▌好測驗的四個標(biāo)準(zhǔn)
大家在選擇人才測評工具的時候不是隨隨便便選的，而是一定要有過硬的理由。所以好的測評工具應(yīng)達到四個標(biāo)準(zhǔn)。第一個是信度。第二個是效度。第三個是效用，即，我選擇的測評工具是不是有投資回報。在美國還存在一個問題是法律風(fēng)險。美國有很多少數(shù)族群，尤其是黑人，使用這些測試有時會讓他們感覺被歧視。如果公司拿不出證據(jù)來證明所用的測試工具是合法的，就有可能被控非法歧視，引發(fā)很大的經(jīng)濟賠償。所以在測試工具的使用上規(guī)避法律風(fēng)險也是非常重要的。我回國前曾在AT&T工作過兩年，因此很了解這些情況。第四個是可行性。測評工具如果在操作上很復(fù)雜的話，會給實際運用帶來不便。為什么最近一段時間人格/個性測評工具非常流行呢，因為它相對來說比較好操作，在網(wǎng)上測試即可。而且在線的個性人格測評對所有員工都是適用的。但像人才評價中心一類的操作就比較復(fù)雜、成本也相對較高，所以使用的范圍就大大受到限制。
信度和效度的基本概念
按照國際標(biāo)準(zhǔn)（也就是美國標(biāo)準(zhǔn)），信度系數(shù)大于0.9的測評工具是優(yōu)秀的測評工具。一般來說，業(yè)界通常將信度系數(shù)的低限設(shè)定為0.7，如果信度達不到這個低限，就意味著測評工具需要修改。美國勞工部專門有一個指南（見表1），幫助企業(yè)選擇測評工具。
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 |
在國內(nèi)，大家對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。他前后兩次體驗了MBTI，但兩次的測試結(jié)果完全不一樣。第一次的測試結(jié)果是INTJ（內(nèi)向-直覺-思考-判斷），但是過了幾個月再做測試就變成了ESFP（外傾-感覺-情感-知覺）。同樣一個人，短短幾個月之內(nèi)性格就發(fā)生了這么大的變化，是不太可能的。這說明MBTI的重測信度是經(jīng)不住嚴(yán)格檢驗的，學(xué)術(shù)界對這個局限性也有很多批評。所以在美國，類似的工具人們就不敢輕易使用，因為會有法律上的風(fēng)險。MBTI的使用手冊開宗明義就講到該測驗是不能用于人員選拔的。
接下來說說效度的概念。我這里參照的是Page博士之前在明尼蘇達大學(xué)授課用的教材。效度分為幾個類型。
第一個是表面效度
測評工具要在表面上讓被評人覺得這是在測試所要的心理特性（如個性）。
第二個是內(nèi)容效度
情景模擬測試的內(nèi)容效度通常很高，因為情景模擬都是通過分析工作崗位職責(zé)和工作內(nèi)容而提煉出來的。所以它測試的內(nèi)容和實際的工作是接近的。
第三個是結(jié)構(gòu)效度
它是指一個測量工具是否測量了它本應(yīng)測量的內(nèi)容。例如Page博士的WBI是基于大五人格模型開發(fā)的，我們對三個國家（美國、中國和泰國）的測試數(shù)據(jù)都做了探索性因素分析，來檢驗WBI的五維度結(jié)構(gòu)效度。結(jié)果都驗證了WBI能明確檢測出人格的五個維度。
我想重點說說第四種類型的效度，也是實證的效度，它可以分為同時效度和預(yù)測效度。
測評工具對企業(yè)最大的幫助就在于它能預(yù)測員工未來的工作表現(xiàn)。選拔員工的時候，企業(yè)運用某個測評工具測得一個分?jǐn)?shù)，過了三個月、六個月或者一年以后，把員工的工作表現(xiàn)和之前的測試結(jié)果做一個相關(guān)，這就叫預(yù)測效度設(shè)計。但是對于企業(yè)來說，預(yù)測效度設(shè)計是有風(fēng)險的，因為在研究階段，企業(yè)必須將參加測試的候選人不經(jīng)篩選地招進來，才能做業(yè)績跟蹤；而如果將不合適的員工招進來跟蹤數(shù)月，實際上已經(jīng)給企業(yè)帶來了損失。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)才會愿意（例如上世紀(jì)50年代著名的AT&T評價中心效度研究）。
因此，要證明一個測評工具是否有效，也可以對企業(yè)現(xiàn)有的員工進行測評，看測評工具能否區(qū)分出好的員工和差的員工，這樣也能看出一個測評工具能否預(yù)測員工未來的工作表現(xiàn)。這就叫做同時效度設(shè)計，雖然它也同樣存在局限性。
除了表面效度沒有價值以外，其它四種效度都是有實際價值、并且可以在法庭上作為證據(jù)使用的（參考美國工業(yè)組織心理學(xué)會的正式文件）。從商業(yè)邏輯上來說，雇主采用選拔的程序、工具來挑選優(yōu)秀的人才，并預(yù)期他們未來給企業(yè)帶來更好的業(yè)績，這是正當(dāng)、合理的要求。
在美國，選用測評工具進行人員篩選會存在非法歧視的風(fēng)險。企業(yè)在選擇錄用/不錄用某個人的時候，必須要證明篩選過程不存在非法歧視。此時，如果測評工具能提供效度證據(jù)，就可避免法律訴訟的風(fēng)險；如果不能提供效度證據(jù)，或無法自證沒有歧視，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)的測評機構(gòu)也會有考慮不周的情況。所以，美國企業(yè)在應(yīng)用這些測評工具時必須非常慎重。
一百多年來，心理學(xué)家們研究了很多測評工具和方法。他們發(fā)現(xiàn)，不同的測評工具的效度是不一樣的（見圖3）。評價中心雖然操作起來比較復(fù)雜，但相對來說效度較高。此外，結(jié)構(gòu)化面試、工作樣本和IQ測驗的效度也是比較高的。一般來說個性測驗的效度算是中等，因為個性測驗存在一個“偽裝好”的挑戰(zhàn)。而且個性測驗相對來說都是在線測評，成本低廉，所以能達到這樣的效度已經(jīng)很不錯了。如果在美國你用占星術(shù)或者筆跡學(xué)進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)測員工未來的工作表現(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，是一個維度的兩極，但其實它們是相互獨立的兩類特質(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。
今天的市場上鮮有中國心理學(xué)家開發(fā)的人格/個性的測評工具，這類工具大多是從國外引進的。然而，國外的測評工具如果沒有經(jīng)過本土化研究，而只是簡單地翻譯過來，信效度就會受到影響。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常模，但目前二者都遇到版權(quán)的問題。中國在90年代之前幾乎沒有版權(quán)的概念，進入WTO以后，這些中文版的測評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，沒有人會去研究、更新這些測評工具，因為這樣的投入沒有回報，所以現(xiàn)在中國沒有正宗的16PF。大家會發(fā)現(xiàn)正規(guī)的企業(yè)，尤其是知名跨國公司基本沒有人會用16PF。1999年，我在美國人事決策國際公司（PDI）做首席代表，當(dāng)時我們把PDI專門用來篩選基層員工的誠信測評工具EI引入中國，結(jié)果發(fā)現(xiàn)它并沒有效度，只得放棄在中國的推廣。如果一個測評工具未曾進行效度研究，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博士在美國并未見到過這個工具，我也沒有看到它在中國應(yīng)用的效度證據(jù)。在我看來，這些測評工具都是可疑的。因為這些測評工具的開發(fā)者可以在學(xué)術(shù)界（比如在工業(yè)組織心理學(xué)年會上）通過學(xué)術(shù)交流來打擂臺，但是實際上他們并沒有這樣做。外行人通常看不懂這些專業(yè)性很強的測試工具的技術(shù)參數(shù)，所以同行的評議和檢驗往往是比較有效的。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。
中國引進最多的測評工具都是用于職業(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評工具。大家都知道，職業(yè)發(fā)展的測評都是為被評人本人服務(wù)的，測試的報告只給被評人自己看，而且現(xiàn)場就能得到分?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“偽裝好”的問題，因此開發(fā)的技術(shù)等級是非常低的。一旦將這類測評工具用于選拔，情況就完全不同了，就要經(jīng)受“偽裝好”的考驗。
我特意查了一下DISC的情況。美國出版商Inscape的網(wǎng)站上有很多效度報告。我查看了這些效度報告以后，發(fā)現(xiàn)有關(guān)DISC的效度研究報告沒有任何關(guān)于校標(biāo)關(guān)聯(lián)效度（即，預(yù)測效度和同時效度）的研究。所以這樣的測驗不是用于選拔的，因為不用于選拔就不需要預(yù)測效度和同時效度。
▌效度研究范例——安全行為傾向測驗（API）的同時效度研究
我接下來說說怎樣證明一個測評工具是有效的。這里我給大家分享一個安全行為測評(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。有些人的個性桀驁不馴，可能會很有創(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。這類人在某些時刻（緊張壓力狀態(tài)下）就容易闖禍，這就和個性或者人格有關(guān)。API就是專門用來預(yù)測一個人是否適合安排在安全生產(chǎn)崗位上的。我們的一個客戶在安全生產(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。我們采用的測評工具就是API，并且采用同時效度作為證據(jù)。我們讓100個一線操作工人做這個測驗，得到一組分?jǐn)?shù)；同時讓這100人的主管給這些工人過去一年的安全行為表現(xiàn)打分。對這兩組分?jǐn)?shù)進行相關(guān)統(tǒng)計分析，得出的相關(guān)系數(shù)就叫同時效度。我們發(fā)現(xiàn)有兩個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)是一個非常抽象的概念。我們先來看看API得分高和低的兩組在安全行為表現(xiàn)上的分?jǐn)?shù)會不會一樣。我們發(fā)現(xiàn)在安全知識、安全行為、分享安全經(jīng)驗和報告不安全行為這幾項上，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）。
我們再來看看參考錄取分?jǐn)?shù)線。圖5橫線是安全行為表現(xiàn)的達標(biāo)線，豎線是參考錄用分?jǐn)?shù)線。我們把這100人按照兩個得分放在這四個象限里，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。那也說明這個測驗本身能幫助企業(yè)做出正確的決策。
▌當(dāng)前人格/個性測評工具在中國應(yīng)用中的挑戰(zhàn)
在中國，人格/個性測評的應(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)致了測評工具的泛濫。據(jù)我了解，迄今為止，中國沒有一家公司因為濫用心理測驗而受到法律訴訟。當(dāng)然我相信以后中國的測評會走上規(guī)范化的道路。
第二個問題是心理測量工作者的數(shù)量和質(zhì)量都有待提高。現(xiàn)在違反測量原則和方法、測驗使用不當(dāng)或濫用的現(xiàn)象普遍存在。我舉個例子。大家都知道IQ測驗是要限時的，但是人格/個性類的測試時間是不受限的。我碰到一個客戶向我反映，他們的供應(yīng)商把個性和IQ測驗放到一張問卷上，被評人可以給兩部分題目自由分配時間，這就違背了測試的規(guī)則。我不知道在座有多少人聽過菲爾人格測驗，我自己是看到有一個國內(nèi)的公司在招聘時竟然用這個測驗。但其實網(wǎng)上流傳的菲爾人格測驗是用于娛樂的。這個所謂的人格測驗沒有經(jīng)過正規(guī)的信效度研究。美國加州消費者保護局下屬的心理學(xué)委員會（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，無須心理學(xué)執(zhí)業(yè)牌照。所以這種測驗在招聘上根本不可能是合法的。
第三個原因是實證效度的研究很難在中國企業(yè)中開展，所以中國少有效度研究的證據(jù)。由于中國經(jīng)濟的市場化才20多年，很多企業(yè)、尤其是政府機構(gòu)、國有企業(yè)等單位在員工業(yè)績考評數(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)。隨著中國經(jīng)濟市場化程度的提高，應(yīng)該會有越來越多的企業(yè)重視這個問題，因為它會影響到企業(yè)的經(jīng)濟效益。沒有效度研究，就不能給企業(yè)帶來效益回報。效度證據(jù)需要專業(yè)的人員，同時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)會沒有動力去做這個。
第四個原因是國外人格/個性測驗的引進缺乏扎實的本土化研究。剛剛Page博士也提到的translation和back translation的問題。如果這方面做不好，中國的被評人就讀不懂題目，或者他們理解的意思與題目的原意完全不同。所以，引進國外測評工具時需要大量的本土化研究，包括翻譯測驗題目時符合中國人的文化習(xí)慣、信度檢驗和持續(xù)修訂（要求在版權(quán)上要有歸屬，盜版的測驗是沒有人去投資做這樣的研究的）等一系列工作。
總的來說，人格/個性類的測試在中國依舊面臨著很大的挑戰(zhàn)。隨著市場化的深入，越來越多企業(yè)需要高質(zhì)量、有價值的測評工具。有效的測評工具確實能給企業(yè)帶來效益，這應(yīng)該也會推動測評工具的發(fā)展。謝謝大家。
來源：希典咨詢 梁開廣