人格測驗準嗎？信度、重測結果與巴納姆效應

64 Types 編輯團隊・2026年10月18日 更新・閱讀時間約 6 分鐘・18 篇同儕審查文獻

設計良好的特質測驗相當準確，但準確的方式和大多數人想的不一樣。 研究等級的五大人格與 HEXACO 測量工具，分數穩定、和熟悉你的人所做的評分一致，也能預測工作表現、健康和感情滿意度等現實結果，只是效果大小不大。[1][2][3] 當測驗把人分進僵硬的類型時，準確度就會下降（很多人都接近分界點，重測時字母就會翻轉），[4][5] 而「這個結果說中我了」的感覺並不是好的證據，因為人們很容易把模糊、討喜的描述當成在說自己（巴納姆效應）。[6][7]

以下說明心理學家如何評估一份測驗、證據在每一點上怎麼說，並提供一份可以用在任何網路測驗上的檢核清單。

對人格測驗來說，「準」是什麼意思

心理學家會把準確度拆成兩個問題：

  • 信度：測驗的測量是否一致？用來測同一項特質的題目彼此是否一致（內部一致性）？重做一次時，你是否會得到相近的分數（重測信度）？
  • 效度：它測量的是否是對的東西？分數是否和關於你的其他證據一致，例如熟悉你的人所做的評分？它能否預測行為和人生結果？

一份測驗可以有信度卻沒有效度（就像一台永遠差兩公斤的體重計），但不可能沒有信度卻有效度。

信度：分數穩定嗎？

內部一致性通常以 Cronbach’s α 表示，範圍從 0 到 1。對研究用量尺來說，大約 .80 以上通常被視為良好。64 Types 使用的公眾領域 IPIP 量尺，在我們各約 2 萬人的常模樣本中，α 介於 .79 到 .89 之間；完整數據請看我們的科學根據頁面。已發表的 MBTI 研究也回報它的 4 個量尺大致具有良好的內部一致性，不過數值在不同研究間有所差異。[8]

跨越數年的重測穩定性很高，但遠非完美。在 152 篇縱貫研究中，間隔約 6.7 年測得的人格分數之間的相關，從兒童期的 .31，上升到 50 到 70 歲之間的約 .74。[9] 其中有一部分不穩定是真實的改變：特質的平均水準在成年期間會移動。[10] 請看〈人格類型會改變嗎？〉。

為什麼類型結果看起來不可靠

如果量尺是可靠的，為什麼這麼多人重測會得到不同的類型？原因在於分界點附近發生的事。人格分數是集中在中間的，大多數人都在中間附近，而不是分成兩座山峰。[4][11] 任何接近中點的人，都可能因為一點正常的波動就讓字母翻轉。有 4 個字母，至少一個翻轉的機率就會累加起來。針對 MBTI 的評論指出，這種分類不穩定是需要謹慎的主要原因之一。[5]

這裡有個簡單的示範。依照定義，在任何一項特質上，都有 20% 的人落在 PR 40 到 PR 60 之間。如果 64 型代碼中的 6 項特質完全互相獨立，那麼沒有任何特質落在這個區間的人，比例會是 0.8⁶，約 26%，也就是大約每 4 個人就有 3 個人至少有一個臨界字母。（這些特質之間有一定的相關，所以實際數字會稍有不同，但重點不變。）

實用建議

看任何類型結果時，都去找背後的分數。由 PR 90 支撐的字母有意義；由 PR 52 支撐的字母，大致只代表「接近平均」。

效度：別人眼中的你也一樣嗎？

一個很有力的檢驗，是看熟悉你的人對你的評分是否相近。一系列涵蓋 263 個樣本、44,178 名受評者的統合分析，檢視了觀察者的評分彼此之間、以及和自評之間有多一致。評分者和當事人越親近，準確度越高，尤其是情緒穩定性這類比較不容易被看見的特質。他人評分對學業成就和工作表現的預測力，也明顯比自評更好，而且能補足自評。[1]

自己和別人各有盲點。在一項比較自評、朋友評分與陌生人評分，並以行為測量來檢驗的研究中，自己是神經質相關特質最好的評審，朋友是智性相關特質最好的評審，而在判斷外向性上，大家差不多一樣好。[12]

實用建議

請一位很了解你的人看看你的結果。如果對方在某項特質上強烈不同意，尤其是外向性這種別人看得到的特質，這個分歧本身就很有參考價值。

效度：分數能預測現實生活嗎？

五大人格特質對死亡率、離婚和職業成就的預測力，大約和社經地位、認知能力相當。[2] 盡責性能預測各職業的工作表現，[13] 神經質能預測焦慮症與憂鬱症，[14] 人格也能預測許多其他結果。[15]

這些發現經得起檢驗。一項預先登錄的計畫用大型樣本重新檢驗了 78 個已發表的特質與結果關聯，發現有 87% 被成功重現，不過效果通常只有原本報告的約 77%。[3] 所以正確的總結是「真實、一致、不大」：重要統合分析中的特質與結果相關，大多落在約 .10 到 .30 之間，例如盡責性與長壽的相關為 .11，外向性與領導力的相關為 .31。[16][17] 這對理解很多人的傾向很有用，但要預測某一個人會怎麼做，就弱得多了。

巴納姆效應：為什麼每個結果都讓人覺得很準

1949 年，心理學家伯特倫・佛瑞讓學生做了一份人格測驗，一週後再發給每個人一份他們以為是個人專屬的剖析。其實每個人拿到的都是同一段文字，大部分取自書報攤上的占星書，裡面有像「你非常需要別人喜歡你、欣賞你」這樣的句子。平均而言，學生們都評為非常準確地描述了自己。[6]

後來一篇回顧數十年後續研究的文章發現，當這類回饋是正面的、籠統到幾乎適用於任何人，而且人們相信它是專門為自己分析出來的時候，就比較容易接受。[7]

類型描述常常同時符合這三點。這不代表它們毫無價值，但代表「這聽起來完全就是我」無法區分有效的測驗和星座運勢。上面提到的檢驗，也就是一致性、和他人看法是否一致、能否預測，才能區分。

評估任何人格測驗的檢核清單

  1. 它有說明題目從哪裡來嗎？研究用的測驗會使用已發表的題組，例如公眾領域的 IPIP。[18]
  2. 它有拿你和真實的人比較嗎？以明確交代的常模樣本換算的百分等級，比在任意量表上的「高」或「低」更有意義。
  3. 它有公布信度嗎？找找看有沒有 Cronbach’s α 這類數據。
  4. 它有呈現分數，而不只是標籤嗎？連續的分數才反映特質實際的分布方式。[11]
  5. 當你接近中間時，它會告訴你嗎？臨界的結果是類型翻轉的主要來源。[4]
  6. 它對職涯或感情的說法有引用證據嗎？而且有誠實地交代效果大小嗎？
  7. 它有說明自己的限制嗎？自陳式測驗不是臨床診斷，也不是招募工具。

64 Types 的表現如何

我們依照這份檢核清單打造 64 Types：62 題公眾領域的 IPIP 題目、每個量尺以約 2 萬筆真實作答換算的百分等級、公開的信度、附上替代代碼的臨界標示，以及全篇附出處的說法。它的限制也清楚交代：常模樣本是線上自願者，偏向年輕、以英語為主。詳細內容請看〈64 Types 測驗如何運作〉和我們的科學根據頁面。

常見問題

網路上的人格測驗準嗎？

要看是哪一份測驗。以經過驗證的題組和真實常模打造的測驗，分數相當穩定，也和別人眼中的你一致。[1] 沒有公開題目、常模或信度數據的測驗，則無從評估。

為什麼我每次做人格測驗結果都不一樣？

通常是因為你在一項以上的特質落在中間附近，所以小小的波動就讓字母翻轉。[4][5] 你背後的分數，很可能比類型標籤穩定得多。

什麼是巴納姆效應？

一種把模糊、普遍適用的描述，當成準確的個人描述來接受的傾向，尤其是當描述是正面的、又被包裝成為你量身打造的時候。[6][7]

人格測驗能預測工作表現嗎？

可以，但程度不大。盡責性能預測各職業的表現，[13] 而他人評分的預測力可能比自評更好。[1] 這些效果太小，無法可靠地評斷單一個人。

參考文獻

  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.

我們如何撰寫指南：每一項研究說法都引用同儕審查的文獻，效果大小依照原始發表的數據呈現，超出證據範圍的建議則標示為「實用建議」。詳情請看方法與資料來源。發現錯誤嗎？請寫信到 [email protected]。

相關指南

MBTI 有科學根據嗎？研究真正的結論

MBTI 的 4 個量尺測得到真實的特質，但「16 型」並不成立。從信度、效度、重測結果不同到它漏掉的特質，附出處平衡解析 MBTI 準不準。

64 Types 測驗如何運作：題目、計分、常模與臨界標示

公開透明地說明 64 Types 人格測驗：62 道題目從哪裡來、如何計分、百分等級（PR）如何計算，以及臨界標示代表什麼意思。

人格類型會改變嗎？縱貫研究的發現

人格相當穩定，但不是固定不變。特質如何隨年齡、心理治療與刻意努力改變，以及為什麼重測時你的類型代碼可能不一樣。附研究出處。