人格测试是如何制作的

如果你在网上做过不少人格测试，那么某个时候你可能会想知道：这些测试背后到底是怎么回事？是谁编写了这些测试？他们具备什么样的资质？而且说到底，这些东西到底有多准确？

人格测试已成为从网络营销到操纵选民等各种用途的便捷工具，因此你几乎可以无限制地花时间在网上做各种探索自我的小测验。我们或许期待花两分钟做一个 Buzzfeed 测验，能换来一些有趣、适合分享的小资讯；但从某种程度上，我们也知道，“你是哪种布偶？”和我们可能会用来选择职业之类的严肃评估之间是有区别的。但这种区别究竟是什么？我们又如何知道哪些评估真正值得信赖，并能提供准确结果？

开发一项准确的人格测试，是一个耗时且技术性很强的过程。理想情况下，编写人格测试的人应当对其主题有深入了解，并投入大量时间来创建评估和分析结果。你在网上找到的大多数小测验，都是由对自己在做什么仅凭猜测的人在几小时内写成的。相比之下，真正具有预测价值的测试，则是大量努力和专业知识的成果。

测试开发很复杂，但同样遵循循序渐进的过程。了解这一过程，可以帮助你理解你做过的所有人格测试实际上是如何运作的——以及哪些测试能够为你提供关于自己的准确信息。

所以，系好安全带。你将深入了解一项人格测试是如何制作出来的。

我们要测量什么？

虽然这听起来显而易见，但创建人格评估的第一步，是弄清楚你究竟要评估什么。更具体地说，我们希望识别所谓的构念——可以定义和测量的特定特征或现象。例如，支配性、焦虑、情绪性或动机都可以是构念。 

有些构念可以直接测量，例如一个人的体重或血压。遗憾的是，在心理学中，事情很少如此简单。人格特质无法以任何具体方式测量，而且通常更难定义。即使是研究外向性等特质的专家，也可能难以就他们所研究对象的定义达成一致！虽然试图达到绝对清晰是徒劳的，但严谨的测试开发过程总会从尽可能清楚地定义待评估特质开始。

如果你的评估基于现有的人格理论，那么你的构念已经被定义好了。例如，Myers & Briggs 提出，用于描述人格的四个关键构念是 Extraversion/Introversion、Sensing/Intuition、Thinking/Feeling 和 Judging/Perceiving。因此，基于 Myers & Briggs 理论创建人格测试，意味着要深入了解这些构念，以便理解如何测量它们。

另一方面，有些评估是从零开始构建的，并没有既定理论来定义所使用的构念。例如，一家公司可能希望开发一种能够预测员工成功表现的评估。我们可以设想，动机、合作能力、智力和创造力等个人特征对于工作成功都很重要。在我们开始考虑创建评估本身之前，这些概念中的每一个都需要被充分阐释，并定义为一个独立的待评估构念。

我们将如何测量？

下一步是决定评估会采用什么形式。有些人格评估使用多项选择题。另一些则要求测试者按分值量表评定自己对各种陈述的认同程度。还有一些更加有创意，例如要求受访者从多个选项中选择最喜欢的图片，或者按照词语或陈述与自身的符合程度进行排序。

无论测试题目采用何种形式，过程都始于创建一份可能题目的总清单。通常，测试开发者会利用既有研究来帮助他们设计与构念相关的题目。例如，我们知道 Extraversion 与一个人在与他人互动时的精力水平有关，因此我们可能会设计一道题，请受访者评定自己对“在群体中社交时，我会感到精力充沛”这一陈述的认同程度。

编写好的测试题目极其困难，而所创建的题目中通常只有 10–20% 能在统计检验中通过标准。因此，在初始开发阶段，我们会创建比预计纳入最终评估更多的题目。 

谁会参加测试？

有些人格评估是为特定群体创建的，例如学校里的学生或公司的员工。另一些则面向广大公众开发。无论目标受众是谁，既然我们已经有了一些题目，就该让目标人群试做一下了。在这一步中，测试开发者会招募尽可能多的人来完成他们创建的题目。他们能收集的数据越多越好。

它的效果如何？

我们已经决定了要测量什么，也写好了题目，还请一些志愿者回答了这些题目。现在，是时候看看我们的评估是否真的有效了。

这一步将专业人士与业余人士区分开来。几乎任何对心理学感兴趣的人都能想出一个人格小测验的点子。他们大概也能写出一些测试问题。如果具备一些技术技能，他们甚至可以把这个测验放到网上供其他人参加。

但这个测试测量的是它应该测量的东西吗？很可能不是。即使是专业测试开发者，也很少能够随手拼凑出一项有效的评估。区别在于，专业人士拥有分析和改进测试的方法，直到测试真正产生有意义的结果。

测试开发中有两个关键概念：信度和效度。一项评估若要具有真正价值，必须在这两个方面都经过测试和验证。

一项具有信度的评估会产生一致的结果。如果一个人在一月参加可靠的人格评估，然后在七月再次参加，他们的得分应当大致相同。

一项具有效度的评估能够测量它原本意图测量的构念。如果一位备受尊敬的 CEO 参加一项领导能力评估，我们会预期她获得高分。如果她的得分很低，我们就会质疑测试的效度，因为这与我们的现实观察不一致。

为了理解信度和效度，想象你刚买了一台新体重秤，决定连续称自己 5 次来试用。如果它具有信度，每次都会显示相同的体重读数。如果它具有效度，显示的体重读数会接近你的实际体重。一台有效度但不具信度的体重秤，读数会接近你的真实体重，但每次都不同。一台有信度但无效度的体重秤，则总会显示相同的体重读数，但总是错误的。

我们如何确定人格测试的这些因素？简单但可能有些枯燥的答案是：在让样本群体试做评估后，我们会对收集到的数据应用若干统计检验。 

相关性是衡量两个因素是否倾向于共同出现的指标。例如，身高与体重相关，因为较高的人通常体重也更高。相关性测量在测试开发中有许多用途，可用于检验信度和效度。例如，如果一项收入潜力测试的得分与现实生活中的收入存在相关性，就表明该测试具有效度。如果我们正在设计一项外向性测试，可能会检查得分是否与一个人的朋友数量相关。

重测相关性衡量的是同一个人在两个不同时间参加同一项评估时，两次测试得分的相关程度。较高的重测相关性表明信度良好。

Cronbach’s alpha 是一种信度检验，考察理论上应当相关的题目，在实际样本数据中是否确实存在相关性。计算 alpha 的方法很复杂，但解读起来很简单。Alpha 得分范围从零到一，分数越高越好。大多数测试开发者在 alpha 达到 .8 或以上时就会感到满意。

因素分析是一种复杂的测试题目分析方法，用于弄清题目在概念上如何组织。为了理解因素分析，想象你完全随机地编写了 100 道人格测试题。你不知道自己在测试多少个构念，也不知道这些构念是什么；你只是写了一些认为让人回答会很有意思的问题。不过，在让人们回答之后，你开始想知道自己的评估可能测量了什么。

因素分析会显示你所编写的所有题目在概念上可能如何分组。它会确定你的评估中有多少个因素——也就是说，它可能测量了多少个构念。它还会确定哪些题目与每个因素相关。因此，你的因素分析可能会将以下题目归为一组：

• 我会捐钱帮助有需要的人
• 我会为慈善事业担任志愿者
• 我乐于帮助邻居

看到这些，你可能会合乎逻辑地得出结论：你的评估测量了与利他主义有关的构念，而这三道题可以作为利他主义量表的潜在起点。

在实际测试开发中，因素分析可以澄清测试所评估的构念，甚至帮助我们发现新的构念。例如，我们使用因素分析发现并定义了 TypeFinder 人格评估所测量的人格类型的 23 个面向。

所有这些方法都需要专业知识和高级软件，以及充足的时间来测试、修订并再次测试。大多数测试开发者会花费数月时间开发题目，将其施测于样本群体，进行统计检验，再根据结果修订，最终才形成一项已被证明具有信度和效度的评估。这不是一个可以随意或快速完成的过程——这也是为什么好的人格评估可能很难找到。

所以下次你做人格小测验并想：“那个结果到底是什么意思？”你就会知道：可能没什么意思。不过，如果你做的测验告诉你该搬去巴黎、嫁给真爱，或成为著名摇滚明星，那么，嘿——别让我们阻止你。有时候，一项人格测试所能做的最好的事，就是告诉我们那些我们早已知道的事。