受影响由企业自己划；转移派最接近要害——转移出去的成本落在别人身上——但它同样默认那些”别人”还在名单上。一个已经不再回应问卷的客户，不在任何一方的分母里。
三派共同假定的那一条，本文将在第四节写出来。为了看清它，先去三个离商业很远的行当。
人因工程·工效学。 它判的是：这一套人与机器的组合，是不是一个能够独立成立、可以交付使用的整体。它的日课是拿人体测量数据定义一个”设计使用者”，再看这件东西对他成不成立：座舱够不够得着、把手抓不抓得住、字号看不看得清、在给定时间里差错率有多高。它看重整体性、稳定性与独立性——这套东西能不能被单独交出去用。它的账本是硬的，失败定义清楚：人为差错、事故。
纺织·服装工程。 它判的是：这块织物、这件成衣在使用过程中怎么变——强力衰减、缩率、色牢度、起球、多少次洗涤之后不能再穿。它看重的是轨迹、速度与粘滞：性能随使用次数的衰减曲线，加速试验里的当量关系。它的账本中等硬度，失败定义是断纱、起球、不合体。
图书情报·信息科学。 它判的是：一套检索系统好不好——找得全不全（检全率）、找出来的准不准（检准率）。它看重连接、次序与结构：分类体系、索引语言、排序算法把文献组织成什么架子。它的账本最软：什么叫”相关”，最终由人判定，没有算法真值。
三门离商业都很远，各自的失败无法互译：“差错致事故”在校对不出成衣的语言，“起球”在检索评测里说不出来，“检不到”在人机工效里没有位置。它们分处心智层、操作层、制度与符号层。而三门每天都在做同一件事而不自知：为一个比率维护它的分母。
（一处必须写明的偏离：按本文选源的一般要求，三门中应有两门属于账本最硬的那一类。本次只有人因工程一门是硬账本，另两门居中偏软。处置是：由人因工程承担证据与终止性，由纺织提供衰减轨迹的形式，由图书情报提供判定形式——什么叫”相关”、由谁判、判多少，这一门把”软账本”这件事本身当作研究对象，恰恰是本题最需要的那一类形式。这一偏离的风险在第十七节与第十八节的 F6 里另有交代。）
人因工程主张：健全性可以由系统在给定使用人群下的表现读出。 支撑一：把人体测量数据取到第五至九十五百分位，覆盖绝大多数使用者，剩余部分由个别调整解决。支撑二：差错率是可测的系统属性，同一设计在不同操作者身上收敛到相近的水平。支撑三，也是这门学问写在教科书正文里的那句话：人为差错不可根除，只能设计成不致命——它把差错当作一个常量来处理，而不是一个可以归零的变量。
纺织主张：健全性可以由性能随使用的衰减轨迹读出。 支撑一：耐久性由标准化的加速试验测定，多少次摩擦、多少次洗涤对应多长寿命。支撑二：合格是对号型分档的合格——成衣不是为某一个人做的，是为一个分档做的，这个分档来自人体测量调查。支撑三：出厂检验与使用中的表现是两件事，这一点这门学问自己反复承认：加速试验与真实穿着的相关性一直不好。
图书情报主张：健全性可以由系统在给定测试集上的检全率与检准率读出。 支撑一：评测必须可复用，因此需要一个固定的文档集、一组固定的查询、一份固定的相关性判定。支撑二：检全率与检准率不可同时最大化，评价一个系统就是在这条权衡上取点。支撑三，也是这门学问自己最清楚的一处：大型评测的相关性判定，来自把各参赛系统返回的前若干条结果汇集起来（判定池），没有被任何系统返回过的文档不被判定，按惯例算作不相关。
三条不能同时成立。若人因对，那么纺织的衰减曲线是多余的：定义好使用人群，一次评测就够。若纺织对，那么人因的一次性评测在原则上读不出健全：同样合格的两件东西可以有完全不同的后续。若图书情报对，那么前两家的错在更前面：它们的”给定人群”与”给定分档”与检索评测的判定池是同一种东西——都是被评价的过程自己参与构造出来的参照集合，而不是外部给定的总体。
把三家的争论压成同一个句式：它们争的是”评价所依据的那个参照总体”该怎么取——按百分位取、按分档取、还是按判定池取。
写成这个形状，共同假定就露出来了：三家都默认参照总体是一个可以被取到的、外生的东西。人因默认人体测量数据代表使用人群，纺织默认号型调查代表市场上的身体，图书情报默认判定池代表文档集里的相关文献。三家吵的是取法，没有一家在自己的评价里问过：这个总体的构成，会不会正是被评价的这套东西自己塑造出来的。
把这句话念给三家听，三家都会说”这还用说吗”。这正是共有前提的标志——它不引起争论。
在企业这一侧，同一条假定是一句谁都不会反对的话：指标当然要有口径，口径当然要稳定。 稳定这两个字里藏着的是：口径所指的那群人、那些订单、那些批次，会一直在那儿。
推翻这条假定的材料不必从外面搬，它就在三家里账本最软的那一家的方法论正文里，而且是它每天都在用的核心工艺。
大型检索评测的相关性判定池，是由参赛系统自己的返回结果汇集而成的。
道理很实际：一个文档集有几十万上百万篇，人工判定每一篇与每一个查询的相关性做不到。通行的做法是把所有参评系统各自返回的前若干条结果合并成一个池，只判定池内的文档；池外的文档不被判定，在计算检全率时按不相关处理。 于是：
检全率的分母——“这个查询下全部相关文档的数量”——是由参赛系统的行为决定的；
一篇没有任何系统找得到的相关文档，不会被判定为相关，因而它的缺席不会使任何一个系统的检全率下降；
一个能找到别人找不到的文档的新系统，在旧的判定池上评测时会被系统性低估，因为它找到的那些不在池里。
这不是丑闻，是公开承认、有专门对策的行业常识：加深判定池、留出残余集合、改用对未判定文档不敏感的指标，都是为它发明的。而它的结构含义从来没有被取用：在这套评价里，被评价者与参照总体的构造之间不存在防火墙。去掉判定池，大型评测做不了——它是核心工艺，不是边角案例。
推翻一旦发生，另外两家手里同形的东西立刻显形：
人因工程的百分位。 人体测量取第五至九十五百分位是这门学问的标准做法，被排除的两端写在标准正文里。而被排除的后果不是”这些人用起来吃力”，是他们不会成为这套系统的操作者：够不着的人当不了这个岗位，戴不上的人换个工种。于是他们不出现在这套系统的差错统计里，这套系统的差错率因此更好看。差错率的分母，被这套系统自己的设计筛选过。
纺织的号型分档。 号型来自人体测量调查，调查的对象是当下的人群；而不被任何分档覆盖的体型，在成衣市场里长期得不到合身的衣服，于是更少购买成衣、更少进入以成衣消费者为对象的抽样。合格率的分母——“被这些号型服务的人”——被这些号型自己筛选过。（这一条的机制在本文里只作结构上的同形陈述，不作实证结论：号型标准依据人体测量调查制定、修订周期长、覆盖率有限，这些是可查的一般事实；“不被覆盖者退出下一轮样本”这一环，本文没有找到直接的经验研究，列入第二十一节交出去的洞。）
三处的形状完全相同：分母不是外生的。被评价的那一方，通过它自己的正常运行，参与决定了谁还在分母里。
给这一类对象一个名字：
静退者：从某个读数的分母中离开，其离开不在该读数所在的那本账上产生任何条目，且其离开使该读数变好的那一类对象。
四条性质，逐条是硬的：
离开是真实的。 静退不是统计误差，不是抽样波动；它对应着一件真实发生的事——这个客户不再回应了、这个供应商被移出名录了、这个批次被规定不计入了、这个测试被标记为跳过了。
离开不在同一本账上。 这是本文修订过的一条（第十一节的清点逼出的）。原稿写的是”离开不留任何痕迹”，被数据推翻了：多数离开是留了痕的——源码里写着跳过的理由、采购系统里有名录变更的审批、调查系统里有发放名单的版本。要害不是有没有痕迹，是痕迹与读数不在同一本账上：读到通过率的人看不到跳过标记，读到满意度的人看不到发放名单的变更。
离开使读数变好。 若离开使读数变差（例如最忠诚的客户流失被计入流失率），它就会被立刻发现，也就不构成本文说的问题。静退的选择性是它的定义的一部分：更容易离开的，往往正是更不满意、更难服务、更边缘的那一部分。
复原是可算的。 只要能列出离开者，就能按原口径把他们放回分母重算一次。做不到复原的，不算静退，算数据丢失——两者的处置完全不同。
据此，本文对这道题给出的回答是一句三重的否定：
企业健康不是财务指标的良好，不是恢复与更新的速度，也不是不向他方转移成本，而是这家企业的各项读数的分母，在多大程度上不由它自己维护。
第三种答案在这里也不是被否定，而是被给了一个可操作的入口：成本转移之所以难以裁决，一大半是因为承接了转移的那一方，正在从分母里退出。被压账期的供应商退出名录、被赶工的员工离职、被牺牲的客户不再回应——他们承接了成本，随后退出了计算成本的那个集合。转移与静退是同一件事的两端：转移把代价送出去，静退把接收代价的那个人从名单上抹掉。
静退不是一次事件，是一条链上的某一环断掉。对任何一个比率型读数，被计入分母的对象都要走完五步；每一步都可能退出，而五步退出的可见性完全不同。
环节
内容
退出的样子
在读数那本账上留不留条目
进入这家企业的服务或供应范围
从未成为客户／供应商／员工
不留（从未存在）
被写进这项读数的口径
口径规定不计入（试制批次、临时工、非活跃客户）
通常另有审批记录，但不在读数那本账上
实际产生一次可计入的数据
不填问卷、不签验收、不回访
不留
在两次读数之间仍在名单上
被移出名录、离职、销号
名录另有记录，读数上不体现
历史读数在口径变更后被重算
不重算，新旧口径直接接续
不留
这条链的断点位置比断点数量重要。 断在第三环（不回应）是所有做调查的机构都知道的老问题；断在第一环（从未接触）在原则上无法清点，本文不主张能处理它。真正要打的是第二环与第五环：口径的纳入规则与口径变更后的重算——这两环有一个共同点：它们都有一份自己的记录，而这份记录从不与读数一起呈现。
第五环是最省事、也最难被发现的一环。 一次口径收窄，只要不重算历史，比率就会在变更那一期出现一个跳升，而这个跳升会被读成改善。这是全链上唯一一处不需要任何人离开、只需要改一行定义就能让读数变好的地方。
要打的那一格的三条签名（照这三条对，缺一条就说明打错了地方）：
短期表现为改善。收窄口径是成本最低的改善方式：不需要改产品、不需要改流程、不需要说服任何人。
失效不产生信号。静退的后果落在读数之外——退出的客户不会在满意度里表达不满，他不在分母里；离职者不在敬业度里；被移出名录的供应商不在准时率里。坏消息在算术上不可能出现。
自我加固。读数越被重视，收窄口径的动力越大；口径越标准化，“不合口径”的对象越被自动排除；每一次数据治理都在做同一件事——把不规范的、边缘的、难分类的记录清出去，而那些记录正是静退者留下的最后痕迹。
两条误诊阻挡。 其一，静退不等于操纵：绝大多数口径规则的设立都有正当技术理由（试制批次确实不代表量产质量）。其二，静退不等于流失：一个如实计入流失率的客户不是静退者，他还在账上；静退者是那些连”流失”这个事件都没有被生成的对象。
七之二、口径收窄的六种来路，与它们各自留下的痕迹
把静退当作一种不当行为去查，多半查不出东西，因为绝大多数收窄都有正当理由，且都有审批。有用的做法是按来路分，因为不同来路留下的痕迹在不同的地方，找法完全不同。
来路一 · 技术性排除。 试制批次不计入良率、调试期数据不计入能耗、新员工前三个月不计入绩效分布。理由是这些对象确实不代表常态。痕迹在工艺文件或指标定义书里，通常写得很清楚。判别办法：看排除的边界是否随读数承压而移动——试制批次的界定从”前三批”改成”前十批”的那一次修订，是可查的。
来路二 · 活跃度筛选。 调查只发给活跃客户、评价只统计近期订单、名单只保留有交易记录的对象。理由是提高回收率与相关性。痕迹在发放名单的版本里，而名单版本几乎从不与结果一起呈现。这一类是本文所说的静退在企业里最常见的形态。
来路三 · 资格性移出。 供应商被移出合格名录、经销商被取消授权、员工被调离序列。理由是对方不再满足条件。痕迹在名录变更审批里，有据可查；问题不在移出，在移出之后不重算历史——被移出者过去的表现仍留在过去的读数里，而未来的读数不再包含他们，于是时间序列在这一点上断了，却没有任何标记。
来路四 · 主体范围划定。 外包、派遣、平台上的个体承接者算不算”本企业的人”；上游二级供应商算不算”本企业的供应链”。理由是法律主体不同。痕迹在统计口径说明的第一段，也是最少有人读的一段。这一类的特点是：它不是一次变更，而是从一开始就没有纳入，因此连”变更记录”都没有。
来路五 · 阈值调整。 达标线、显著性判定、告警门限的一次微调，会使一批对象从”未达标”变成”不适用”。理由通常是”与行业惯例对齐”。痕迹在规则配置的变更日志里，多数系统有，多数人不看。
来路六 · 系统迁移。 换一套业务系统、换一家调查供应商、换一个统计平台，历史数据只迁移一部分。理由是成本。这一类最彻底：它同时消灭了退出者与退出的记录，而且事后无法区分”当时没有这些人”与”当时有而没迁过来”。
六种来路里，前五种的痕迹都存在，只是与读数不在一起；第六种连痕迹也没有。因此本文对整改次序的建议只有一句：先把第六种堵住（迁移必须保留分母对象的全量清单），再去处理前五种——顺序反了，前五种查出来的东西会在下一次系统迁移中一并消失。
判据只有一句，拿去问文件、问系统、问口径说明，不必问任何人的判断：
这个数的分母，上一次是谁改的，改动记在哪儿。
这句话只能被三样东西回答：一个人或部门、一个日期、一个位置。答不出，这一项就落在静退上。
六个场景，六个不同的答案：
客户满意度 92 分。 分母是回应者；上一次改动是把发放名单限定为活跃客户，市场部改的，记在调查系统的名单版本里——不在满意度报告里。第二环。
供应商准时率 98%。 分母是在册合格供应商的订单；上一次改动是账期条件变更导致 31 家退出名录，采购部改的，记在名录变更审批里——读数没有重算。第四环加第五环。
一次交验合格率 99.4%。 分母是投产批次；上一次改动是把两次以上返工批次划出，工艺部改的，记在工艺文件里。第二环。
安全事故率为零。 分母是在岗人员的工时；上一次改动是把外包与劳务派遣的工时划出统计范围——这一条在很多地方甚至不算改动，因为它从来就没被划进来过。第一环与第二环。
检索或推荐系统的检全率。 分母由判定池决定，而判定池由参评系统自己的返回构成，改动记在评测方法学文档里（查出来的）。第二环，且是本文构念的来源。
软件的测试通过率。 分母是实际执行并计入的测试；上一次改动是某位开发者给一个测试加了跳过标记，改动记在源码提交里——而通过率的报告里没有这一栏（查出来的，见第十一节）。第二环。
六个答案分别是：名单版本／名录审批而不重算／工艺文件／从未纳入／方法学文档／源码提交。其中第 5 与第 6 是查出来的，而且都反过来改了本文：第 5 使本文把”分母由被评价者维护”从一句批评变成一条可以在标准正文里读到的制度事实；第 6 把性质二从”不留痕”改成”痕迹与读数不在同一本账上”。 ## 九、读数：静退差 q
分类不能比较，要把不同规模不同行业的企业排在一起看，需要一个无量纲、可事后清点、与既有主要指标互不替代的数。本文只给一个：
静退差 q ＝（原读数 − 复原读数）÷ 原读数。
复原读数的算法：把清单上可识别的静退者，按变更之前的口径放回分母，其取值按该读数的最不利可能取（不回应者按不满意计、被移出名录者按其退出前最后一次表现计、被划出的批次按实际结果计），重算同一读数。
三处引用同一个定义、同一个阈值、同一份编码规则（附录一）：判定线 q ≥ 0.20，即该读数的改善有五分之一以上来自分母的收缩，此时该读数不能用于时间序列比较。
为什么用”最不利可能”而不用”平均”：静退是选择性的（性质三），退出者与留下者不同分布，用留下者的均值去填补退出者，正好抹掉要测的那个东西。取最不利可能得到的是一个上界，本文明写它是上界：q 回答的不是”实际有多差”，是”分母的收缩最多能解释多少改善”。一个上界足以判定”这个改善不可归因”，这正是本文要的。
四条性质逐条对照：
无量纲，跨行业可并排。
可事后清点：需要的是口径变更记录与名单版本，多数企业的系统里已经有；一个人一周之内做得完一家中型企业的主要读数。
把印象变成数：“他们那些指标水分很大”这句话，换成一个可以被别人重算并推翻的比值。
与既有主要指标正交，且必须举得出反例：一家利润率、周转率、评级全都最好看的公司，q 可以很高——它的口径管理越精细，收窄越频繁；一家管理粗放、报表难看的公司 q 可以是零——它根本没有能力维护口径，所有人都留在分母里。若有人拿 q 去预测利润，会一无所获，那正是它有用的原因。
辅助定位件（不参与判定）：断链位次——在第七节那条五环节链上，第一个”退出不进本账”的环节序号。它不用于比较，只用于告诉整改的人该动哪一道工序：断在第二环要改口径审批，断在第五环要加重算规则，断在第三环要改数据采集，而断在第一环的，本文不主张能处理。
一个界定值不值钱，看它在别处能不能预测出具体的事。以下十三处，每一处给一条可以去查的判断，不是比方。
医疗质量。 预测：手术死亡率的分母是”接受手术者”，而拒收高风险病人使分母与分子同时变小、比率变好；凡未同时公布”评估后未收治病例数”的机构排名，其名次变化的主要来源是收治标准而非手术水平。这一条在多国的心脏外科公开排名争议里已有先例可查。
学校升学率。 预测：分母是参加考试的在册学生；劝退、转学、免试分流都在第二与第四环退出。凡不公布”起始年级人数与毕业年级人数之比”的学校，其升学率的年际改善与教学无关。
平台的”好评率”。 预测：分母是完成评价的订单；把评价入口设在”确认收货”之后、把超时未评自动算好评、把纠纷订单排除，都在第三环收窄。好评率高于某个水平之后，其变化只反映评价规则。
失业率与劳动参与率。 预测：分母是劳动力（在找工作的人），停止找工作即退出分母；因此失业率与劳动参与率必须同时读，单读前者时其下降有一部分来自静退。这一条是全世界统计部门都知道、且专门设了附加指标去补的，正是本文说的那类补丁。
药物不良反应率。 预测：分母是完成随访者；脱落者按定义不在里面，而脱落与不良反应正相关。凡不报告脱落率与脱落原因的研究，其安全性读数系统性偏好。
供应链准时率。 预测：把交付困难的供应商移出名录会使准时率上升，而移出的原因往往正是本企业的条款；这类改善在”名录变更数”这一栏上一定能看到对应的跳变。
员工敬业度与离职率。 预测：敬业度的分母是在职填写者，离职率的分母是期初在册人数；两者对同一批离开的人给出相反的记账方向——离职率会捉住他们，敬业度会漏掉他们。因此两个数背离时，敬业度那一侧几乎总是静退所致。
客户满意度与流失。 预测：对活跃客户发放问卷的机构，其满意度与流失率会长期同向背离（满意度升、流失升）；这一背离本身可以当作静退的现场探测器。
安全事故率。 预测：把外包与派遣工时排除在分母外的行业，其自报事故率与行业整体伤亡数据的差距会随外包比例上升而扩大。这一条有公开数据可核。
产品良率。 预测：把试制与返工批次划出的工厂，其良率与客户端退货率会脱钩——良率是对”被计入的批次”的良率。
检索与推荐系统。 预测：在旧判定池上评测的新方法，其改进量会被系统性低估；而在自家日志上评测的推荐系统，其”点击率提升”的分母是被系统自己选出来展示的那一批——这是本文说的分母自维护最纯粹的形态。
软件的测试通过率与代码覆盖率。 预测：通过率与跳过标记数同向上升的项目，其通过率的改善不可归因；覆盖率同理，被排除的文件列表决定覆盖率。第十一节给出这条预测的一次实测。
监管处罚率与合规率。 预测：合规率的分母是被检查对象；检查名单由被监管方的申报决定时（自主申报制），合规率的上升与合规水平的关系不可判定。
碳排放强度与可持续披露。 预测：强度类指标（每单位营收、每单位产量的排放）的分母是营收或产量，而分子的核算边界由企业自己划定（哪些子公司纳入合并、哪些排放属于范围三）；因此在业务扩张期，强度指标几乎必然改善，而绝对量上升。凡只披露强度不披露绝对量、且不披露核算边界变更史的报告，其改善不可归因。这一条与本文第二十一节那条赌注直接相关。
本文只有一条条款便宜到可以当场跑：在公开可查的记录里，一个比率型读数的分母是不是由被评价者自己移出对象，而这些移出不出现在读数所在的那本账上。
对象映射：读数＝测试通过率；分母＝实际被执行并计入的测试；静退者＝被跳过类标记移出分母的测试；移出由被评价的一方（开发者本人）完成。跑之前把假设、阈值、编码规则写死存档（见附录二），跑完把不利结果原样写进来。
三条预注册假设：
H1：抽样包中，跳过类标记数 ÷ 测试函数数，其跨包中位数 ≥ 0.02。
H2：跳过类标记中不带理由文本的比例，跨包中位数 ≥ 0.30（检验”退出不留痕”）。
H3：跳过类标记中无条件跳过（不带条件判断的那一族）的占比，跨包中位数 ≥ 0.20（无条件＝永久移出，不随环境恢复）。
样本在取数前定死：requests、flask、django、numpy、pandas、click、jinja2、urllib3、pytest、sqlalchemy、pillow、cryptography、pyyaml、attrs、rich、scipy、boto3、setuptools、certifi、six。取各包最新源码包，只统计路径中含 test 的文件。
结果
二十个包中，rich 与 boto3 的源码包内未发现测试文件，按编码规则单列不计入（这两例本身就是一次第一环退出：测试根本不随源码分发，因而任何外部人都无法计算它们的通过率分母）。其余 18 个包，5,423 个测试文件，83,402 个测试函数，2,271 处跳过类标记。
H1 成立：标记率跨包中位数 0.0308，区间 0.0000–0.1536（setuptools 最高 0.1536，six 0.1084，urllib3 0.0614，pytest 0.0600；pyyaml 与 certifi 为 0）。静退在这一族数据里是常态，不是例外。
H2 被推翻，且方向剧烈相反：按预注册的宽口径（出现 reason= 或任一字符串字面量即算带理由），不带理由的比例跨包中位数只有 0.019。跳过标记几乎总是写着一句话。 预注册的判伪线是 0.10，实测远低于它。
H3 成立且很强：无条件跳过占全部标记的比例，跨包中位数 0.5302（合计 1,408/2,271）。超过一半的移出是永久的——不依赖平台、版本或环境，装上就一直在那里。
一处必须写出来的口径灾难。 H2 的编码在预注册时写的是”出现 reason= 或任一字符串字面量”。清点完发现，这个口径把条件式跳过里的条件字符串（例如平台名、版本号）也算成了理由。改用严口径——只认显式的 reason= 关键字——同一批数据的结果是：不带理由的比例跨包中位数 0.5089，合计 1,278/2,271。
同一个读数，在两种都说得通的编码下相差 26 倍（0.019 与 0.509）。
按本文自己在第九节立下的规矩（一个读数全篇一个定义、一个阈值、一份编码规则），H2 在这次检验里不可裁决：预注册的口径写得不够死，事后再选一个口径就等于没跑。本文不挑对自己有利的那一个，两个都报，并判 H2 无效。
这次检验改了本文什么，逐条写清：
性质二被改写。 原稿写”离开不留任何痕迹”。数据说：无论按哪个口径，都有大量的移出是写了说明的。但没有任何一条跳过标记会出现在通过率里——一个绿色的构建结果不会告诉读它的人，这次有多少测试没有跑。于是要害从”有没有痕迹”改成“痕迹与读数不在同一本账上”。这一改使本文更难被”记录不全”“透明度不够”两类说法吸收：在这个例子里记录相当完整，透明度也不低，静退照样成立。
无条件跳过成为清单里的独立一栏。 H3 的 0.5302 说明移出有两种：一种绑着条件（换个平台就回来），一种没有条件（除非有人主动删掉标记，否则永不回来）。前者是暂时出分母，后者是永久出分母，而两者在通过率上完全一样。
判定线未被这次数据检验。 按本文的定义，此处的 q 约等于标记率（把被跳过的测试按最不利可能计入分母），中位数 0.031，远低于判定线 0.20。本文不据此下调判定线，理由写明：这一族数据是下界样本——软件测试的移出至少写在源码里、可被外部清点，而本文真正针对的那些读数（满意度、合格率、事故率）的移出记录多数不公开。判定线 0.20 在本文关心的领域里尚未被任何数据检验过，这是第二十一节交出去的第一个洞。
多了一条本来没有的观察：两个包的源码分发里根本没有测试文件。分母不是被收窄，是从未随产品交付。 这在退出链上属于第一环，本文原先说第一环无法清点——这两例说明，至少在”应当随附而未随附”的情形里它是可清点的。
代理变量与偏差，明写：跳过标记不等于测试被跳过（有的标记在运行时不生效），正则清点不等于语法解析，测试函数数不等于测试用例数（参数化会放大实际用例）；只取最新版本，不做时间序列；样本是维护最认真的一批项目，属下界样本。本次数据与本栏此前几篇取自同一族公开来源，字段线是新的（源码中的跳过标记，此前取的是版本依赖、发布间隔、文件构成与签名字段），但同族多次取样只能算一次独立证据。 编码由一人完成，未做双人一致性检验（见 F6）。
其一，人因工程削掉”分母不该被筛选”这条价值排序。 按百分位设计不是懒惰，是不得不做的取舍：为覆盖百分之百的体型而设计，多数系统在工程上不可能实现，而且会牺牲对多数人的适配。人因工程用一套明码标价的做法处理它——把排除写进标准正文，并单列可调范围。这一刀真削弱了本文：本文原本会写”任何对分母的筛选都构成静退”，现在只能写成——筛选本身是正当的，成问题的是筛选不被写在读数旁边。判据因此从”有没有筛选”改成”筛选的规则与读数是不是一起呈现”。
其二，图书情报削掉”复原一定可算”这条性质。 判定池的问题里最硬的一段是：池外文档的数量在原则上不可知——你无法把”没有任何系统找到过的相关文档”放回分母，因为你不知道有多少。这门学问的对策不是复原，是改用对未判定文档不敏感的指标，即换一个不需要完整分母的读数。这一刀动了本文的适用范围：q 只在退出者可列举时可算；不可列举的那一部分（第一环）本文处理不了，只能靠换指标绕开。本文因此不主张 q 是一个完备的度量，只主张它是一个下界的补丁。
其三，纺织削掉”分母收缩总是坏事”。 号型分档的收缩有时是正当的产品决策：一个专做工装的厂商本来就不该服务全部体型，把不适配的客户让给别人，对双方都好。这一刀落在企业这一侧就是：主动放弃一部分客户、一部分订单、一部分供应商，是正常的战略动作；静退成问题，是因为放弃与读数改善被记在同一笔账上，而放弃的代价没有被单独结算。本文因此把主张收紧为：静退的问题不在退出，在退出与读数的合并记账。
每条都写成同一种形状：若观察到甲，则本文对而该说法错；若观察到乙，则反之。
幸存者偏差（Wald 1943 关于返航轰炸机弹孔分布的备忘录；Brown 等 1992 在基金业绩上的经典处理）。 这是内容上最像的一位。它说的是：只观察幸存下来的单元会得到偏误的结论。分离线在谁在移除：幸存者偏差里的移除通常是外生的（飞机被击落、基金清盘），观察者的问题是没有把不可见的那部分算进来；本文说的是移除由被评价者自己完成、按自己的规则、有自己的审批。判定形式：若把静退者放回分母后偏差消失，且移除规则与被评价者的利益无关，则那是幸存者偏差；若移除规则的每一次修订都发生在读数承压的时点前后，则是静退。 后者可以用口径变更审批的时间戳直接查，成本很低。
意向性治疗分析（ITT；见 ICH E9 统计学原则）。 这是制度上最像、也最值得学的一位：它规定按随机化时的分组分析全部受试者，脱落者不得从分母中移除。分离线：ITT 是一条为特定场景立下的强制规则，它不解释为什么在没有这条规则的地方分母会缩；本文给的是一个可以拿去清点任何读数的一般判据。判定形式：若在有 ITT 一类强制规则的领域里，q 系统性地低于没有该规则的领域，则本文对（规则是有效的干预点）；若两者无差别，则分母维护权不是关键变量，本文错。 这一条可以在医学与非医学的对照里做。
无回应偏差与抽样框覆盖误差（调查方法学；统计学自己把”入选概率为零的单元其偏差不能靠加权修正”写在教科书里）。 这是这道题的主场，按本文的选源规矩它不进三家，只作为最危险的占位者处理。分离线：覆盖误差处理的是抽样框与目标总体之间的差，它默认目标总体是给定的；本文处理的是目标总体本身随被评价者的行为移动。判定形式：若把权重按已知的框外分布调整后偏差消失，则是覆盖误差；若框外分布本身随企业的口径规则改变，则是静退。 统计学为前者准备了整套工具，为后者没有。
古德哈特定律与坎贝尔定律（Goodhart 1975；Campbell 1976）。 它们说指标一旦成为目标就会被扭曲。分离线：它们讲的是分子被做大或行为被扭曲，本文讲的是分母被做小，而后者往往连”扭曲”都算不上——它是合规的口径管理。判定形式：若在明确不进入任何考核的读数上，分母收窄同样普遍，则本文对；若只在被考核的读数上出现，则本文是坎贝尔定律的一个特例。 第十一节的数据答了一半：测试通过率在多数开源项目里不是考核指标，而跳过标记的中位数是 3%。
辛普森悖论与伯克森偏倚（Simpson 1951；Berkson 1946）。 这两位是形式上最像的：分组与选择会使总体的关系反转。分离线：它们是给定数据集上的统计现象，可以用分层或校正处理；本文说的是数据集的边界由被评价者维护，分层无从做起，因为退出者根本不在数据集里。判定形式：若分层后关系恢复，则是辛普森；若无论如何分层都恢复不了，因为需要的那些行不存在，则是静退。
流失分析与队列留存（互联网与订阅业的实务正主）。 它已经做了本文一半的事：按进入时点固定队列，跟踪其后每期的留存，从而使退出可见。分离线：队列留存只对一个读数（留存率）做了这件事，而同一家公司的其他读数（满意度、准时率、良率）仍然用滚动分母。判定形式：若一家把留存做成队列分析的公司，其他读数的 q 同样低，则留存方法学已经覆盖本文；若只有留存那一项低、其他照旧，则本文对。 本文押后者，且这一条查起来只需要看几张报表的口径说明。
数据包络分析与效率前沿（Charnes、Cooper & Rhodes 1978）。 它说：用现有决策单元的包络估计前沿，评价个体的相对效率。分离线：前沿分析把决策单元集合当作给定，而本文问的正是这个集合谁在维护；一个把落后单元关停的集团，其前沿会自动前移。判定形式：若在单元集合固定的期间内效率提升成立，则前沿分析足够；若提升集中在集合变动的那几期，则是静退。
留一法、消融实验与交叉验证（方法学占位者）。 它们的动作与本文的复原很像：拿掉一部分看结果怎么变。分离线：这些方法主动拿掉已知的部分以估计其贡献，本文把已经被别人拿掉的部分放回去以估计其掩盖的量。方向相反。判定形式：若一个做足交叉验证的团队其 q 同样低，则本文被方法学吸收；若两者不相关，则本文对。
尾部风险与选择性披露（金融实务）。 它说：某些策略的收益分布长期平稳而尾部剧烈。分离线：尾部风险讲的是分布形状，本文讲的是样本边界；一个尾部风险为零的业务同样可以 q 很高。判定形式：把两者一起算，若相关系数低于 0.3，则两者是不同的东西——本文押这一侧。
净推荐值（Reichheld 2003 在《哈佛商业评论》提出）。 这是实务层最需要点名的一位：它已经是全世界最常用的客户健康读数之一，而它的分母就是回应者。分离线：净推荐值把回应者当作客户的代表，并把不回应处理成缺失；本文说不回应不是缺失，是一次退出，且它与不满意正相关。判定形式：若同一批客户里，回应者与不回应者在随后的实际留存上没有差别，则以回应者为分母是无害的，本文对这一读数不适用；若不回应者的随后留存显著更低，则净推荐值的改善有一部分来自静退。 这一条只需要把问卷发放名单与次年的交易记录对一次即可，多数企业的数据里已经具备。
风险调整与病例组合校正（医疗质量评价与保险定价的通行做法）。 它做的事与本文的复原最接近：把不同对象的构成差异校正掉，使比较可行。分离线：风险调整校正的是留在分母里的那些人的构成，本文处理的是已经不在分母里的那些人；校正做得再精细，也校正不出没有被收治的病人。判定形式：若把拒收病例的估计数放回分母后排名不变，则风险调整足够；若排名反转，则本文对。 这一条在公开的手术排名争议里已经有过多次实际检验的机会。
最近的那一位是谁。 是幸存者偏差。本文不能被它吸收的理由只有一句：幸存者偏差是观察者的错误，静退是被观察者的权限。 前者靠更完整的数据可以修正，后者靠更完整的数据修不了——因为决定什么数据存在的，正是被评价的那一方。
一个领域看不见什么，多数时候不是它的疏忽，是它的问题结构的影子。
人因工程走不到，是因为它的排除是公开定价的。 第五至九十五百分位写在标准正文里，谁都可以查；被排除者由”可调范围”与”特殊岗位适配”另行处理。一件被明码标价的事，不会被这门学问当作问题。 它因此从不问”被排除者去了哪儿、他们的经历还算不算这套系统的经历”——在它的框架里，那不是它的责任范围。
纺织走不到，是因为它的对象是产品而不是关系。 一件衣服卖出去就结束了，买主是否合体、是否第二次再来，属于市场调研，不属于服装工程。把关系的延续排除在对象之外的学问，不会去追踪谁在退出。 它掌握了号型分档这件最好的材料，却只能把它读成一个人体测量与标准修订的问题。
图书情报走不到，是因为它的被评价者是系统而不是人。 它最早、最清楚地看见了判定池的自反性，也为此发明了整套对策；但它的场景里，被评价者（检索系统）没有利益、不会主动收窄分母、也不需要向谁交代。当被评价者没有动机时，“分母由被评价者维护”就只是一个技术上的偏差，而不是一个权力问题。 这门学问因此把它处理成了指标设计问题，而不是记账权问题。
三条合起来正好指出本文落脚的那一格：一个有利益、会延续、且被公开评价的对象，同时持有它自己被评价时的分母维护权。 人因有排除而无利益，纺织有产品而无关系，图书情报有自反而无动机；三者各缺一角，合起来这一角才补齐。
划完与既有说法的分界之后，还有更深的一层可以问：这些互相批评的说法，有没有一块共同站着、因而谁也回头看不见的地。
逐个问那些最近的说法”它把什么当作给定，因此看不见什么”：
幸存者偏差把”完整总体在原则上存在、只是没被观察到”当作给定，因此看不见”总体的边界正在被被评价者改写”——一旦承认后者，“补全数据”这条处方就没有对象了。
意向性治疗把”存在一个时点，此时名单是完整且不可再改的”当作给定（随机化时刻），因此看不见没有这样一个时点的场景——而企业的绝大多数读数没有随机化时刻。
覆盖误差与加权修正把”框外分布可从外部来源估计”当作给定，因此看不见框外分布随本企业规则移动的情形——一旦承认，加权修正的外部基准就不再独立。
队列留存把”进入时点可定义”当作给定，因此看不见第一环（从未接触）与第二环（口径不纳入）——它只从”已经进来的人”算起。
效率前沿把”决策单元集合给定”当作给定，因此看不见集合的变动本身就是被评价者的一项动作。
数据治理与主数据管理把”清理不规范记录是改善”当作给定，因此看不见被清理的那些记录往往正是退出者留下的最后痕迹——一旦承认，“数据质量提升”与”证据销毁”在操作上就不可区分。
六行背后是同一样被当作给定的东西：
比率的分母是外生的：它由世界给定，评价者的任务只是尽量准确地测量它。
这就是那块共同的地。它不属于任何一派，因此谁也不必为它辩护；正因如此，互相批判的各派全都站在它上面。“没有人辨识过这件事”的真正来由，不是没有人看，是看的人都站在它上面。 本文只做了一件事：把这块地翻过来，问一句分母是谁维护的；一旦这样问，答案立刻是可以清点的——多数情况下，是被评价的那一方自己。 ## 十六、与同栏并行篇目的分界
本栏近期有若干篇处理相邻问题，其中两篇与本文同题或同轮，是彼此最近的对照，必须逐条分开并各给一条可裁决的对照预测。
《伴判》（同一道题，同一批，另一组学科：冶金验收·康复医学·校勘学） 说的是：健全的证据必须与被判事项同时产生、单独保存、外部可读，而多数达标项根本不产生这样一件材料。分界很清楚：那一篇管分子那一侧的证据有没有被生产，本文管分母那一侧的对象有没有被移走。 两者可以独立发生：一个伴判齐备的读数（每一笔都有第三方记录）仍然可以有很高的 q（记录齐全，只是名单缩了）；一个 q 为零的读数（谁都没退出）仍然可以完全没有伴判（没人能证明这些数字是真的）。对照预测：两读数的秩相关低于 0.3；若高于 0.6，两篇应当合并，因为那说明它们测的是同一件事。 叠加时代价不是相加：伴判缺席使人无法证明分子，静退使人无法解释分母，两者同时成立时，这个读数在事后完全不可讨论——不是难判，是无从下手。
《空承》（同一轮的另一道题：企业如何摆脱代偿） 说的是：一项工作的名义归属方长期不再自己执行它，位置空着而读数正常。分界：那一篇管执行者是谁，本文管被计数者是谁。对照预测：一项工作的承载迁走（空承）不会改变它的分母，而一次口径收窄不会改变谁在干活；两者在读数上都表现为改善，而处置相反——空承要制造一次调用，静退要恢复一次重算。若一家企业的空承距很长而 q 为零，则它的问题在承载不在计数；反之则在计数不在承载。这两种情形要用完全不同的力气去治，而它们在任何一张报表上都长得一样。
《旁异》 处理的是几件产出还认不认得出各自的来路。分界：那一篇问来源的独立性，本文问分母的维护权。对照预测：两者正交；一批来源高度独立的产出可以全部落在同一个被收窄的分母里。
《退计》 处理的是归属的暂结与退出计量。分界：那一篇管一笔价值的归属退出计量，本文管一个对象退出分母；前者退出的是一笔账，后者退出的是一个人或一件东西，而且退出之后连”这笔账属于谁”的问题都不会被提出。
《免担》 处理的是提出质疑要付的代价。对照预测：把质疑代价降到零，若 q 不变，则代价不是瓶颈——因为退出者已经不在场，他不需要付出代价，他只是不出现。 这是两篇合起来才看得清的一句：沉默有两种，一种是不敢说，一种是不在名单上。
《哑段》 处理的是没有人往回说话的那一段链条。分界：那一篇管通道，本文管名单。次序上有一条可裁决的预测：先有静退，后有哑段——名单缩了，回声自然变少；反过来不成立。若观察到回声数先降而分母未变，则本文这条次序为伪。
《遗槛》 处理的是持续加码时被排除出去的那一份。分界：那一篇的排除发生在竞争的门槛上，本文的退出发生在计数的口径上；前者的被排除者知道自己被排除了，后者的退出者多数不知道自己已经不在分母里。
两篇合起来能给出一张单篇给不出的表。 把伴判的存量（分子那一侧的证据）与静退差（分母那一侧的收缩）当作两根轴，一家企业的健康读数落在四种位置上：
q 低（分母稳）
q 高（分母在缩）
伴判齐备
读数可讨论：分子有材料、分母没动，争议能有结论
分子可核而分母不可比：适合做单期核查，不能做趋势判断
伴判缺席
分母老实而分子无从证明：适合做趋势判断，不能做单期核查
完全不可讨论：既证明不了这个数字是真的，也解释不了它为什么变好
右下角那一格，是本文与《伴判》合起来才看得见的那一格；单看任何一篇都只能得到”这个读数有问题”，看不出问题出在哪一半、该先动哪一边。次序上有一条可裁决的建议：先补伴判，后治静退——理由是复原分母需要退出者的历史取值，而那些取值本身就是伴判；伴判缺席时，复原算不出来，q 只能标”不可算”。若有人观察到某家企业在伴判缺席的情况下把 q 算得很干净，那说明这个 q 是用留下者的均值填补出来的，按本文第九节的规矩，这不是复原。
退出者不可列举的读数（第七节第一环）。没有人知道有多少客户从未接触过这家公司，q 在这里无法计算；本文不主张能处理它，只主张不要把这一部分算作零。
正当的战略收缩期。一家主动退出某一细分市场的公司，其分母收缩是决策的结果而非掩盖；此时 q 高不构成健康问题，但要求它把收缩前后的读数分开呈现。
口径由外部强制规定的读数（法定报表、监管报送、强制披露）。分母维护权不在企业手里时，本文的判据落空——这正是它的正面含义：外部规定口径是治静退最有效的干预。
极小样本。分母不足数十的读数，一两个对象的进出就会让 q 剧烈跳动，此时它只是噪声。
危机期间。危机中口径调整频繁且往往必要，此期间的 q 不代表常态；本文要求以危机前四个完整期的读数为准。
八条，编号写死。F1 已经真跑过，F4 是顺序读数，F8 最便宜。
F1（已跑，且本文的一条预设被推翻）：若被评价者对分母的移出普遍不留任何痕迹，则本文关于”痕迹与读数不在同一本账上”的说法是多余的（直接说”没有记录”即可）。实测相反：移出普遍写着说明，而无论哪种口径都不出现在读数里。此外，H2 因预注册口径写得不够死，在两种都合理的编码下相差 26 倍，本文判它这一次不可裁决——这条不利结果同时说明：任何拿 q 去比较的人，必须先把编码规则写死到”不可能有第二种读法”的程度。
F2（机制证伪，须排除最强竞争解释）：最强的竞争解释是”其实不就是数据质量差吗”。控制掉数据治理成熟度（有无主数据管理、有无口径字典、有无数据质量岗）之后，若 q 与”口径变更审批权是否在被考核部门内部”之间不存在剂量—反应关系，则本文的机制为伪，届时问题应归因于数据管理水平而非维护权归属。样本要求：同一制度环境内 N≥6 家同行业企业，不得用两个国家或两个地区的对比充数。
F3：若把静退者放回分母重算之后，读数的时间趋势与原读数一致（即改善不来自分母收缩），则本文所描述的现象不存在于该企业，q 应读作零。这是本文最容易被证伪的一条，也是它值钱的地方：任何一家公司都可以用自己的历史数据在一周内否证本文对它的适用性。
F4（顺序读数，不用相关）：口径变更应当早于读数跳升，读数跳升应当早于外部感知恶化。 若观察到顺序颠倒——读数先跳升，随后才发生口径变更——则本文关于因果次序的说法为伪。审批记录带时间戳，这一条可判。
F5：若 q 与任一常用财务健康指标的相关系数持续高于 0.6，则 q 只是该指标的代理，应予废弃。
F6：若两名独立编码者按附录一的规则对同一家企业清点，q 的一致性系数低于 0.6，则该读数不可用于任何比较，只剩清单部分可用。本文没有做过双人一致性检验；结合 F1 里那次 26 倍的口径差，这是本文最实在的弱点。
F7：若在口径完全由外部强制规定的读数上（法定报表），q 与在自定口径读数上的 q 没有系统差别，则”维护权归属”不是关键变量，本文的核心主张为伪。这一条在同一家公司内部就能做对照，不需要跨企业。
F8（最便宜的一条，一天可做）：取一家公司最近三年改善最明显的五个读数，逐个查”分母定义的最后一次变更时间与审批人”。若五个读数中有三个以上的分母定义在改善区间内被变更过，本文成立；若五个都未变更，本文在该公司不适用。 所需材料在多数有指标管理制度的企业里已经存在。
本文若被证伪，学到的是什么：如果 F2 被证伪，抓手在数据管理与口径字典这一侧，投入应放在标准化上；如果 F7 被证伪，那么外部规定口径这条最被本文看好的干预是无效的，问题另有来源。
q 是一个可以被拿去考核人的数，因此三条写死：
这个读数指的是位置，不是人。 一个读数的 q 高，说明这道口径的维护权与考核权重叠，不说明经办者不诚实——多数口径规则的设立都有正当技术理由。
不得为了把这个数做好看，而把分母的定义权移交给一个不了解业务的部门，或在安全质量关键的读数上禁止一切口径调整。 口径需要随业务变化，冻结口径会制造另一类失真。
已经据此对某个部门或某个人做出不利安排的，必须公开编码规则并提供复核通道。 编码规则见附录一，任何人可以据以重算并推翻。
还有一条与前三条同等重要的：不得把 q 用于跨企业排名。 分母维护权的分布高度依赖行业与监管环境——受强制口径约束多的行业天然 q 低，与它们的健康程度无关。本文只主张 q 用于两处：同一家企业同一读数的跨期比较，以及同一家企业不同读数之间的横向定位（哪几个读数的改善最依赖分母）。任何把不同企业的 q 排成一张榜的做法，都超出本文的界定，且会立刻诱发第二条所禁止的那种应对。
反噬预言。 本文一旦被制度采用，最省事的达标方式不是停止收窄分母，而是把收窄提前：在读数被纳入考核之前先把口径调整到位，此后长期不改，q 于是恒为零而分母本身早已缩到最小。更糟的一种：把”复原重算”变成一项例行工作，由同一批人执行，于是复原读数与原读数系统性地接近，q 被做成一个漂亮的小数。我看不到出口。 唯一的减缓办法是不让企业自报 q，只在外部争议发生时由第三方清点一次；而这等于把它变成事后指标，它就失去了预警的价值。这是本文自己的死结，如实写在这里。
先检这道题的提法。 “何谓企业健康”这个问法预设了健康是一样可以在这家企业身上读出来的东西；本文开头也是这样问的。走完一遍之后，这个提法自己就落在静退上：它默认被问的对象是给定的、边界清楚的——而一家企业的边界（哪些人算它的员工、哪些供应商算它的供应链、哪些成本算它的成本）恰恰是它自己维护的。更准确的提法是：这家企业的读数里，还剩多少东西不是它自己划进来的。
再检本文自己的分母。 本文的经验主张建立在二十个软件包上，而这二十个包是按”常用、知名”选出来的。这正是判定池：没有被选入的包永远不进本文的分母，而它们恰恰最可能是静退最严重的那一批——维护松散、测试不全、甚至不随源码分发测试文件（本次已经撞见两例）。按本文自己的定义，本文的这次清点有一个不可计算的 q，方向已知：本文系统性低估了静退的普遍程度。这不是谦辞，它有具体后果：本文报出的 3.08% 是下界，任何人拿它去说”其实也不多”，都用错了这个数。
还有一处必须认账。 本文批评别人把”痕迹”与”读数”记在两本账上，而本文自己也这样做了：那次 26 倍的口径差、两个包没有测试文件、pyyaml 与 certifi 零标记，全部写在正文与附录里；但如果有人只读摘要，他读到的是”静退在这一族数据里是常态”，读不到这些。摘要就是本文自己的那本读数账。 本文能做的只有一件事：把最要紧的那条不利结果写进摘要里——已经写了。
结论。 “何谓企业健康”这道题的第二个要害不在分子在分母。三种通行答案争的是看哪一类读数，而所有比率型读数都建立在一个共同的、从未被检查过的假定上：分母是外生的。三个远处的行当各自以自己的日课否证了它——人机设计的百分位排除了两端而两端不会成为操作者；成衣的号型定义了合格而不被覆盖的体型退出市场；检索评测的判定池由参赛系统自己的返回构成，池外文档永远算作不相关。企业这一侧的对应物是每天都在发生、每一步都合规的口径管理。企业健康因此应当被读作一件可以清点的东西：各项读数的分母，有多少不是由它自己维护的；已经离开的那些，能不能被按原口径放回去重算一次。
还有一句必须写在结论里，因为它是这道题最实际的一处含义：分母维护权的转移，是本文所知成本最低的干预。 它不要求企业更诚实、不要求更多记录、不要求文化转型；它只要求一件事——让改口径的人与被这个口径考核的人不是同一个人，并在每一次口径变更时把历史读数按新旧两套口径各出一遍。这件事在多数企业里一周之内可以做完，而它一旦做成，本文的整套判据在那家企业里就自动失效。一个判据最好的下场，是它所描述的那个空缺被补上，于是它不再有话可说。
赌注（写死日期）：到 2031 年 12 月 31 日为止，中国内地、香港、美国三地的上市公司强制披露规则，以及国际通行的可持续与公司治理信息披露标准中，不会出现任何一条要求”披露关键非财务指标的分母定义变更史，并按变更前口径重算至少三年历史值”的强制条款。 本文押”不出现”。
什么不算命中，一并写死：①仅要求披露指标口径或计算方法的条款，不算——要的是变更史与重算；②仅要求”重要会计政策变更须追溯调整”的财务类条款，不算——本文押的是非财务指标；③仅要求第三方鉴证或数据质量声明的条款，不算；④仅出现在自愿性框架、行业倡议或最佳实践指引中而无强制披露要求的，不算。四条之外若出现要求分母变更史与追溯重算的强制条款，本文这条赌注即告失败。
三个交出去的洞。
其一，判定线 0.20 没有被任何数据检验过。本次真跑落在一个下界样本上，那里的 q 中位数只有 0.031。这个阈值目前是一个提法，不是一个标准；在完成一次在企业读数上的清点之前，任何人不应把它当作合格线使用。
其二，第一环无法处理。从未接触、从未被纳入的那一部分，本文只能承认它存在，不能计算它。图书情报的对策是换一个对未判定对象不敏感的指标——本文没有找到企业这一侧的对应物，也说不出它可能长什么样。
其三，“退出者会退出下一轮抽样”这一环缺一份直接证据。第五节里号型分档那一段的机制在结构上与判定池同形，但本文只查到了标准制定的一般事实，没有查到”不被覆盖者随后减少进入抽样”的经验研究。这是全文推理链上最薄的一处，本文把它标出来，而不是绕过去。
读数名：静退差 符号：q
定义（含 N 的取法）：q ＝（原读数 − 复原读数）÷ 原读数。对同一家企业，取最近三个完整年度中”被写进对外或对上报告、且被作为改善证据引用”的比率型读数，逐个计算，不抽样；若这类读数超过 20 个，按业务条线分层取 20 个。报告 q 时必须同时报告读数名与期间，不得跨读数取平均。
粒度：什么算一次分母变更。 使该读数分母的对象集合发生改变的任何一次规则修订或名单调整，算一次。举一个恰好在边界上的例子：把问卷从纸质改为电子，不算（口径未变）；把发放范围从”全部客户”改为”近十二个月有交易的客户”，算一次。系统自动执行的规则（如超过 N 天未交易自动置为非活跃），按其规则设立的那一次计一次，此后每次触发不再计数。
编码规则（六条）
先写”原读数”与其期间，抄自公开或内部报告，不重算。
列静退者：在该期间内因规则修订、名单调整或不回应而离开分母的对象，逐个可识别地列出；列不出具体对象的，本读数标”不可算”，不得以零填充。
复原取值按最不利可能：不回应者按最低档计，被移出者按其退出前最后一次取值计，被划出的批次按实际结果计。
按变更之前的口径重算，得复原读数。
q 取到小数点后两位；分母变更超过一次时，逐次复原后取总变化，不逐次相加。
同时记录断链位次（第七节五环节中第一个”退出不进本账”的环节号），它不参与判定，只用于定位。
表头（可直接做成空表）：读数名｜期间｜原读数｜静退者数｜可识别比例｜复原读数｜q｜断链位次｜分母最后一次变更时间｜变更审批人所属部门｜该部门是否被该读数考核
不适用：见第十七节五条。判定线：q ≥ 0.20，该读数不能用于时间序列比较。三处一致性自查：正文第九节 ＝ 证伪第十八节 F5/F6 ＝ 赌注第二十一节，同一定义、同一阈值 0.20、同一份编码规则。已核，一致。
预注册（取数之前写定，事后未改）：数据源为公开软件包索引及其源码包；字段线为源码中的测试跳过标记；假设 H1／H2／H3 与判伪线、编码规则、样本二十个包，全部在取数前写死，文本见正文第十一节所引。
原始读数
项目
数值
样本包数／有效包数
20／18（rich、boto3 源码包内无测试文件，单列）
测试文件数
5,423
测试函数数
83,402
跳过类标记数
2,271
标记率跨包中位数（H1）
不带理由占比·预注册宽口径（H2）
不带理由占比·严口径（只认 reason=）
两种口径之比
26 倍 → 本文判 H2 本次不可裁决
无条件跳过占比跨包中位数（H3）
由标记率推得的 q 中位数
逐包读数（标记率／无条件占比）：setuptools 0.1536／0.324；six 0.1084／0.667；urllib3 0.0614／0.824；pytest 0.0600／0.759；numpy 0.0507／0.394；pillow 0.0487／0.339；click 0.0431／0.045；cryptography 0.0401／0.771；scipy 0.0397／0.799；requests 0.0203／0.286；pandas 0.0219／0.880；attrs 0.0165／0.182；django 0.0138／0.262；flask 0.0025／0.000；jinja2 0.0014／1.000；sqlalchemy 0.0001／1.000；pyyaml 0.0000／—；certifi 0.0000／—。
代理变量与偏差，明写：跳过标记不等于运行时被跳过；正则清点不等于语法解析；测试函数数不等于测试用例数；只取最新版本，无时间序列；样本按知名度选取，属下界样本（见第二十节）。本次数据与本栏此前几篇取自同一族公开来源，字段线不同，不构成独立验证，只算一次。编码由一人完成，未做双人一致性检验（F6）。
#
读数名
期间
原读数
静退者（可识别）
复原读数
q
断链位次
分母末次变更
审批部门
该部门是否被此读数考核
1
2
3
使用说明：先填最后两列。若”分母末次变更”落在该读数改善区间之内、且审批部门正是被该读数考核的部门，这一行不必往下算也已经足够说明问题——这是全表最快出结果的地方。
本节由编者增补，不是作者原稿的一部分。本文第十三节已经逐位处理了幸存者偏差、意向性治疗、覆盖误差、古德哈特与坎贝尔、辛普森与伯克森、队列留存、数据包络分析、留一法与尾部风险九位，每一位都给了可裁决的分离线，密度在同栏各篇里是最高的。增补的理由只有一条：这九位全部来自方法学，而本文说的那件事在实务里早就有名字、有制度、有监管条文，那一位没有被点到。
零售、餐饮、连锁与院线行业有一个用了一百年的读数，叫同店销售（same-store sales / comparable-store sales）。它的定义就是本文说的那件事：只把满足某个开业时长条件的门店计入分母，未达标的、当期关闭的、正在改造的、口径调整的，全部剔出。而剔出的规则由发布这个读数的公司自己写，写在财报附注的「可比口径说明」里，逐年可改，改动只需在附注里披露一句。行业内部完全知道这件事的后果：关掉一批差店，同店销售当期会变好，而这不被视为造假，它是合规的口径管理。
这一位比方法学那九位都危险，因为它不是一个偏差，是一套已经把「分母维护权归被评价者」写成惯例的成熟制度。本文的判据（分母的口径变更审批时间戳是否落在读数承压的时点前后）在这个行业里几乎可以立刻跑出来——上市公司的可比口径变更全部有披露日期。这是本文最好的实测场，作者未及点名，编者在此补上。
可裁决的分离线。同店口径是一条公开披露的规则：分母怎么算写在附注里，谁都能查，因而它至少是可审计的。本文的靶格是不披露的那一类——测试通过率、准时率、良率、满意度这些读数的分母，绝大多数企业从不为它写口径说明，也没有任何人有义务披露它改过。判定形式：取一批同时披露同店口径与不披露口径的读数，比较两类读数的 q。若两类无差别，则披露与否不是关键变量，本文可被「口径管理」这一现成说法吸收；若不披露的那一类系统性更高，则本文对，而干预点是披露义务，不是统计校正。这一条查起来只要翻财报附注与内部报表口径说明。
方法学那九位共有一个隐含前提：偏差是可以被校正的——补回缺失的行、加权、分层、换估计量。本文第十一节其实已经越过了这个前提，但正文没有把它说成一句话。编者把它说出来：静退不是一种偏差，是一处权限重合——定义读数的权与被这个读数评价的权，落在同一方手里。
这一步的后果比「有偏」硬得多。偏差有真值，校正是向真值靠拢；而当分母的定义权归被评价者，这个读数的真值本身随定义漂移，没有一个独立于定义的目标量可以被靠拢。于是所有校正手段——补回、加权、分层、稳健估计——都要求先固定一个分母，而固定分母这个动作本身就是本文要争的那件事。这解释了为什么 ITT 在医学里有效：它不是一个更好的估计量，它是把分母的定义权从研究者手里拿走的一条制度规则。ITT 之所以管用，管的是权限不是方法。
这一步的证伪条件。若能找到一类读数：其分母定义权明确归被评价方，而在没有任何外部规则约束的情况下 q 长期为零（即从未出现过任何有利于自己的口径收窄），则「权限重合必然导致静退」不成立，本节的推进作废，本文应退回原稿的「一种可清点的偏差」这一步。反过来，若在有强制口径规则的领域（临床试验、监管报送、上市公司同店披露）q 系统性低于无规则领域，则本节成立，而本文第十八节的处方应当改写：要治的不是分析方法，是谁有权改分母。
编者增补声明：以上一节为本站编者增补，非作者原稿，因此本篇标注「盲评 140 → 修改设计目标 142 · 待独立复核」，不是认证分。原稿的盲评分对投稿全文所打，本节不计入该次评分。
Wald, A. (1943). A Method of Estimating Plane Vulnerability Based on Damage of Survivors. Statistical Research Group, Columbia University（后以 CRC 432 重印）。（幸存者偏差的经典处理）
Brown, S. J., Goetzmann, W., Ibbotson, R. G., & Ross, S. A. (1992). Survivorship Bias in Performance Studies. The Review of Financial Studies, 5(4), 553–580.
Cleverdon, C. W. (1967). The Cranfield Tests on Index Language Devices. Aslib Proceedings, 19(6), 173–194.（检全率与检准率的权衡与评测方法学的奠基）
Spärck Jones, K., & van Rijsbergen, C. J. (1975). Report on the Need for and Provision of an “Ideal” Information Retrieval Test Collection. British Library Research and Development Report 5266.（判定池做法的来源）
Zobel, J. (1998). How Reliable Are the Results of Large-Scale Information Retrieval Experiments? Proceedings of ACM SIGIR ’98, 307–314.（池外未判定文档对检全率的影响）
Buckley, C., & Voorhees, E. M. (2004). Retrieval Evaluation with Incomplete Information. Proceedings of ACM SIGIR ’04, 25–32.（对未判定文档不敏感的指标）
Pheasant, S., & Haslegrave, C. M. (2006). Bodyspace: Anthropometry, Ergonomics and the Design of Work (3rd ed.). Boca Raton: CRC Press.（第五至九十五百分位的设计惯例及其排除后果）
Reason, J. (1990). Human Error. Cambridge: Cambridge University Press.（人为差错不可根除，只能设计成不致命）
ISO 7250-1: Basic Human Body Measurements for Technological Design；ISO 8559: Size Designation of Clothes — Anthropometric Definitions for Body Measurement；GB/T 1335《服装号型》。（人体测量与号型分档的标准依据）
ICH E9: Statistical Principles for Clinical Trials (1998).（意向性治疗原则）
Groves, R. M. (2006). Nonresponse Rates and Nonresponse Bias in Household Surveys. Public Opinion Quarterly, 70(5), 646–675.（无回应偏差）
Goodhart, C. (1975). Problems of Monetary Management: The U.K. Experience. In Papers in Monetary Economics, Reserve Bank of Australia；Campbell, D. T. (1976). Assessing the Impact of Planned Social Change. Dartmouth College Occasional Paper No. 8.
Simpson, E. H. (1951). The Interpretation of Interaction in Contingency Tables. Journal of the Royal Statistical Society, Series B, 13(2), 238–241；Berkson, J. (1946). Limitations of the Application of Fourfold Table Analysis to Hospital Data. Biometrics Bulletin, 2(3), 47–53.
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the Efficiency of Decision Making Units. European Journal of Operational Research, 2(6), 429–444.
Green, J., Wintfeld, N. (1995). Report Cards on Cardiac Surgeons: Assessing New York State’s Approach. New England Journal of Medicine, 332(18), 1229–1232.（公开排名与高风险病人收治的争议）
本文第十一节的原始数据与清点脚本取自公开软件包索引及其源码包，任何人可重跑复算。
说明：本文对上列文献的主张作转述，未逐字引用；凡未核到原始卷期页者只写书名与年份，不作页码标注。第 9 条为标准文件，引其做法而不引条文。
字数与版本：正文与附录合计约 2.0 万汉字。版本：第一版，2026 年 8 月。
人机分工声明：选题、题面与学科配置的约束条件由作者给定；材料检索、数据获取与统计、初稿撰写由人工智能系统完成；预注册文本在取数之前写定并存档，全部不利结果——包括那次 26 倍的口径差——由系统原样写入正文；判断与最终定稿由作者负责。原始返回数据与统计脚本可应要求提供。