效度
效度(validity)是心理测量学的核心概念,指一个测验或测量工具能够测到它所要测量的心理特质或行为的程度,也就是测量结果的有效性与正确性。它回答的问题不是“测得稳不稳定”,而是“测的究竟是不是我们想测的东西”。一个测验完全可能非常稳定地重复给出同一个错误的结果,这时信度很高而效度很低,因此效度被视为比信度更为根本的测验要求。效度不是一个孤立的数值,而是关于分数能否被合理解释、能否据以做出推论的一组证据。
概念的形成
在心理测验兴起的早期,人们对效度的理解相当朴素。比奈编制智力量表的初衷是识别需要特殊教育的学童,测验是否“有效”,主要看它能否预测学业表现,因此效度被等同于测验分数与某个外部标准之间的一致程度。这种以外部效标为准的思路后来被称为效标关联效度,它在实用层面十分直观,却留下一个难题:当测验用于测量没有现成外部标准的心理构念时,效度又该如何证明。
20世纪中叶,这一问题被正式提出。1955年,克龙巴赫(Lee Cronbach)与米尔(Paul Meehl)合作发表《测验中的构想效度》一文,主张效度检验的实质并不是简单地寻找一个外部标准,而是检验测验分数所隐含的理论构念是否成立。[1]他们把效度从一项技术指标提升为对理论的检验:如果一个测验真的测到了“焦虑”这一构念,那么它的分数就应当与理论所预言的其他变量呈现出特定的关系模式。这一转向奠定了现代效度理论的基本框架。
效度的主要类型
按传统的三分法,效度可分为内容效度、效标关联效度和构想效度,三者考察的角度不同,却共同服务于“分数能否被正确解释”这一总问题。内容效度指测验题目对所要测量的内容领域的代表程度,它关心的是一套题目有没有覆盖该领域的各个重要方面、有没有引入无关内容,通常依靠领域专家逐题审读来判断,在成就测验与资格考试的编制中尤为重要。它的判断带有主观性,缺乏统一的量化指标,这是它长期受到批评的地方。与之相关但性质不同的是表面效度,它指测验从题目字面上看是否像在测所要测的东西;表面效度只影响被试的接受程度与合作意愿,本身并不构成真正的效度证据,却常被误当作效度本身。
效标关联效度指测验分数与某一外部效标之间的相关程度,按时间关系又分为同时效度与预测效度。前者是测验分数与同时获得的效标的一致性,后者是测验分数对未来表现的预测力。高考分数对大学学业成绩的预测,就是典型的预测效度问题。构想效度则是最为综合也最难确立的一类,它不依赖单一效标,而是把测验置于一个由相关构念组成的理论网络中,通过观察测验分数与这些构念的预期关系是否成立来间接验证。三者并非彼此独立,构想效度的论证往往要借助前两类证据。[2]
效度的验证方法
构想效度的验证有一套被广泛采用的技术路线。其一是相关分析,即考察测验分数与理论上应该相关和不应该相关的变量的关系。其二是实验操纵,通过已知会改变某构念的干预来看测验分数是否随之变化,即所谓已知团体法,例如用经过训练的组与未训练组在测验上的差异来支持测验的敏感性。其三是因素分析,通过分析题目之间的相关结构,检验实测数据是否呈现出理论所预期的维度。
在这些方法中,坎贝尔(Donald Campbell)与菲斯克(Donald Fiske)于1959年提出的多质多法矩阵影响深远。他们主张,一个构念的测量应当同时满足两个条件:用不同方法测量同一特质时,结果应当高度一致,这叫聚合效度;用同一方法测量不同特质时,结果应当可以区分,这叫区分效度。把多个特质与多种方法交叉排列成矩阵,就能同时检验这两方面。这一思路把效度论证从单相关系数扩展为一张关系网络,成为此后测验效度研究的范式。[3]
影响效度的因素
效度不是测验的固有属性,它会随使用情境与样本而变化,这一点常被忽视。最典型的是全距限制:当样本在某特质上过于同质,分数分布被压缩,测验与效标之间的相关就会被系统性地低估。用一组经过严格选拔、能力都很接近的人去估计某能力测验的效标效度,得到的系数往往远低于在一般人群中得到的值,若据此判定测验无效,便是误读。
效标本身的质量同样关键。效标污染指效标分数受到了测验分数或评定者主观印象的影响,例如由了解测验结果的教师去评定学生能力,效标就不再独立。效标缺陷则指效标只覆盖了构念的一部分,遗漏了重要方面。此外,测验实施的条件、被试的动机与应试策略、题目本身的文化偏向,都会侵蚀效度。一个在编制样本中效度良好的测验,换到语言、文化或教育背景不同的人群,效度证据不能想当然地照搬。
争议与局限
围绕效度最大的争论,是它究竟是一个可以分段报告的多面体,还是一个统一整体。传统教科书把效度分为三类分别报告,但克龙巴赫等人认为,这些“类型”并不是效度的不同种类,而是收集效度证据的不同方式,效度本质上只有一个,就是对分数解释的支持程度,它是渐进的、需要不断累积论证的过程,而非一次测定的结果。
教育测量学家梅塞克(Samuel Messick)进一步提出统一效度观,把效度视为对分数解释与使用的综合评价,并把测验的社会后果也纳入效度论证,即所谓后果效度。这一主张引发了持续的分歧:反对者认为,测验带来的社会后果属于政策与伦理问题,不应与测验本身是否测量准确混为一谈,否则效度概念将被无限扩张而失去边界;支持者则认为,脱离使用情境谈效度是不完整的。这场争论至今没有定论,却提醒人们,效度从来不是纯技术问题。[4]
应用与评价
在实际应用中,效度证据是任何标准化测验手册的必备内容。教育测验要报告内容效度与预测效度,临床量表要报告与诊断结果的一致性及区分效度,人事选拔工具则必须提供对工作绩效的预测证据。没有效度支持的测验,即便信度再高,也不能用于重要决策,因为稳定地测错比不稳定地测对危害更大。
从评价的角度看,效度的地位无可替代,它把测量从“给分数”变成“给可解释的分数”,使心理学能够以量化方式研究看不见的构念。但它的局限也同样明显:效度证据总是局部的、依赖样本与情境的,任何“高效度”的宣称都必须附带条件。正因如此,现代测量学不再追问“这个测验有效吗”,而是追问“在这个人群、这个用途下,有什么证据支持这样的分数解释”。这种从绝对判断向条件化论证的转变,正是效度概念成熟的标志。
参考资料
- ↑ Validity,Simply Psychology,2024年访问
- ↑ Psychological Testing,Encyclopaedia Britannica,2024年访问
- ↑ APA Dictionary of Psychology,American Psychological Association,2024年访问
- ↑ 中国心理学会官网,中国心理学会,2024年访问