一、学科概览
心理测量学（Psychometrics）由两部分组成：测验与量表建设的实务，以及测量理论的数学与统计基础。它把看不见的心理属性（智力、人格、焦虑、抑郁）通过标准化题目转成可比较的数值，并用信度与效度证明这个转换值得信赖。
这条思路的起点是斯皮尔曼（Charles Spearman）在 20 世纪初对测量误差与智力的形式化处理；此后克隆巴赫（Lee Cronbach）为内部一致性提供了广泛使用的指标，项目反应理论（IRT）则把测量从「总分」推进到「题目参数与个体能力」的双向建模。
与相邻学科的边界：统计方法提供工具，测量学关心的是心理属性是否可以被有意义地量化；临床与教育提供使用者，测量学负责回答「这个分数能推出什么结论、不能推出什么结论」。
二、核心主题
量表编制与施测
标准流程通常包含六步：界定构念与其维度 → 编写题项（保证内容效度）→ 试测与项目分析（难度、区分度、题总相关）→ 结构分析与信效度检验 → 建立常模与标准化 → 编写量表手册（施测、计分、解释、常模、边界）。
施测环节同样属于测量：统一指导语与计时、控制施测环境、取得知情同意、保护隐私、反馈结果。同一份量表，施测条件不规范，得分就不可比。
信度
信度（Reliability）指测量结果的一致、稳定与可复现程度。
| 信度类型 | 回答的问题 | 常用指标 |
|---|---|---|
| 重测信度 | 跨时间是否稳定 | 相关系数、ICC |
| 内部一致性 | 题目之间是否一致 | Cronbach's α、McDonald's ω |
| 评分者间信度 | 不同评分者是否一致 | Cohen's κ、ICC |
| 复本信度 | 两个等值版本是否一致 | 平行版本相关 |
← 表格可左右滑动
测量标准误（SEM） 把信度翻译成实用的语言：它给出「分数大概在多大范围内波动」。因此报告分数时，可信区间往往比点估计更有意义。
效度
效度（Validity）关心的是「所测得的是否真的是想测的」，以及「基于分数作出的推断是否成立」。当代测量学把它理解为累加的证据与程度问题，而不是「有效／无效」的开关。
| 效度证据 | 回答的问题 | 典型做法 |
|---|---|---|
| 内容证据 | 题目是否覆盖构念 | 专家评定、内容蓝图 |
| 效标证据 | 能否预测关键结果 | 与结局指标相关、AUC |
| 构念证据 | 是否与理论结构一致 | 验证性因素分析、收敛与区分效度 |
| 后果证据 | 使用结果是否公正 | 误分类率、群体差异分析 |
← 表格可左右滑动
常模、计分与解释
- 常模：把分数放入参照人群比较；常模是否适用取决于样本代表性、时间与语言文化。
- 标准分：z 分、T 分、百分位等，用于跨工具比较。
- 界值（cutoff）：筛查与诊断常用，但必须同时关注敏感度、特异度与误分类代价。
- 临床意义与统计意义：判断「分数是否真的变化」需要结合测量标准误、可信区间与可靠变化指数（RCI）。
公平性与现代测量理论
- 测量公平性：测验不应系统性地高估或低估某个年龄、性别、文化、语言或残障群体；检验手段包括项目功能差异（DIF）分析与测量等值检验。
- 经典测量理论（CTT）：把观察分数视为真分数与误差之和，简单实用，但题目参数依赖样本。
- 项目反应理论（IRT）：同时估计题目难度、区分度、猜测参数与个体能力，支持题库建设、等值连接与计算机自适应测验。
- 概化理论与贝叶斯方法：更细致地分解误差来源，并显式表达不确定性。
三、关键理论与人物
| 理论 / 工具 | 代表人物 | 核心贡献 |
|---|---|---|
| 测量误差与因素分析 | 斯皮尔曼 | 把测量误差形式化，并发现一般智力因素 |
| 内部一致性系数 | 克隆巴赫 | 系数 α 成为最常用的信度指标 |
| 瑟斯顿与李克特量表 | 瑟斯顿、李克特 | 态度与心理量表的标准化测量方法 |
| 项目反应理论 | 拉施、洛德与诺维克 | 题目参数与能力参数的联合建模 |
| 效度理论 | 梅西克（Samuel Messick） | 把效度扩展为解释与使用的整体判断 |
← 表格可左右滑动
四、研究方法
- 因素分析：探索与验证量表结构，是构念效度的主要证据来源。
- 项目反应建模：估计题目参数、构建题库与自适应测验。
- 测量等值与 DIF 分析：检查跨群体可比性，是公平性研究的核心工具。
- 信度泛化与元分析：跨研究汇总信度与效度证据。
- 认知访谈与作答过程研究：检验被试是否按设计意图理解题目。
五、应用与相关领域
- 临床与咨询：症状量表、人格与智力测验、筛查与随访；解释须结合访谈与背景信息。
- 教育测量：学业测评、学习诊断、分数报告与公平性审查。
- 组织与人才测评：能力与人格测验、结构化面试评分体系。
- 科研：量表编制、结局指标选择、测量误差建模。
- 公共政策：调查指标、监测体系与评估工具的质量控制。
六、中国与当下
- 使用规范：国内测验的使用受心理学伦理规范与所在机构的测评管理规定约束；测验版权、常模时效与结果告知是实务中最常被忽视的三个环节。
- 常模与工具现状：常用临床与教育测验多依赖引进量表，其中相当一部分常模建立较早；本土量表的开发与更新、中文版工具的心理测量学证据，是持续的研究需求。
- 制度背景：中国心理学会（CPS，1921 年成立）及其相关专业委员会承担学术交流与专业标准相关工作；心理测量与评价方向的训练主要分布在高校心理学院系。
- 现实议题：网络心理测评的泛滥（趣味测验被当成诊断）、AI 自动评分与选题的公平性、测评数据与隐私保护、人才测评结果的解释边界。
附录 A：速查表
| 概念 | 回答的问题 | 常用指标 |
|---|---|---|
| 重测信度 | 跨时间稳定吗 | 相关系数、ICC |
| 内部一致性 | 题目一致吗 | α、ω |
| 评分者间信度 | 不同评分者一致吗 | κ、ICC |
| 内容与效标证据 | 覆盖了吗、预测了吗 | 专家评定、相关、AUC |
| 构念证据 | 测得是想要测的吗 | 验证性因素分析、收敛与区分 |
| 测量标准误 | 分数波动多大 | SEM、可信区间、RCI |
← 表格可左右滑动
附录 B：推荐阅读
教材与经典
- 斯皮尔曼关于测量误差与智力的早期论文：经典测量理论的思想起点。
- 克隆巴赫关于系数 α 的论文：内部一致性指标的标准引用。
- 洛德与诺维克《心理测验分数的统计理论》：项目反应理论的奠基之作。
- 《心理测量学》《心理测量与评估》通行教材：建立信度、效度与常模的完整框架。
期刊
- 中文：《心理学报》《心理科学》《中国考试》。
- 英文：Psychometrika、Applied Psychological Measurement、Educational and Psychological Measurement、Psychological Assessment。
组织与网站
- 美国国家教育测量委员会（NCME）：与 AERA、APA 共同发布测验标准的机构之一，网站提供测量标准与专业资源入口。
- 中国心理学会（CPS，1921 年成立）：国内心理学伦理规范与专业标准相关工作的主要平台。
- 中国科学院心理研究所：心理测量与评估方向的研究与科普资源。
指南与标准
- 《教育与心理测量标准》（Standards for Educational and Psychological Testing）：由美国教育研究协会（AERA）、美国心理学会（APA）与美国国家教育测量委员会（NCME）联合发布，2014 年版为当前通行版本，是测验开发与使用的国际参考标准。
- 国际测验委员会（ITC）测验翻译与改编指南：跨文化使用量表时的操作规范。