1924 年起，美国国家研究委员会在西方电气公司霍桑工厂做照明实验，想知道灯光更亮能否让女工产量更高。流传的说法是：无论调亮还是调暗，产量都会上升，“霍桑效应”由此得名。2011 年，Levitt 与 List 找回原始数据重新分析，发现“每次改灯产量就上升”主要是星期效应造成的错觉。本文拆解这项实验的设计缺陷与结论边界。
霍桑工厂旧址仅存的塔楼，位于伊利诺伊州西塞罗，2012 年 8 月 8 日摄。摄影：MrHarman；图源：Wikimedia Commons（File:Hawthorne_Works_tower_2012_1.JPG）；许可：CC BY-SA 3.0。
照明实验的经过与流传版本
实验地点是西方电气公司位于芝加哥郊区西塞罗（Cicero, IL）的霍桑工厂。1924 年，美国国家研究委员会（National Research Council）发起这组实验，要回答的问题很窄：更好的照明能否提高工人生产率。西方电气派工程师 George Pennock 和 Clarence Stoll 负责监督，麻省理工学院讲师 Charles Snow 负责日常执行。参与实验的是三个车间的女工，主要装配继电器或绕制线圈，产量按单位时间完成的件数记录。
根据 Levitt 与 List 整理的时间线，第一轮实验从 1924 年 11 月持续到 1925 年 4 月，三个车间都参与；人工照明从原有的约 4 英尺烛光（foot-candle）调到最高 36 英尺烛光，并与自然光混合。夏季自然光充足，调光暂停。1926 年 2 月实验恢复，但只在 1 号车间进行，另外两个车间只记录产量。1926 年秋，1 号车间的女工被转到窗户涂黑、天窗盖上粗麻布的房间，只用人工照明：光照从 11.5 英尺烛光逐步降到 1.4 英尺烛光（只持续一天），再回升到 11 英尺烛光。照明实验于 1927 年 4 月结束，1 号车间的产量一直记录到同年 10 月。
教科书里流传的是另一个版本：每次改变照明产量都上升，最后把灯光调回原来的昏暗水平，产量仍在上升。Gale 在 2004 年的综述中指出，这批照明实验从未正式成文，原始研究报告已经遗失，同时代唯一的记述只是行业期刊上的几段文字（即 Snow 1927 年发表在 Tech Engineering News 上的文章）。照明实验之后，工厂又请 Elton Mayo 等学者开展继电器装配等后续实验，一直持续到 1930 年代初。据 McCambridge 等人考证，“霍桑效应”一词最早出现在 1953 年一本颇有影响的研究方法教科书里。
设计缺陷：随机化、对照、样本量与测量
没有随机化，对照也不清晰。 第一年三个车间同时接受调光，Levitt 与 List 认为这一轮“没有明确的对照组”。第二轮只有 1 号车间继续实验，2、3 号车间可以当作“准对照”，但没有证据表明选择 1 号车间时用了任何随机程序。Gale 转述的流传版本提到过配对的“实验组”和“对照组”，两组产量同步上升。这样的结果最多能说明照明不是主因，却无法说明真正的原因是什么。
处理时点与星期完全重合。 工厂只在星期日停工，为了有时间改装灯具，所有照明变化都在星期日完成、星期一生效。而产量本身就有固定的周内节律：星期六最低，星期一明显回升。这就像只在每周一早上试喝一种新咖啡，然后把周一精神好归功于咖啡。只要处理永远落在同一个星期几，星期效应和处理效应就无法分开。
有效样本只有三个车间。 产量只按车间汇总记录，没有个人产量，也没有工人特征；现有资料里也看不到人员流动的记录。Levitt 与 List 的回归虽然用了 1,502 个“车间×日”观测值，但实验是以车间为单位安排的，同一车间相邻几天的产量高度相关。在比较“做实验的车间”和“没做实验的车间”时，真正能独立提供信息的只有三个单位，任何一个车间自身的波动都可能被误读为实验效果。
测量与盲法都有漏洞。 据 Gillespie（1991）的记述，每个新实验阶段开始时，工人都会被告知实验条件的变化，因此不存在盲法。照明本身也测不准：Snow 在第三年的未发表报告中承认，由于自然光不断变化，此前一直无法精确控制照度；工厂自备发电机电压不稳，也会影响人工照明的强度；自然光读数每天只在少数几个时点记录。再加上产量有明显的季节波动，实验暂停后的产量下降很容易被误读为“效应消退”。
AI 生成示意图：照明实验中 1–3 号车间调光时段（橙色）、只记录产量时段（灰蓝）与 1 号车间遮光实验（斜线）。色块长度不按比例，原论文中三个车间第一轮均为 1924 年 11 月至 1925 年 4 月；准确时间以正文和 Levitt & List（2011）图 1 为准。
原始数据的重新分析
照明实验的数据长期被认为已经销毁。经济学家 Steven Levitt 和 John List 在威斯康星大学密尔沃基分校和哈佛商学院贝克图书馆的缩微胶片中找到了三个车间的产量图表，把图形逐点转录成数据，做了这批数据的第一次统计分析。论文先以 NBER 工作论文（No. 15016）形式于 2009 年发布，2011 年 1 月正式发表在 American Economic Journal: Applied Economics。
短期：改灯当天并没有跳升。 作者把“改灯的星期一”和“没改灯的星期一”放在一起比较，发现两者的产量曲线几乎一样，星期一的回升与改不改灯无关。回归控制了天气、星期、月份、节假日前后、原料缺陷等因素后，改灯当天及之后五天的系数都不显著，三种设定下联合检验的 p 值分别为 0.252、0.702 和 0.858。作者的原话是，流传的“惊人数据模式”“完全是虚构的”。
长期：只有微弱、不稳健的迹象。 第一年三个车间的产量都比基线高出约 10%，而据公司年报估算，全厂人均产量同期每年只增长约 1.4%，作者称这是他们能找到的最有力的支持证据。但第二轮实验中，1 号车间产量最高比基线高约 20%，已经退出实验的 2 号车间（以及程度较轻的 3 号车间）也明显上升。回归显示，实验进行期间的产量比基线高 3%–4%，但加入“车间×月×年”固定效应后，这一差异不再显著。
新的检验思路：比较人为变化和自然变化。 工人知道天气带来的自然光变化不受实验者控制，而人工照明的调整会在当天早上告知他们。如果存在霍桑效应，产量对人工光的反应应该比对自然光更强。结果的方向确实如此：人工光系数为正，自然光系数为负且不显著，但幅度很小，人工光变化一个标准差带来的产量变化不到 1%。作者也提醒，自然光测量误差更大，可能使它的系数被低估。他们的总体评价是：实验设计不强，执行有缺陷，结果“充其量是混合的”。
结论的适用范围与设计启示
照明数据能支持的结论很有限：在 1920 年代一家工厂里，三个由女工组成、从事继电器装配或线圈绕制的车间，处于实验期间的产量可能略高一些，但这一估计对模型设定敏感。它支持不了“任何改变都会提高产量”，也支持不了“受到关注比工作条件更重要”。研究对象、工种、年代、按车间汇总的产量，以及“工人事先知情”这一条件，都限制了结论能推广的范围。
更广义的“研究参与效应”是否存在，要看专门设计的研究。McCambridge、Witton 与 Elbourne 2014 年在 Journal of Clinical Epidemiology 发表的系统综述纳入了 19 项研究，其中随机对照试验 8 项、准实验 5 项、观察性研究 6 项，除一项外都来自健康科学领域。多数研究报告了某种效应，但方法、情境和结果差异很大，偏倚风险也高。作者的结论是：并不存在单一的“霍桑效应”；参与研究确实会改变行为，但对它在什么条件下出现、通过什么机制起作用、幅度有多大，所知甚少。他们还指出，这个词常被事后拿来解释令人失望的试验结果。
回到设计本身，照明实验的每一个缺陷都有对应的补救办法。处理时点和对象应当随机分配，不要固定在每周同一天；要有同期对照，而且对照组得到的关注程度应与实验组相当，也就是 Levitt 与 List 提到的“霍桑对照组”；分组单位越少，越需要增加独立单位，而不是靠增加观测天数凑样本量；产量和处理强度要在个体层面准确记录。Levitt 与 List 提出的“人为变化与自然变化对比”，也为检验观察本身带来的影响提供了一种可操作的思路。