▌好測(cè)驗(yàn)的四個(gè)標(biāo)準(zhǔn)
大家在選擇人才測(cè)評(píng)工具的時(shí)候不是隨隨便便選的，而是一定要有過硬的理由。所以好的測(cè)評(píng)工具應(yīng)達(dá)到四個(gè)標(biāo)準(zhǔn)。第一個(gè)是信度。第二個(gè)是效度。第三個(gè)是效用，即，我選擇的測(cè)評(píng)工具是不是有投資回報(bào)。在美國(guó)還存在一個(gè)問題是法律風(fēng)險(xiǎn)。美國(guó)有很多少數(shù)族群，尤其是黑人，使用這些測(cè)試有時(shí)會(huì)讓他們感覺被歧視。如果公司拿不出證據(jù)來(lái)證明所用的測(cè)試工具是合法的，就有可能被控非法歧視，引發(fā)很大的經(jīng)濟(jì)賠償。所以在測(cè)試工具的使用上規(guī)避法律風(fēng)險(xiǎn)也是非常重要的。我回國(guó)前曾在AT&T工作過兩年，因此很了解這些情況。第四個(gè)是可行性。測(cè)評(píng)工具如果在操作上很復(fù)雜的話，會(huì)給實(shí)際運(yùn)用帶來(lái)不便。為什么最近一段時(shí)間人格/個(gè)性測(cè)評(píng)工具非常流行呢，因?yàn)樗鄬?duì)來(lái)說比較好操作，在網(wǎng)上測(cè)試即可。而且在線的個(gè)性人格測(cè)評(píng)對(duì)所有員工都是適用的。但像人才評(píng)價(jià)中心一類的操作就比較復(fù)雜、成本也相對(duì)較高，所以使用的范圍就大大受到限制。
信度和效度的基本概念
按照國(guó)際標(biāo)準(zhǔn)（也就是美國(guó)標(biāo)準(zhǔn)），信度系數(shù)大于0.9的測(cè)評(píng)工具是優(yōu)秀的測(cè)評(píng)工具。一般來(lái)說，業(yè)界通常將信度系數(shù)的低限設(shè)定為0.7，如果信度達(dá)不到這個(gè)低限，就意味著測(cè)評(píng)工具需要修改。美國(guó)勞工部專門有一個(gè)指南（見表1），幫助企業(yè)選擇測(cè)評(píng)工具。
表1：
信度系數(shù) | 解釋準(zhǔn)則 |
≥0.90 | 優(yōu)秀 |
0.80-0.89 | 良好 |
0.70-0.79 | 合格 |
<0.70 | 適用性有限，需修改 |
在國(guó)內(nèi)，大家對(duì)MBTI非常了解。但MBTI的信度恰恰是很成問題的。大家的資料上有篇文章叫做《告別MBTI》，是沃頓商學(xué)院格蘭特教授寫的。他前后兩次體驗(yàn)了MBTI，但兩次的測(cè)試結(jié)果完全不一樣。第一次的測(cè)試結(jié)果是INTJ（內(nèi)向-直覺-思考-判斷），但是過了幾個(gè)月再做測(cè)試就變成了ESFP（外傾-感覺-情感-知覺）。同樣一個(gè)人，短短幾個(gè)月之內(nèi)性格就發(fā)生了這么大的變化，是不太可能的。這說明MBTI的重測(cè)信度是經(jīng)不住嚴(yán)格檢驗(yàn)的，學(xué)術(shù)界對(duì)這個(gè)局限性也有很多批評(píng)。所以在美國(guó)，類似的工具人們就不敢輕易使用，因?yàn)闀?huì)有法律上的風(fēng)險(xiǎn)。MBTI的使用手冊(cè)開宗明義就講到該測(cè)驗(yàn)是不能用于人員選拔的。
接下來(lái)說說效度的概念。我這里參照的是Page博士之前在明尼蘇達(dá)大學(xué)授課用的教材。效度分為幾個(gè)類型。
第一個(gè)是表面效度
測(cè)評(píng)工具要在表面上讓被評(píng)人覺得這是在測(cè)試所要的心理特性（如個(gè)性）。
第二個(gè)是內(nèi)容效度
情景模擬測(cè)試的內(nèi)容效度通常很高，因?yàn)榍榫澳M都是通過分析工作崗位職責(zé)和工作內(nèi)容而提煉出來(lái)的。所以它測(cè)試的內(nèi)容和實(shí)際的工作是接近的。
第三個(gè)是結(jié)構(gòu)效度
它是指一個(gè)測(cè)量工具是否測(cè)量了它本應(yīng)測(cè)量的內(nèi)容。例如Page博士的WBI是基于大五人格模型開發(fā)的，我們對(duì)三個(gè)國(guó)家（美國(guó)、中國(guó)和泰國(guó)）的測(cè)試數(shù)據(jù)都做了探索性因素分析，來(lái)檢驗(yàn)WBI的五維度結(jié)構(gòu)效度。結(jié)果都驗(yàn)證了WBI能明確檢測(cè)出人格的五個(gè)維度。
我想重點(diǎn)說說第四種類型的效度，也是實(shí)證的效度，它可以分為同時(shí)效度和預(yù)測(cè)效度。
測(cè)評(píng)工具對(duì)企業(yè)最大的幫助就在于它能預(yù)測(cè)員工未來(lái)的工作表現(xiàn)。選拔員工的時(shí)候，企業(yè)運(yùn)用某個(gè)測(cè)評(píng)工具測(cè)得一個(gè)分?jǐn)?shù)，過了三個(gè)月、六個(gè)月或者一年以后，把員工的工作表現(xiàn)和之前的測(cè)試結(jié)果做一個(gè)相關(guān)，這就叫預(yù)測(cè)效度設(shè)計(jì)。但是對(duì)于企業(yè)來(lái)說，預(yù)測(cè)效度設(shè)計(jì)是有風(fēng)險(xiǎn)的，因?yàn)樵谘芯侩A段，企業(yè)必須將參加測(cè)試的候選人不經(jīng)篩選地招進(jìn)來(lái)，才能做業(yè)績(jī)跟蹤；而如果將不合適的員工招進(jìn)來(lái)跟蹤數(shù)月，實(shí)際上已經(jīng)給企業(yè)帶來(lái)了損失。所以，大多數(shù)企業(yè)并不愿意這么做，只有少數(shù)愿意支持嚴(yán)謹(jǐn)研究的企業(yè)才會(huì)愿意（例如上世紀(jì)50年代著名的AT&T評(píng)價(jià)中心效度研究）。
因此，要證明一個(gè)測(cè)評(píng)工具是否有效，也可以對(duì)企業(yè)現(xiàn)有的員工進(jìn)行測(cè)評(píng)，看測(cè)評(píng)工具能否區(qū)分出好的員工和差的員工，這樣也能看出一個(gè)測(cè)評(píng)工具能否預(yù)測(cè)員工未來(lái)的工作表現(xiàn)。這就叫做同時(shí)效度設(shè)計(jì)，雖然它也同樣存在局限性。
除了表面效度沒有價(jià)值以外，其它四種效度都是有實(shí)際價(jià)值、并且可以在法庭上作為證據(jù)使用的（參考美國(guó)工業(yè)組織心理學(xué)會(huì)的正式文件）。從商業(yè)邏輯上來(lái)說，雇主采用選拔的程序、工具來(lái)挑選優(yōu)秀的人才，并預(yù)期他們未來(lái)給企業(yè)帶來(lái)更好的業(yè)績(jī)，這是正當(dāng)、合理的要求。
在美國(guó)，選用測(cè)評(píng)工具進(jìn)行人員篩選會(huì)存在非法歧視的風(fēng)險(xiǎn)。企業(yè)在選擇錄用/不錄用某個(gè)人的時(shí)候，必須要證明篩選過程不存在非法歧視。此時(shí)，如果測(cè)評(píng)工具能提供效度證據(jù)，就可避免法律訴訟的風(fēng)險(xiǎn)；如果不能提供效度證據(jù)，或無(wú)法自證沒有歧視，就可能被判高額賠償。例如專門負(fù)責(zé)托福和GRE的美國(guó)教育考試服務(wù)中心（ETS）就曾因非法歧視而惹上官司，做出巨額賠償。這說明即便是專業(yè)的測(cè)評(píng)機(jī)構(gòu)也會(huì)有考慮不周的情況。所以，美國(guó)企業(yè)在應(yīng)用這些測(cè)評(píng)工具時(shí)必須非常慎重。
一百多年來(lái)，心理學(xué)家們研究了很多測(cè)評(píng)工具和方法。他們發(fā)現(xiàn)，不同的測(cè)評(píng)工具的效度是不一樣的（見圖3）。評(píng)價(jià)中心雖然操作起來(lái)比較復(fù)雜，但相對(duì)來(lái)說效度較高。此外，結(jié)構(gòu)化面試、工作樣本和IQ測(cè)驗(yàn)的效度也是比較高的。一般來(lái)說個(gè)性測(cè)驗(yàn)的效度算是中等，因?yàn)閭€(gè)性測(cè)驗(yàn)存在一個(gè)“偽裝好”的挑戰(zhàn)。而且個(gè)性測(cè)驗(yàn)相對(duì)來(lái)說都是在線測(cè)評(píng)，成本低廉，所以能達(dá)到這樣的效度已經(jīng)很不錯(cuò)了。如果在美國(guó)你用占星術(shù)或者筆跡學(xué)進(jìn)行篩選的話肯定是非法的。
剛剛說到MBTI的信度很低，在效度上，也有大量證據(jù)表明其MBTI不能預(yù)測(cè)員工未來(lái)的工作表現(xiàn)。此外，MBTI的結(jié)構(gòu)效度上也存在問題（參見格蘭特一文）。根據(jù)MBTI，思考和情感屬于同一類別，是一個(gè)維度的兩極，但其實(shí)它們是相互獨(dú)立的兩類特質(zhì)。三十多年的研究都表明，你可以既喜歡概念和數(shù)據(jù)，也喜歡人際交往和感受情緒。結(jié)構(gòu)效度不良，也使MBTI的有效性大打折扣。
今天的市場(chǎng)上鮮有中國(guó)心理學(xué)家開發(fā)的人格/個(gè)性的測(cè)評(píng)工具，這類工具大多是從國(guó)外引進(jìn)的。然而，國(guó)外的測(cè)評(píng)工具如果沒有經(jīng)過本土化研究，而只是簡(jiǎn)單地翻譯過來(lái)，信效度就會(huì)受到影響。比如MMPI經(jīng)過很多年的研究才做到了本土化。16PF和EPQ在80年代就有了中文版，也曾有大量的研究制定出中國(guó)常模，但目前二者都遇到版權(quán)的問題。中國(guó)在90年代之前幾乎沒有版權(quán)的概念，進(jìn)入WTO以后，這些中文版的測(cè)評(píng)工具都沒有獲得版權(quán)，因而嚴(yán)格意義上都是非法的。在沒有版權(quán)的情況下，沒有人會(huì)去研究、更新這些測(cè)評(píng)工具，因?yàn)檫@樣的投入沒有回報(bào)，所以現(xiàn)在中國(guó)沒有正宗的16PF。大家會(huì)發(fā)現(xiàn)正規(guī)的企業(yè)，尤其是知名跨國(guó)公司基本沒有人會(huì)用16PF。1999年，我在美國(guó)人事決策國(guó)際公司（PDI）做首席代表，當(dāng)時(shí)我們把PDI專門用來(lái)篩選基層員工的誠(chéng)信測(cè)評(píng)工具EI引入中國(guó)，結(jié)果發(fā)現(xiàn)它并沒有效度，只得放棄在中國(guó)的推廣。如果一個(gè)測(cè)評(píng)工具未曾進(jìn)行效度研究，那么它就不應(yīng)推廣。中歐的一位知名教授現(xiàn)在在推廣PDP，但Page博士在美國(guó)并未見到過這個(gè)工具，我也沒有看到它在中國(guó)應(yīng)用的效度證據(jù)。在我看來(lái)，這些測(cè)評(píng)工具都是可疑的。因?yàn)檫@些測(cè)評(píng)工具的開發(fā)者可以在學(xué)術(shù)界（比如在工業(yè)組織心理學(xué)年會(huì)上）通過學(xué)術(shù)交流來(lái)打擂臺(tái)，但是實(shí)際上他們并沒有這樣做。外行人通常看不懂這些專業(yè)性很強(qiáng)的測(cè)試工具的技術(shù)參數(shù)，所以同行的評(píng)議和檢驗(yàn)往往是比較有效的。我們可以看到，很多工具雖然在大力推廣，但是真正的效果是值得質(zhì)疑的。
中國(guó)引進(jìn)最多的測(cè)評(píng)工具都是用于職業(yè)發(fā)展的，例如當(dāng)下流行的DISC、MBTI、九型人格以及其他一些測(cè)評(píng)工具。大家都知道，職業(yè)發(fā)展的測(cè)評(píng)都是為被評(píng)人本人服務(wù)的，測(cè)試的報(bào)告只給被評(píng)人自己看，而且現(xiàn)場(chǎng)就能得到分?jǐn)?shù)，像MBTI如何算分?jǐn)?shù)自己都是非常清楚的。由于問卷結(jié)果是給自己看的，所以這類問卷不需要應(yīng)對(duì)“偽裝好”的問題，因此開發(fā)的技術(shù)等級(jí)是非常低的。一旦將這類測(cè)評(píng)工具用于選拔，情況就完全不同了，就要經(jīng)受“偽裝好”的考驗(yàn)。
我特意查了一下DISC的情況。美國(guó)出版商Inscape的網(wǎng)站上有很多效度報(bào)告。我查看了這些效度報(bào)告以后，發(fā)現(xiàn)有關(guān)DISC的效度研究報(bào)告沒有任何關(guān)于校標(biāo)關(guān)聯(lián)效度（即，預(yù)測(cè)效度和同時(shí)效度）的研究。所以這樣的測(cè)驗(yàn)不是用于選拔的，因?yàn)椴挥糜谶x拔就不需要預(yù)測(cè)效度和同時(shí)效度。
▌效度研究范例——安全行為傾向測(cè)驗(yàn)（API）的同時(shí)效度研究
我接下來(lái)說說怎樣證明一個(gè)測(cè)評(píng)工具是有效的。這里我給大家分享一個(gè)安全行為測(cè)評(píng)(API)的案例。
能源化工行業(yè)很容易發(fā)生事故，比如中石化的青島爆炸事件。有些人的個(gè)性桀驁不馴，可能會(huì)很有創(chuàng)意，比如喬布斯，但如果讓這類人去安裝操作器械裝置的話，他可能很不耐煩。這類人在某些時(shí)刻（緊張壓力狀態(tài)下）就容易闖禍，這就和個(gè)性或者人格有關(guān)。API就是專門用來(lái)預(yù)測(cè)一個(gè)人是否適合安排在安全生產(chǎn)崗位上的。我們的一個(gè)客戶在安全生產(chǎn)方面臨嚴(yán)峻的挑戰(zhàn)，因此他找到我們，希望我們幫助他鑒別哪些人在安全生產(chǎn)上是不牢靠的。我們采用的測(cè)評(píng)工具就是API，并且采用同時(shí)效度作為證據(jù)。我們讓100個(gè)一線操作工人做這個(gè)測(cè)驗(yàn)，得到一組分?jǐn)?shù)；同時(shí)讓這100人的主管給這些工人過去一年的安全行為表現(xiàn)打分。對(duì)這兩組分?jǐn)?shù)進(jìn)行相關(guān)統(tǒng)計(jì)分析，得出的相關(guān)系數(shù)就叫同時(shí)效度。我們發(fā)現(xiàn)有兩個(gè)API指標(biāo)的得分高低和工人的安全行為表現(xiàn)分?jǐn)?shù)有顯著相關(guān)。
效度系數(shù)是一個(gè)非常抽象的概念。我們先來(lái)看看API得分高和低的兩組在安全行為表現(xiàn)上的分?jǐn)?shù)會(huì)不會(huì)一樣。我們發(fā)現(xiàn)在安全知識(shí)、安全行為、分享安全經(jīng)驗(yàn)和報(bào)告不安全行為這幾項(xiàng)上，API得分高的人的分?jǐn)?shù)也比較高。API得分低的人在這些指標(biāo)上得分也比較低（見圖4）。
我們?cè)賮?lái)看看參考錄取分?jǐn)?shù)線。圖5橫線是安全行為表現(xiàn)的達(dá)標(biāo)線，豎線是參考錄用分?jǐn)?shù)線。我們把這100人按照兩個(gè)得分放在這四個(gè)象限里，大家可以看到91.6%的人是符合要求的，還有不到百分之十的人是應(yīng)該被篩除的。那也說明這個(gè)測(cè)驗(yàn)本身能幫助企業(yè)做出正確的決策。
▌當(dāng)前人格/個(gè)性測(cè)評(píng)工具在中國(guó)應(yīng)用中的挑戰(zhàn)
在中國(guó)，人格/個(gè)性測(cè)評(píng)的應(yīng)用狀況不是很理想。首要原因是這一塊缺乏公認(rèn)的規(guī)范和相應(yīng)的法律保障。法律的缺位導(dǎo)致了測(cè)評(píng)工具的泛濫。據(jù)我了解，迄今為止，中國(guó)沒有一家公司因?yàn)闉E用心理測(cè)驗(yàn)而受到法律訴訟。當(dāng)然我相信以后中國(guó)的測(cè)評(píng)會(huì)走上規(guī)范化的道路。
第二個(gè)問題是心理測(cè)量工作者的數(shù)量和質(zhì)量都有待提高。現(xiàn)在違反測(cè)量原則和方法、測(cè)驗(yàn)使用不當(dāng)或?yàn)E用的現(xiàn)象普遍存在。我舉個(gè)例子。大家都知道IQ測(cè)驗(yàn)是要限時(shí)的，但是人格/個(gè)性類的測(cè)試時(shí)間是不受限的。我碰到一個(gè)客戶向我反映，他們的供應(yīng)商把個(gè)性和IQ測(cè)驗(yàn)放到一張問卷上，被評(píng)人可以給兩部分題目自由分配時(shí)間，這就違背了測(cè)試的規(guī)則。我不知道在座有多少人聽過菲爾人格測(cè)驗(yàn)，我自己是看到有一個(gè)國(guó)內(nèi)的公司在招聘時(shí)竟然用這個(gè)測(cè)驗(yàn)。但其實(shí)網(wǎng)上流傳的菲爾人格測(cè)驗(yàn)是用于娛樂的。這個(gè)所謂的人格測(cè)驗(yàn)沒有經(jīng)過正規(guī)的信效度研究。美國(guó)加州消費(fèi)者保護(hù)局下屬的心理學(xué)委員會(huì)（the California Board of Psychology）曾于2002年指出，菲爾的電視節(jié)目是娛樂性的，不是心理學(xué)節(jié)目，無(wú)須心理學(xué)執(zhí)業(yè)牌照。所以這種測(cè)驗(yàn)在招聘上根本不可能是合法的。
第三個(gè)原因是實(shí)證效度的研究很難在中國(guó)企業(yè)中開展，所以中國(guó)少有效度研究的證據(jù)。由于中國(guó)經(jīng)濟(jì)的市場(chǎng)化才20多年，很多企業(yè)、尤其是政府機(jī)構(gòu)、國(guó)有企業(yè)等單位在員工業(yè)績(jī)考評(píng)數(shù)據(jù)的收集上還存在較大的難度，缺乏有效的校標(biāo)數(shù)據(jù)。隨著中國(guó)經(jīng)濟(jì)市場(chǎng)化程度的提高，應(yīng)該會(huì)有越來(lái)越多的企業(yè)重視這個(gè)問題，因?yàn)樗鼤?huì)影響到企業(yè)的經(jīng)濟(jì)效益。沒有效度研究，就不能給企業(yè)帶來(lái)效益回報(bào)。效度證據(jù)需要專業(yè)的人員，同時(shí)還需要大量的資金投入，如果沒有法律規(guī)范的話很多企業(yè)會(huì)沒有動(dòng)力去做這個(gè)。
第四個(gè)原因是國(guó)外人格/個(gè)性測(cè)驗(yàn)的引進(jìn)缺乏扎實(shí)的本土化研究。剛剛Page博士也提到的translation和back translation的問題。如果這方面做不好，中國(guó)的被評(píng)人就讀不懂題目，或者他們理解的意思與題目的原意完全不同。所以，引進(jìn)國(guó)外測(cè)評(píng)工具時(shí)需要大量的本土化研究，包括翻譯測(cè)驗(yàn)題目時(shí)符合中國(guó)人的文化習(xí)慣、信度檢驗(yàn)和持續(xù)修訂（要求在版權(quán)上要有歸屬，盜版的測(cè)驗(yàn)是沒有人去投資做這樣的研究的）等一系列工作。
總的來(lái)說，人格/個(gè)性類的測(cè)試在中國(guó)依舊面臨著很大的挑戰(zhàn)。隨著市場(chǎng)化的深入，越來(lái)越多企業(yè)需要高質(zhì)量、有價(jià)值的測(cè)評(píng)工具。有效的測(cè)評(píng)工具確實(shí)能給企業(yè)帶來(lái)效益，這應(yīng)該也會(huì)推動(dòng)測(cè)評(píng)工具的發(fā)展。謝謝大家。
來(lái)源：希典咨詢 梁開廣