智力测验的信度和效度：心理测量学中的核心质量指标解读

内容由AI生成，不作为诊疗建议，请注意甄别。

智力测验是否可用，通常不取决于题目看起来是否合理，而取决于两个心理测量学指标：信度（reliability）和效度（validity）。信度反映测验分数的稳定性与一致性，即同一人在条件相近的情况下重复施测能否得到相近结果；效度反映测验是否真正测到了它声称要测的能力。这两个概念由心理测量学在 20 世纪早期逐步确立，美国心理学会（APA）与教育测量学界联合发布的《教育与心理测验标准》（Standards for Educational and Psychological Testing）是其公认的行业规范文件。

混淆信度与效度是常见的误解。一个测验可以每次都给出几乎相同的分数（信度高），却测的并不是智力（效度存疑）；反过来，分数波动剧烈的测验，其效度也难以成立。信度是效度的必要前提，但不是充分条件。

信度的主要类型与常用指标

信度在智力测验中通常从以下几个角度考察：

重测信度：同一批被试间隔一段时间重复施测，考察分数的跨时间稳定性。
复本信度：使用两套等值版本的测验，考察两套分数的一致程度。
内部一致性：常用 Cronbach 的 α 系数或分半信度，考察测验内部题目之间是否测量同一构念。
评分者信度：对需要主观评分的项目（如部分操作类题目），考察不同评分者给分的一致性。

信度的量化表达是信度系数，取值介于 0 与 1 之间，数值越高表示测量误差越小。成熟智力测验（如斯坦福—比奈量表、韦克斯勒系列量表）各分测验的信度系数通常报道在较高水平，但具体数值因分测验、年龄组与样本而异，需查阅对应测验手册。与信度直接相关的一个实用概念是测量的标准误（standard error of measurement），它说明任何单次测验分数都应理解为一个分数区间而非精确点值。

效度的主要类型与证据来源

效度不是单一数字，而是围绕测验用途所积累的证据体系。按现行《标准》的框架，效度证据主要分为以下几类：

内容效度：测验题目对所测能力领域（如言语理解、推理、工作记忆）的代表性。
效标关联效度：测验分数与外部效标（如学业成绩、职业表现）的相关程度，分为同时效度与预测效度。
结构效度：测验分数是否呈现与智力理论一致的结构，例如因素分析能否提取出与理论相符的因素（如韦克斯勒量表中的言语理解、知觉推理、工作记忆、加工速度）。

以历史上最具影响力的两个体系为例：1905 年由法国心理学家比奈（Alfred Binet）与西蒙（Théodore Simon）编制的比奈—西蒙量表是最早的标准化智力测验之一，其后续修订版不断以学业预测等证据支持效度；韦克斯勒量表体系（始于 1939 年的 Wechsler-Bellevue 量表）则通过因素结构研究为「智力由多种能力成分构成」提供结构效度证据。

常模、标准化与分数解释的关系

信度和效度都以标准化施测和常模为前提。标准化指统一的指导语、施测流程与计分规则；常模是将原始分转换为标准分（如离差智商，均值 100、标准差 15）所参照的代表性样本。常模样本的时效性和代表性直接影响分数解释的有效性——陈旧的常模可能导致分数被高估，这一现象在测量学中有专门讨论（即弗林效应所反映的世代间分数变化）。因此，解释智力测验结果时应确认所用版本、常模年代与被试背景的匹配程度。

分数解读的边界与专业使用

信度系数再高也不意味着单次分数等于个体的真实能力；效度证据充分也不意味着测验分数能决定一个人的全部认知潜能。智力测验测量的是特定情境下、特定任务上的表现，结果受施测质量、语言文化背景、动机状态和测验焦虑等因素影响。对智力测验结果的严肃解读（如教育安置、认知能力评估报告）应由受过心理测量训练的专业人员在综合多方信息后进行，单次测验分数不应作为唯一依据。查阅某个具体测验时，判断其质量的可靠途径是直接阅读该测验的正式手册，核对其信度系数、效度证据与常模说明。