关于这些量表的问题

这些量表实际上能告诉我什么？

我是在和谁比较？

百分位说的是您在参照数据中的人群里处于什么位置——而不是在一般人群中。这个区别的分量比看上去要重。

那份数据中的每个人都是在互联网上看到人格量表并选择填写的。没有一个人是随机抽取的。上网时间更长的人、喜欢内省的人，或当时正在上心理学课程的人，比例都偏高，而且无法测出偏高多少。

更大的样本解决不了这个问题。一百万名自我选择的作答者，只是更精确地测量同一个有偏的人群，并不会使它变成一般人群。

• Mini-IPIP — 1,009,226 名作答者， 收集于 2016-2018。
• MFQ-2 — 5,312 名作答者， 收集于 2021-05 (national samples), 2021-09 (online panel)。
• IPIP Big-Five Factor Markers — 1,009,184 名作答者， 收集于 2016-2018。
• IPIP-NEO-120 — 619,150 名作答者， 收集于 2001-2011。
• IPIP-HEXACO-240 — 22,786 名作答者。
• IPIP-NEO-300 — 307,313 名作答者， 收集于 2001-2011。

所以，“外向性第 75 百分位”应理解为比在网上填写此量表的人中 75% 的人更外向。这是一个真实而有用的比较，但它与“比 75% 的人更外向”不是同一个说法。

这并不是我们独有的缺陷。大多数已发表的人格常模都是这样建立的，包括商业常模，而后者往往根本不说明样本是如何招募的。我们宁愿告诉您。

为什么改变性别或年龄会改变我的结果？

因为改变的是与您排位比较的对象，而不是您的作答。您的原始分数永远不变。人格分数在群体之间存在系统性差异——平均而言，女性在神经质和宜人性上得分更高，而尽责性在成年期逐渐上升、神经质逐渐下降——因此，同一个原始分数在一个群体中可能平平无奇，在另一个群体中却可能偏高。

哪种排位都不比另一种更真实，它们回答的是不同的问题。这也是为什么原始分数总是显示在百分位旁边，以及为什么您可以与所有人比较，而不只是与您自己的群体比较。

低、平均和高是什么意思？

它们是分布中的区间：低于第 30 百分位为低，中间 40% 为平均，高于第 70 百分位为高。它们不是人的类型。处于第 69 百分位的人和处于第 71 百分位的人会得到不同的描述，但几乎没有差别。

靠近区间边缘的分数，是任何结果中最不稳定的部分。如果您下个月重新填写量表，数字会有些变动，恰好落在分界线上的分数可能会越过它。

这和迈尔斯-布里格斯或 16Personalities 一样吗？

不一样，尽管它们测量的东西有重叠。那些测试把每个特质一分为二，将您归入 16 种类型之一。这里则以连续分数报告您在每个特质上所处的位置。

这个区别之所以重要，是因为这些特质并不会自然地分成两个阵营——它们是平滑分布的，大多数人集中在中间，而那里恰恰是一刀切伤害最大的地方。这就是为什么重做四字母测试常常得到不同的字母：中间附近的分数会因普通的测量误差而翻转。

为什么叫“量表”而不是“测试”？

因为它们测量的是不同种类的东西，而这个区别值得保留。

测试有正确答案，您要努力考好：考试、智商测试、驾驶考试。分数说明您离正确有多近。量表（inventory）没有正确答案，问的是您通常是什么样的人。分数是一种描述，而不是成绩。英文 inventory 一词与“盘点库存”同源——即现有物品的清单。

这个区别不是我们发明的。这个领域几乎没有哪种严肃的工具自称测试：NEO Personality Inventory、Big Five Inventory、Minnesota Multiphasic Personality Inventory、HEXACO Personality Inventory、Sixteen Personality Factor Questionnaire。就连 Myers-Briggs Type Indicator 也避开了这个词，而且是有意为之——这样命名是为了表明它指向的是一种偏好，而不是测量一种能力。

在日常用语中，包括心理学家在内，人人都说“人格测试”，没有人需要为此被纠正。我们在这里使用准确的词，是因为本网站的宗旨是仔细解读这些数字，而其中一半在于知道您手里的是哪一种数字。您仍会看到“测试”一词的唯一地方，是我们谈论那些四字母类型产品的时候，因为它们就是这样自称的。

题目从何而来？

来自国际人格题库（IPIP），这是 Lewis Goldberg 编写的一套公有领域题目，目的是让人格测量不必依赖商业工具。题目的选取和参照数据来自 John A. Johnson 发表的研究。

题目有意写成短语而不是句子——每一条都是在补全一个隐含的“我 …”。

唯一的例外是 MFQ-2，即 Mohammad Atari、Jonathan Haidt、Jesse Graham 等人编制的道德基础问卷第二版。它的题目是完整的句子，不属于公有领域，本站依据作者发布时采用的知识共享署名许可使用它们。它的参照数据也属于作者，来自首次提出该问卷的论文。

描述各特质的说明文字，IPIP-NEO 各版本依据 John A. Johnson 的文字，其他版本则是为本服务撰写的。

我该填写哪份量表？

• Mini-IPIP — 20 道题， 约 3 分钟。
• MFQ-2 — 36 道题， 约 5 分钟。
• IPIP Big-Five Factor Markers — 50 道题， 约 7 分钟。
• IPIP-NEO-120 — 120 道题， 约 15 分钟。
• IPIP-HEXACO-240 — 240 道题， 约 30 分钟。
• IPIP-NEO-300 — 300 道题， 约 35 分钟。

较长的版本每个分量表的题目更多，因此分数波动更小；较短的版本占用您的时间更少。每个版本都只与填写同一版本的人比较计分，从不与其他版本比较。

它们测量的东西并不完全相同。IPIP-NEO 各版本和大五因素标记量表测量五个特质；IPIP-HEXACO 测量六个，增加了五因素模型没有对应量表的诚实-谦逊。还要注意第四个特质的方向：有些版本报告神经质，另一些报告方向相反的情绪稳定性。每个结果都会说明报告的是哪一个。

MFQ-2 根本不是人格量表。它测量您对六种道德关切——关爱、平等、比例、忠诚、权威和纯洁——各赋予多少分量，其分数不能与其他量表的任何特质比较。