什麼是心理計量學?

心理計量學是心理學的一個分支，關注的是測量本身。並非探討外向性的意義為何，而是探討一組特定的問題是否真的能測量外向性，得出的數字中含有多少誤差，以及這個數字有資格預測什麼。

這個區別比聽起來更重要。任何人都可以寫二十個關於一個人有多外向的問題，然後把答案加總起來。心理計量學的工作是接下來要做的事：證明這二十個問題彼此相關，證明它們測量的是一件事而不是三件事，證明同一個人下個月的得分大致相同，證明得分與這個人實際的行為表現有關，並證明整套機制對里斯本的22歲人士和慕尼黑的55歲人士都同樣有效。

為何需要一門學科

物理測量有一個心理學所沒有的優勢：你可以拿一根公尺尺放在被測量的物體旁邊。但沒有一根公尺尺可以測量嚴謹性。這種特質無法直接觀察，它是從行為中推論出來的，而問卷回答只是在這之上再加一層推論。

這正是心理計量學家所稱的潛在變項：一種真實到足以產生後果，卻只能透過間接指標來觸及的東西。整套方法論機制的存在，正是因為這種間接性。你會遇到的每一種技術，例如因素分析、信度係數、試題反應理論、常模樣本，都是試圖對一個沒有人能直接觀察到的量，說出一些站得住腳的話。

三個問題

剝去專業術語，心理計量學對任何測驗工具都問三件事。

它是否一致？ 如果測量結果大部分都是噪音，其他一切都不重要。一致性要在題目之間檢驗（這些問題彼此是否吻合？）、在時間上檢驗（同一個人下個月的得分是否相同？），以及在相關情況下跨評分者檢驗。這就是信度。

它測量的是它聲稱要測量的東西嗎？ 一份問卷可以完全一致，卻仍然測量錯了東西。一個聲稱測量領導潛能的量表，如果與單純的自尊心相關係數達0.8，那它測量的其實是自尊心。這就是效度，它不是一個測驗工具擁有或不擁有的特性，而是一個由累積證據所建構出來的論證。

與誰比較？ 34分這個原始得分本身沒有任何意義。它只有在對照一個參照群體時才能被解讀：34分相對於哪個群體來說算高？在何時測量？在何地測量？這是常模的工作，而這正是大多數消費型測驗完全略過的步驟。

良好做法應該是什麼樣子

一份製作精良的測驗工具會有完整的文件記錄。有人公開發表過這些題目是如何撰寫的，哪些題目被捨棄了。有人在具名的樣本中，以樣本大小為依據，報告了信度係數。有人測試過這個因素結構在第二個、獨立於原始建構樣本之外的樣本中是否依然成立。有人檢查過這些題目在不同語言和年齡群體中的表現是否一致。還有其他人，最理想的情況是與這個測驗工具毫無利害關係的人，嘗試複製這些研究發現，並報告了結果。

這些都不能讓一個測驗變得絕對可靠。但它們讓這個測驗的限制變得可以被了解，這是一種不同、也更有用的特性。一個記錄了測量誤差的測驗工具，能告訴你在多大程度上可以信任兩個得分之間的微小差異。一個沒有公開誤差估計值的測驗工具，並不代表它更準確，只是它對於自身的不準確保持沉默而已。

對讀者而言，這意味著什麼

心理計量學不會告訴你一個測驗是真實的。它會告訴你一個得分可以被延伸到多遠，超過那個界限它就不再具有任何意義，它能回答哪些問題，它是根據哪些群體校準的，以及差異必須達到多大才值得注意。

這比大多數人格測驗產品所做出的承諾要更為有限。但這也是唯一一個在面對證據時仍能站得住腳的承諾。