Hoe nauwkeurig zijn persoonlijkheidstests? Betrouwbaarheid, hertestresultaten en het barnumeffect

Wat „nauwkeurig” betekent bij een persoonlijkheidstest

Psychologen splitsen nauwkeurigheid op in twee vragen:

• Betrouwbaarheid: meet de test consistent? Komen items die dezelfde eigenschap moeten meten met elkaar overeen (interne consistentie), en krijg je een vergelijkbare score als je hem opnieuw doet (test-hertestbetrouwbaarheid)?
• Validiteit: meet hij het juiste? Komen de scores overeen met andere informatie over jou, zoals beoordelingen door mensen die je kennen, en voorspellen ze gedrag en uitkomsten in het leven?

Een test kan betrouwbaar zijn zonder valide te zijn (een weegschaal die altijd twee kilo te veel aangeeft), maar hij kan niet valide zijn zonder betrouwbaar te zijn.

Betrouwbaarheid: zijn de scores consistent?

Interne consistentie wordt meestal weergegeven als Cronbachs alfa (α), van 0 tot 1. Waarden rond 0,80 of hoger gelden voor onderzoeksschalen over het algemeen als goed. De vrij beschikbare IPIP-schalen die 64 Types gebruikt, hebben in onze normgroepen van elk ongeveer 20.000 mensen een α tussen 0,79 en 0,89; de volledige cijfers staan op onze pagina Wetenschap. Ook gepubliceerde MBTI-studies melden voor de vier schalen over het algemeen een hoge interne consistentie, al lopen de waarden per studie uiteen.^[8]

De stabiliteit bij hertesten over jaren is hoog, maar verre van perfect. Over 152 longitudinale studies heen steeg de correlatie tussen persoonlijkheidsscores die ongeveer 6,7 jaar na elkaar waren gemeten van 0,31 in de kindertijd tot ongeveer 0,74 tussen 50 en 70.^[9] Een deel van die instabiliteit is echte verandering: het gemiddelde niveau van eigenschappen verschuift in de volwassenheid.^[10] Zie Kan je persoonlijkheidstype veranderen?

Waarom typeresultaten onbetrouwbaar lijken

Als de schalen betrouwbaar zijn, waarom krijgen dan zoveel mensen bij een nieuwe test een ander type? Dat komt door wat er dicht bij de grens gebeurt. Persoonlijkheidsscores zijn op het midden gericht, met de meeste mensen dicht bij het midden, en niet in twee bulten gesplitst.^[4][11] Wie dicht bij het middelpunt zit, kan door een kleine, normale schommeling van letter wisselen. Bij vier letters telt de kans op dat er minstens één omslaat. Overzichtsartikelen over de MBTI noemen die instabiliteit van de indeling als belangrijkste reden voor voorzichtigheid.^[5]

Een eenvoudige illustratie: per definitie zit bij elke eigenschap 20% van de mensen tussen het 40e en het 60e percentiel. Als de zes eigenschappen van een code uit 64 types volledig onafhankelijk waren, zou het aandeel mensen met geen enkele eigenschap in dat gebied 0,8⁶ zijn, dus ongeveer 26%, en zouden ongeveer drie op de vier mensen minstens één letter hebben die een grensgeval is. (De eigenschappen hangen een beetje met elkaar samen, dus het echte getal wijkt iets af, maar het punt blijft staan.)

Validiteit: zien anderen je ook zo?

Een sterke toets is of mensen die je kennen je op een vergelijkbare manier beoordelen. Een reeks meta-analyses over 44.178 beoordeelde mensen uit 263 steekproeven onderzocht hoe goed beoordelingen door anderen met elkaar en met zelfbeoordelingen overeenkomen. De nauwkeurigheid steeg naarmate de beoordelaar dichter bij de beoordeelde stond, vooral bij minder zichtbare eigenschappen zoals emotionele stabiliteit. Beoordelingen door anderen voorspelden bovendien prestaties op school, in de studie en op het werk duidelijk beter dan zelfbeoordelingen, en vulden die aan.^[1]

Zelfbeeld en beeld van anderen hebben allebei blinde vlekken. In een studie die beoordelingen door de persoon zelf, door vrienden en door vreemden vergeleek met gedragsmetingen, was de persoon zelf de beste beoordelaar van eigenschappen rond neuroticisme, waren vrienden het best bij eigenschappen rond intellect, en waren bij extraversie alle beoordelaars ongeveer even goed.^[12]

Validiteit: voorspellen de scores het echte leven?

De Big Five-eigenschappen voorspellen sterfte, scheiding en succes op het werk ongeveer even goed als sociaaleconomische status en cognitieve vaardigheden.^[2] Consciëntieusheid voorspelt werkprestaties over alle beroepen heen,^[13] neuroticisme voorspelt angststoornissen en depressieve stoornissen,^[14] en persoonlijkheid voorspelt nog veel meer uitkomsten.^[15]

Deze bevindingen houden stand. Een vooraf geregistreerd project toetste 78 gepubliceerde verbanden tussen eigenschappen en uitkomsten opnieuw met grote steekproeven en vond dat 87% werd gerepliceerd, al waren de effecten meestal maar ongeveer 77% zo sterk als oorspronkelijk gerapporteerd.^[3] De juiste samenvatting is dus „echt, consistent, bescheiden”: de correlaties tussen eigenschappen en uitkomsten in grote meta-analyses liggen meestal ruwweg tussen 0,10 en 0,30, bijvoorbeeld 0,11 tussen consciëntieusheid en levensduur en 0,31 tussen extraversie en leiderschap.^[16][17] Dat is nuttig om neigingen over veel mensen te begrijpen, en veel zwakker als het erom gaat te voorspellen wat één persoon zal doen.

Het barnumeffect: waarom elk resultaat raak voelt

In 1949 gaf psycholoog Bertram Forer zijn studenten een persoonlijkheidstest en een week later wat ieder voor een persoonlijk profiel hield. In werkelijkheid kreeg iedereen dezelfde tekst, grotendeels samengesteld uit een astrologieboekje van de kiosk, met zinnen als „Je hebt een grote behoefte om door anderen aardig gevonden en bewonderd te worden”. Gemiddeld beoordeelden de studenten de tekst als een zeer treffende beschrijving van zichzelf.^[6]

Een later overzicht van tientallen jaren vervolgonderzoek vond dat mensen zulke feedback eerder accepteren als die vleiend is, als die zo algemeen is dat hij op bijna iedereen past, en als ze geloven dat hij speciaal voor hen is gemaakt.^[7]

Typebeschrijvingen voldoen vaak aan alle drie de voorwaarden. Dat maakt ze niet waardeloos, maar het betekent dat „Dat klinkt precies als ik” een geldige test niet van een horoscoop kan onderscheiden. De toetsen hierboven, consistentie, overeenstemming met anderen en voorspellende waarde, kunnen dat wel.

Een checklist om elke persoonlijkheidstest te beoordelen

1. Zegt de test waar de vragen vandaan komen? Onderzoekstests gebruiken gepubliceerde sets items zoals de vrij beschikbare IPIP.^[18]
2. Vergelijkt de test je met echte mensen? Percentielen op basis van een genoemde normgroep zeggen meer dan „hoog” of „laag” op een willekeurige schaal.
3. Geeft de test de betrouwbaarheid? Let op getallen zoals Cronbachs α.
4. Toont de test scores, niet alleen een label? Doorlopende scores laten zien hoe eigenschappen echt verdeeld zijn.^[11]
5. Zegt de test het als je dicht bij het midden zit? Grensgevallen zijn de belangrijkste oorzaak dat types omslaan.^[4]
6. Onderbouwt de test beweringen over werk of relaties met bronnen? En worden de effectgroottes eerlijk vermeld?
7. Noemt de test zijn beperkingen? Een test op basis van zelfrapportage is geen klinische diagnose en geen instrument voor personeelsselectie.

Hoe 64 Types het op deze lijst doet

We hebben 64 Types rond deze checklist gebouwd: 62 vrij beschikbare IPIP-items, percentielen ten opzichte van zo’n 20.000 echte antwoorden per schaal, gepubliceerde betrouwbaarheden, markeringen van grensgevallen met alternatieve codes, en beweringen die overal met bronnen zijn onderbouwd. Ook de beperkingen worden duidelijk genoemd: de normgroepen bestaan uit online vrijwilligers die overwegend jong en Engelstalig zijn. Details in Zo werkt de test van 64 Types en op onze pagina Wetenschap.

Veelgestelde vragen