性格測驗準不準？怎麼挑一份信得過的測驗

做完測驗，結果頁寫著：「你在熟人面前很放得開，到了陌生場合，卻習慣先安靜觀察一陣子。」你馬上想起去年公司尾牙，自己整晚都黏在同組同事旁邊，心想：好準。可是把這句話貼到 LINE 群組，每個朋友大概都想得出自己的例子。

讀結果時冒出的那句「好準」，很難拿來判斷測驗本身好不好。1949 年，心理學家 Bertram Forer 發表了他在課堂上做的一個示範：學生先做一份測驗，之後各自拿到一段看似依個人作答寫成的性格描述。大家普遍覺得寫得很準，最後才知道全班拿到的是同一段文字。後來這種現象被稱為巴納姆效應。

想知道一份測驗量了什麼，題目是你最早拿得到的線索。讀讀這一題：「我個性開朗、喜歡認識新朋友，做決定也很果斷。」如果你在聚會上很自在，挑一家餐廳卻能猶豫二十分鐘，該選同意還是不同意？一題同時問了好幾件事，你的答案就說不清是在回應哪一件，算進分數以後也一樣說不清。

AERA、APA 和 NCME 共同制定的《教育與心理測驗標準》，把題目內容（主題、用字和形式）和它想量的特質對不對得上，列為效度證據的重要來源。你可以先檢查題目本身：每一題是不是只問一件具體的事，有沒有說清楚要以哪段時間、哪種場合為準。接著留意題目分不分得出「我通常這樣做」「我做得到」和「我希望自己是這樣」。

題數和精確度有關：同一份《標準》提到，用性質相近的題目把測驗加長，一般能提高分數的一致性。只是第三次讀到換了說法的「我習慣事先排好行程」時，你大概也看得出來：這幾題讓這個習慣的分數更一致，卻沒問到你在別的場合怎麼做。

信度關心的是分數的一致程度：同一套測驗重複施測，分數能不能大致對得上。檢驗方式有好幾種，其中一種是隔一段時間讓同一群人再做一次。Myers & Briggs Foundation 介紹 MBTI 的信度時，就寫明了研究條件：1,721 位成人，兩次作答相隔 6–15 週。有這些條件，你才知道它報告的一致性是在什麼情況下得到的。

效度問的則是分數能不能照測驗說的方式解讀。分數穩定，或讀起來很準，都還不足以支持某種解讀：假設一組題目問的全是你喜不喜歡熱鬧，隔幾個月再答，分數也差不多；但要把這個分數說成你在陌生人面前自不自在，就得另外拿出證據。《標準》寫得很明白，效度檢驗的是某個用途下對分數的解讀，不是測驗本身，所以不加限定地說「這份測驗的效度」並不正確。看到測驗自稱效度很高，可以追問一句：用來做什麼？也看看它引用的研究，做的是不是這份測驗、這個版本。

要查到多細，看你打算拿結果做什麼。《標準》提到，決定越重大、越難挽回，對分數精確度的要求就越高：拿結果在聚餐時當話題，可以寬鬆一點；拿它考慮要不要換工作，就該一項一項查清楚。有些測驗的說明頁還會寫出它適合做什麼、哪些用途還沒研究過。

連續分數的好處，是不必把你歸到某一邊。同樣被歸為外向的兩個人，可能一個剛好越過分界，一個幾乎每題都站在外向那一端，類別上卻看不出差別。只是分數印到個位數，測量不見得精確到個位數，73 和 74 差的那一分，別太當真。數字也需要說明：分數越高代表哪一端？50 是中間點還是平均值？這是百分位，還是測驗自訂的量尺？

Traitium 也用連續分數：用 50 道題目算出你在 14 個維度上的位置，不給四字母類型。計分只看答案、不看語言，同一組答案在英文、繁體中文或日文版都會得到相同的分數。50 道題、連續分數是我們選的設計，三種語言同分也只說明共用一套計分規則，這幾點都不證明效度；題目在三種語言裡讀起來是不是同一個意思、分數能不能照說明解讀，要看的是前面那幾種證據。每個維度量什麼、分數往哪一端走代表什麼，則寫在維度說明頁上，作答前就能讀。