性格测试准吗？信度、重测结果与巴纳姆效应

64 Types 编辑部 · 2026年10月18日更新 · 约 6 分钟读完 · 18 篇同行评审文献

设计严谨的特质测试相当准确，但准确的方式和大多数人想的不一样。 研究级的五大人格和 HEXACO 量表能给出前后一致的分数，与熟悉你的人对你的评价相吻合，并能预测工作表现、健康和关系满意度等现实结果，只是效应量不大。[1][2][3] 当测试把人硬性归入类型时，准确度就会下降（很多人的分数落在分界点附近，重测时就会翻转），[4][5] 而“这结果说的就是我”的感觉也不是可靠的证据，因为人们很容易把笼统、讨喜的描述当成是在说自己（即巴纳姆效应）。[6][7]

下面介绍心理学家如何评判一份测试、每一点上的证据怎么说，以及一份可以用来检验任何在线测验的清单。

性格测试的“准确”指什么

心理学家把准确性拆成两个问题：

  • 信度： 测试的测量是否稳定一致？用来测量同一特质的题目之间是否彼此吻合（内部一致性）？重新做一次时，分数是否相近（重测信度）？
  • 效度： 它测的是否是该测的东西？分数是否与关于你的其他证据（例如熟悉你的人的评价）相符？能否预测行为和人生结果？

一份测试可以有信度却没有效度（就像一台总是偏差两公斤的体重秤），但没有信度就不可能有效度。

信度：分数稳定吗？

内部一致性通常用 Cronbach’s α 系数表示，取值从 0 到 1。对研究用量表来说，.80 左右或以上一般被视为良好。64 Types 采用的公共领域 IPIP 量表，在我们各约 20,000 人的常模样本中，α 介于 .79 到 .89 之间；完整数据见我们的科学依据页面。已发表的 MBTI 研究也报告其四个维度的内部一致性总体较高，不过不同研究之间数值有所差异。[8]

跨越数年的重测稳定性很高，但远非完美。在 152 项纵向研究中，相隔约 6.7 年测得的性格分数之间的相关系数，从童年期的 .31 上升到 50 至 70 岁之间的约 .74。[9] 其中一部分不稳定是真实的变化：特质的平均水平会在成年期发生变化。[10] 详见性格类型会改变吗？

为什么类型结果显得不靠谱

既然量表有信度，为什么那么多人重测后会得到不同的类型？原因在于分界点附近发生的事。性格分数呈中间多、两头少的分布，大多数人都集中在中间，而不是分成两个峰。[4][11] 任何接近中点的人，只要出现一点正常的小波动，字母就可能翻转。有四个字母时，至少一个翻转的概率就会累积起来。关于 MBTI 的综述把这种分类不稳定性列为需要谨慎看待的主要原因之一。[5]

举个简单的例子。按定义，在任何一项特质上，都有 20% 的人落在第 40 到第 60 百分位数之间。如果 64 型代码中的六项特质彼此完全独立，那么没有任何一项特质落在这个区间的人占 0.8⁶，约 26%，也就是说大约四分之三的人至少有一个临界字母。（这些特质之间存在一定相关，所以实际数字会略有不同，但结论不变。）

实用建议

看任何类型结果时，都要去找背后的分数。由第 90 百分位数支撑的字母是有意义的；由第 52 百分位数支撑的字母，基本上只代表“大约处于平均水平”。

效度：别人眼中的你也是这样吗？

一个有力的检验，是看熟悉你的人对你的评价是否相似。一组元分析涵盖了 263 个样本中被评价的 44,178 人，考察了观察者的评价彼此之间、以及与自评之间的一致程度。评价者与被评价者关系越亲近，准确度越高，在情绪稳定性这类不太外显的特质上尤其明显。他人评价对学业成就和工作表现的预测也明显优于自评，并且能在自评之外提供额外的预测力。[1]

自己和他人各有盲点。一项研究把自评、朋友评价和陌生人评价与行为测量进行比较，发现本人最能判断与神经质相关的特质，朋友最能判断与智识相关的特质，而在外向性的判断上，大家的准确度不相上下。[12]

实用建议

请一位很了解你的人读一读你的结果。如果对方在某项特质上强烈不同意，尤其是外向性这类别人看得见的特质，这种分歧本身就很有信息量。

效度：分数能预测现实生活吗？

五大人格特质对死亡率、离婚和职业成就的预测力，大致与社会经济地位和认知能力相当。[2] 尽责性能预测各行各业的工作表现，[13] 神经质能预测焦虑障碍和抑郁障碍，[14] 性格还能预测许多其他结果。[15]

这些发现经得起检验。一项预注册研究用大样本重新检验了 78 项已发表的特质与结果之间的关联，发现 87% 得到重复，不过效应通常只有原先报告的约 77%。[3] 所以最恰当的概括是“真实、一致、但不大”：主要元分析中特质与结果的相关系数大多在 .10 到 .30 之间，例如尽责性与长寿的相关为 .11，外向性与领导力的相关为 .31。[16][17] 这对于理解一大群人的总体倾向很有用，但用来预测某一个人会怎么做，作用就弱得多。

巴纳姆效应：为什么每个结果都让人觉得很准

1949 年，心理学家 Bertram Forer 让学生做了一份性格测试，一周后发给每人一份他们以为是为自己量身定制的性格描述。实际上，所有人拿到的都是同一段文字，大部分摘自报摊上的一本占星书，其中有“你非常需要别人喜欢和欣赏你”这样的句子。平均而言，学生们认为这段描述与自己非常相符。[6]

后来一篇回顾数十年后续研究的综述发现，当反馈是正面的、笼统到几乎适用于任何人，并且人们相信它是专门为自己得出的时，人们就更容易接受它。[7]

类型描述往往三条全占。这并不意味着它们毫无价值，但说明“这说的简直就是我”无法区分一份有效的测试和一份星座运势。而上面那些检验，即一致性、与他人评价的吻合度和预测力，则可以。

评判任何性格测试的检查清单

  1. 它是否说明题目的来源？ 研究用测试会采用已发表的题库，例如公共领域的 IPIP。[18]
  2. 它是否拿你与真实人群作比较？ 基于明确常模样本的百分位数，比在随意量尺上标注“高”或“低”更有意义。
  3. 它是否报告信度？ 留意 Cronbach’s α 之类的数据。
  4. 它是否展示分数，而不只是一个标签？ 连续分数才能反映特质的真实分布。[11]
  5. 当你接近中间值时，它会告诉你吗？ 临界结果是类型翻转的主要来源。[4]
  6. 它对职业或恋爱的说法是否引用了证据？ 是否如实报告效应量？
  7. 它是否说明自身的局限？ 自评测试既不是临床诊断，也不是招聘工具。

64 Types 做得怎么样

我们正是按照这份清单打造 64 Types 的：62 道公共领域 IPIP 题目、基于每个量表约 20,000 份真实作答的百分位数、公开的信度数据、附带备选代码的临界标注，以及处处有出处的论述。它的局限我们也坦白说明：常模样本是在线志愿者，偏年轻、以英语使用者为主。详见64 Types 测试的原理和我们的科学依据页面。

常见问题

在线性格测试准吗？

要看具体是哪份测试。基于经过验证的题库并有真实常模的测试，能给出相当稳定的分数，并且与别人对你的看法相符。[1] 没有公开题目、常模或信度数据的测验，则无从评估。

为什么我每次做性格测试结果都不一样？

通常是因为你在一项或多项特质上接近中间值，小小的波动就会让字母翻转。[4][5] 你背后的分数很可能比类型标签稳定得多。

什么是巴纳姆效应？

指人们倾向于把笼统、普遍适用的描述当作对自己的准确描述，尤其当这些描述是正面的、并且被说成是为你量身定制的时候。[6][7]

性格测试能预测工作表现吗？

能，但作用有限。尽责性能预测各行各业的工作表现，[13] 而他人评价的预测效果可能优于自评。[1] 这些效应太小，不足以可靠地评判某一个人。

参考文献

  1. Connelly, B. S., & Ones, D. S. (2010). An other perspective on personality: Meta-analytic integration of observers’ accuracy and predictive validity. Psychological Bulletin, 136(6), 1092–1122.
  2. Roberts, B. W., Kuncel, N. R., Shiner, R., Caspi, A., & Goldberg, L. R. (2007). The power of personality: The comparative validity of personality traits, socioeconomic status, and cognitive ability for predicting important life outcomes. Perspectives on Psychological Science, 2(4), 313–345.
  3. Soto, C. J. (2019). How replicable are links between personality traits and consequential life outcomes? The Life Outcomes of Personality Replication Project. Psychological Science, 30(5), 711–727.
  4. Bess, T. L., & Harvey, R. J. (2002). Bimodal score distributions and the Myers-Briggs Type Indicator: Fact or artifact? Journal of Personality Assessment, 78(1), 176–186.
  5. Pittenger, D. J. (2005). Cautionary comments regarding the Myers-Briggs Type Indicator. Consulting Psychology Journal: Practice and Research, 57(3), 210–221.
  6. Forer, B. R. (1949). The fallacy of personal validation: A classroom demonstration of gullibility. Journal of Abnormal and Social Psychology, 44(1), 118–123.
  7. Furnham, A., & Schofield, S. (1987). Accepting personality test feedback: A review of the Barnum effect. Current Psychology, 6(2), 162–178.
  8. Capraro, R. M., & Capraro, M. M. (2002). Myers-Briggs Type Indicator score reliability across studies: A meta-analytic reliability generalization study. Educational and Psychological Measurement, 62(4), 590–602.
  9. Roberts, B. W., & DelVecchio, W. F. (2000). The rank-order consistency of personality traits from childhood to old age: A quantitative review of longitudinal studies. Psychological Bulletin, 126(1), 3–25.
  10. Roberts, B. W., Walton, K. E., & Viechtbauer, W. (2006). Patterns of mean-level change in personality traits across the life course: A meta-analysis of longitudinal studies. Psychological Bulletin, 132(1), 1–25.
  11. McCrae, R. R., & Costa, P. T. (1989). Reinterpreting the Myers-Briggs Type Indicator from the perspective of the five-factor model of personality. Journal of Personality, 57(1), 17–40.
  12. Vazire, S. (2010). Who knows what about a person? The self–other knowledge asymmetry (SOKA) model. Journal of Personality and Social Psychology, 98(2), 281–300.
  13. Barrick, M. R., & Mount, M. K. (1991). The Big Five personality dimensions and job performance: A meta-analysis. Personnel Psychology, 44(1), 1–26.
  14. Kotov, R., Gamez, W., Schmidt, F., & Watson, D. (2010). Linking "big" personality traits to anxiety, depressive, and substance use disorders: A meta-analysis. Psychological Bulletin, 136(5), 768–821.
  15. Ozer, D. J., & Benet-Martínez, V. (2006). Personality and the prediction of consequential outcomes. Annual Review of Psychology, 57, 401–421.
  16. Kern, M. L., & Friedman, H. S. (2008). Do conscientious individuals live longer? A quantitative review. Health Psychology, 27(5), 505–512.
  17. Judge, T. A., Bono, J. E., Ilies, R., & Gerhardt, M. W. (2002). Personality and leadership: A qualitative and quantitative review. Journal of Applied Psychology, 87(4), 765–780.
  18. Goldberg, L. R. (1992). The development of markers for the Big-Five factor structure. Psychological Assessment, 4(1), 26–42.

我们怎么写指南：每一项研究结论都标注同行评审文献的出处，效应量按论文发表的数据如实呈现，超出证据范围的建议会标为“实用建议”。详见方法与出处。发现错误？请发邮件到 [email protected]。

相关指南

MBTI 有科学依据吗？研究到底怎么说

MBTI 的 4 个量表测到的是真实存在的特质，但“16 种类型”站不住脚。本文附出处，客观梳理它的信度、效度、重测时类型改变的问题，以及它漏掉了什么。

64 Types 测试如何运作：题目、计分、常模与临界标注

公开透明地拆解 64 Types 人格测试的每个步骤：62 道题目从哪里来、百分位是怎么计算出来的，以及结果中的“临界”标注代表什么意思。

性格类型会改变吗？纵向研究告诉我们什么

性格相当稳定，但并非一成不变。本文介绍人格特质如何随年龄、心理治疗和刻意努力而改变，以及为什么重新测试时你的类型代码可能会变。