什么是 IQ？智商如何测量，分数又意味着什么

IQ 分数从何而来

故事始于 1905 年的巴黎。当时法国的学校需要一种公平的方法，来找出哪些孩子能从额外的帮助中受益。心理学家阿尔弗雷德·比奈与泰奥多尔·西蒙合作，编制了一系列由易到难的简短任务：遵循简单的指令、复述数字、比较长短、解释常见的词语。在 1908 年的修订版中，他们按年龄对任务进行了分组，这样孩子的表现就可以用“心理年龄”来表示，也就是一个典型儿童能完成同一组任务时的年龄。

1912 年，德国心理学家威廉·斯特恩提出用心理年龄除以实际年龄。1916 年，斯坦福大学的刘易斯·推孟为美国儿童改编了比奈的任务，并把这个比值乘以 100，“IQ”一词由此进入了日常语言。一个表现相当于典型 12 岁儿童的 10 岁孩子，得分就是 120。

这个比值对儿童相当适用，但对成人就失灵了。成年以后，人们在这些任务上的表现不再稳步提高，因此按比值计算，一个能力完全稳定的 40 岁成年人看起来就像每年都在退步。1939 年，大卫·韦克斯勒用一个不同的思路解决了这个问题。他不再计算比值，而是把每个人与同龄的其他人相比较，并用与该群体平均水平的距离来表示结果。这就是离差智商，几乎所有现代智力测试都采用这种方法。Corwin Boake 的智力测试史详细梳理了从比奈-西蒙量表到韦克斯勒量表的这段历程。

离差智商：100 和 15 究竟意味着什么

原始分数本身几乎没有意义。在 32 道谜题中答对 24 道，在难的测试上可能非常出色，在简单的测试上可能只是普通水平。为了把原始分数转换为 IQ，测试开发者会让一个大型参照群体完成测试，记录每个年龄段的分数如何分布，然后把每个新结果表示为它在这一分布中的位置。

量表由两个数字确定：

• 中心值 100。100 分意味着您的表现正好位于同龄参照群体的中间。
• 标准差 15。这是距离的单位。115 分比中心高一个标准差，130 分高两个标准差，85 分则低一个标准差。

当分数服从人们熟悉的钟形正态曲线时，这些距离就对应着可以预测的比例：

这就是 IQ 分数总是相对的原因。它并不是以某种绝对单位计算您“拥有”多少智力，而是告诉您，在特定的时间、特定的一组任务上，您的表现与某个特定群体相比处于什么位置。

时间这一因素比您想象的更重要。在许多国家，IQ 测试的平均成绩在整个 20 世纪都在上升，这一现象被称为弗林效应。一项涵盖一个多世纪数据的元分析汇总了 31 个国家的数据，估计全量表 IQ 每年约提高 0.28 分，接近每十年 3 分，并发现近几十年来增幅已经放缓。由于存在这种漂移，成熟的测试每隔一段时间就要重新标准化。如果用旧的参照群体来衡量，如今的测试参加者可能会显得比用新参照群体衡量时更好。

IQ 测试实际上要求您做什么

如果您从未见过专业的智力测试，那些任务可能并不像您想象的那样神秘。大多数成套测验都结合了几类简短的任务：

• 规律和矩阵谜题。一组图形按照隐藏的规则排成网格，您需要选出能补全它的那一块。瑞文矩阵测验是这类测试中最著名的之一，对它的研究发现，较难的题目结合了更多规则，而能解出这些题目的人更善于推导抽象规则，并在检查选项时同时记住几个目标。
• 言语任务。解释词义、说明两个概念有何相似之处、回答常识问题。
• 数量任务。数列、算术题、比较数量的多少。
• 空间任务。在脑中旋转图形、用部件拼出形状、想象一个图案折叠后的样子。
• 记忆任务。复述数字序列或记住位置。
• 速度任务。尽可能快地匹配符号或搜索目标。

每类任务都会产生各自的分数，总体 IQ（通常称为全量表 IQ）则把它们综合起来。心理学中最古老的发现之一由查尔斯·斯皮尔曼于 1904 年首次描述：在一类任务上表现好的人，往往在其他任务上也至少表现得不错。这种共同的成分被称为一般因素，即 g，它是单一总分之所以有意义的主要原因。美国心理学会工作组的报告《智力：已知与未知》以通俗易懂的方式总结了这一发现以及其他公认的发现。

通俗解读 CHC 模型

把智力看成单一的东西，结果证明过于简单；把它看成几十种互不相关的技能，结果证明也是错的。当今许多主要成套测验背后的模型介于两者之间。它被称为卡特尔-霍恩-卡罗尔模型，简称 CHC，名称来自三位研究者，这一模型把他们的工作整合在了一起。

雷蒙德·卡特尔与后来加入的约翰·霍恩区分了流体智力和晶体智力。流体智力是对新材料进行推理的能力，例如发现一条您从未见过的规则。晶体智力是通过教育和经验积累起来的知识和技能，例如词汇。1993 年，约翰·卡罗尔出版了《人类认知能力》一书，重新分析了几十年间收集的 460 多个数据集，并提出了一个分为三层的能力层级结构。后来，凯文·麦格鲁及其同事将这两条研究路线合并为一个框架。

您可以把 CHC 想象成一棵树：

1. 顶层是一般能力 g，它几乎影响每一项任务的表现。
2. 中层是广泛能力，在该模型的最新版本中有十几种。其中最广为人知的包括流体推理、理解-知识（晶体智力的一面）、视觉加工、数量知识、工作记忆、长时存储与提取，以及加工速度。
3. 底层是许多狭窄能力，例如心理旋转、从例子中推导规则或知觉速度，单项任务会直接调用这些能力。

CHC 的实际价值在于，它为测试编制者提供了一张共同的地图。设计良好的成套测验会抽样评估多种广泛能力，这样总分就不会只依赖某一项狭窄的技能，分数概况也可以用共同的语言来描述。

这与本网站的测试有何关系

iqtest.quest 上的测试以图片题为主，从四个测试领域中抽样评估表现：

• 规律推理：找出图片序列或图片网格背后的规则，并把它应用到新的情形中。
• 空间思维：在脑中想象、旋转和比较空间中的图形。
• 数量推理：识别数量以及数字之间的关系。
• 快速视觉匹配：快速而准确地发现并匹配简单的视觉细节。

用 CHC 的术语来说，这些领域最接近流体推理、视觉加工、数量能力和加工速度。由于题目使用的是图片、形状和数量，本测试有意不涉及词汇和常识。这使它对语言的依赖较小，同时也意味着它涵盖的能力范围比完整的临床成套测验更窄。

专业 IQ 测试如何标准化

心理学家所使用的那种临床 IQ 测试，背后是一个漫长的开发过程。出版方从一个大样本中收集数据，样本按年龄、性别、地区、教育程度等特征选取，以反映总体人群，每个年龄段都有各自的常模。测试要接受信度检验（分数是否保持一致？）和效度检验（分数是否与它应当相关的事物相关？），并遵循专业指南，例如由 AERA、APA 和 NCME 联合发布的《教育与心理测试标准》。然后，由受过训练的施测者在安静的房间里按照固定的指导语进行一对一施测。

没有任何测试分数是完全精确的。每个分数都带有一定的测量误差，通常用测量标准误来概括，因此严谨的测试会在单一数字之外同时报告一个范围，这个范围通常称为置信区间。

有必要说清楚在线测试的不同之处。本网站的测试会把您的答案换算到人们熟悉的、以 100 为中心、标准差为 15 的量表上，但它使用的是每个年龄组的暂定模型参数，而不是从代表性人群样本中收集的常模。这些参数在经过实证校准后可能会改变，任何改变都会以带版本号的新版本发布。因此，您看到的分数和百分位，以及详细报告中的暂定模型范围，都是用于自我了解的估计值，而不是临床评估。测试方法页面逐步说明了计分过程。

IQ 不能衡量什么

IQ 分数之所以有用，恰恰是因为它的范围很窄。它描述的是您在特定条件下解决某类任务的表现。以下是它没有涵盖的部分内容：

• 知识和专业技能。以图片为主的测试无法说明您对医学、历史或木工了解多少，即使是言语类成套测验也只是抽样考查常识。
• 创造力。提出原创的想法与找出谜题的唯一正确答案有关，但并不相同。
• 社交和情绪技能。理解他人、处理冲突和察言观色，都不属于标准 IQ 成套测验的内容。
• 动机、毅力和品格。这些因素决定了人们如何运用自己的能力，而 IQ 测试并不衡量它们。
• 实践判断力。在纷乱的现实情境中判断什么才重要，与解决一道定义清晰的谜题是不同的技能。
• 您的价值或潜力。IQ 分数描述的是测试中的表现，而不是对一个人的评判。

IQ 分数确实能较好地预测某些事情。美国心理学会工作组报告称，IQ 与学业成绩的相关约为 0.5。这是相当强的联系，但成绩差异的大部分仍然取决于其他因素，例如努力、教学、兴趣和境况。这也是看待 IQ 的一种恰当方式：它是一条有意义的信息，而不是全貌。

在线 IQ 测试可信吗？

只要如实说明自己做了什么，在线测试就可以真正有用。对于您参加的任何测试，都值得问几个问题：

• 它是否说明了测量的内容以及分数的计算方法？
• 它是否说明了分数是基于代表性人群样本，还是基于模型假设？
• 它是否告诉您分数的精确程度，而不是把一个数字当作最终结论？
• 它是否控制作答时间，使不同人的结果可以相互比较？
• 它是否避免做出诊断性的声明？

在线测试无法重现单独施测评估的受控条件，任何在线测试都不应用于临床、升学分班或就业决定。如果您担心孩子的发育，或者担心自己的记忆或思维发生了变化，应当去找心理学家或医生等合格的专业人士。

不过，如果是出于好奇和自我了解，一个精心设计的测试可以合理地估计您如何对规律、形状和数字进行推理。同样有用的是，了解数字背后的东西（一个量表、一个参照群体、一组任务和一个误差范围），能让您带着兴趣与审慎来解读任何测试给出的任何 IQ 分数。如果您手头已经有了结果，我的 IQ 分数意味着什么？会逐项为您讲解。