网上的人格测试成千上万，从外面看都差不多：干净的进度条，一串让你选“符合”或“不符合”的句子，再加一份写得非常笃定的结果。少数背后是几十年的研究，很多背后什么都没有，而几乎没有哪个会让你轻松看出它属于哪一种。
我们自己就是做这类测评的网站，所以读这篇文章时请记住这一点——我们既希望你信任测评，更希望你信任我们的测评。我们试着写一份“希望朋友拿来检查我们”的清单。有些检查我们的测评能轻松通过；也有一两条，是我们做了取舍的地方，你有权知道。
这些都不需要统计学背景。大部分检查几秒钟就能做完，光前三条就能排除你遇到的大多数测试。
大五人格，又称五因素模型或 OCEAN，用五个相互独立的维度描述人格：开放性、尽责性、外向性、宜人性和神经质。本测评使用 IPIP-50——由 Lewis R. Goldberg 编制、属于公有领域的 50 题量表——在每个维度上分别给出分数，而不是把你归入单一的人格类型。
1. 能不能查到题目是从哪来的？
这是最能说明问题的一条。认真的测试会告诉你它用的是哪份量表——有名字的问卷、谁编制的，最好还有原始出处的链接。如果只写着“由我们的专家团队研发”或“基于心理学原理”，实际上等于在说：你没法核实。
这件事的意义不止于透明。写好人格题目非常难：要在大样本上测试，检验这些题目是否真的测的是同一样东西，修改，再测试。公开题库之所以存在，正是为了不必每次从零开始。比如我们的大五人格测评用的是 IPIP-50，一份来自国际人格题库（IPIP）的 50 题公有领域量表，基于 Lewis Goldberg 1992 年的大五因素标记词，我们逐字照搬题目并附上链接；霍兰德职业兴趣测评用的是美国劳工部的 O*NET 兴趣量表。你可以打开原始出处自己比对。
如果找了一分钟还找不到出处，就把结果当娱乐看。它可能挺好玩，但它不是信息。
2. 它有没有说清自己“不是什么”？
好的测试反而很乐意告诉你它的局限。职业兴趣测试应该说明它测的是兴趣，不是能力。一份不是官方 MBTI 的四字母测试应该直说，因为 MBTI 是注册商标的商业量表，一个独立测试如果暗示自己就是它，就是在最基本的事情上误导你。人格测试还应该说明它不是临床评估，也不是招聘工具。
声称能揭示“真实的你”、预测你的“天选职业”、或者诊断任何东西的测试，都是在夸大。一个测试承诺得越多，你越不该信它。
3. 它给的是分数，还是只有“格子”？
人并不是整整齐齐地分成几组的。大多数特质是连续分布的，多数人落在中间某处。报告你在每个维度上位置的测试，是在如实描述这一点；只给你一个类型、背后没有任何分数的测试，则把信息扔掉了——你无从知道自己是这个类型的典型代表，还是差一道题就会变成另一个类型。
这也是五因素模型（大五）成为学术人格研究主流框架的主要原因：它报告五个连续分数，而不是把每个维度硬塞进两个格子，它的量表在信度和预测效度上都比类型划分更强。类型测试并非没用——四个字母好聊，所以才流行——但好的类型测试会让你看到字母下面的分数，并在某个字母很接近时告诉你。
4. 它承不承认自己有多精确？
任何问卷分数都含有测量误差。知道这一点的测试会把它表现出来：在分数旁给出可能区间，在两个分数太接近、排不出先后时注明，或者给重测可能翻转的字母打上标记。把每个数字都精确到百分之一、仿佛毫无误差的测试，要么不知道自己的误差，要么希望你不知道。
这是我们最在意的一条，也是我们在自己结果页上下功夫最多的地方。有数据时，我们根据量表公开的信度计算误差并展示出来；没有数据时，我们会直说，并改用一条写明的规则。这让结果看起来没那么“厉害”，但我们认为这让它更值得信任。
5. 你是在和谁比？
“你比 80% 的人更外向”，只有在你知道“这些人”是谁时才有意义。百分位来自参照样本（常模），好的测试会告诉你样本是什么。没说明样本却给百分位的测试，要么是编出来的，要么只是悄悄拿你和同一网站的其他访客比。
即便是诚实的样本，也有值得知道的局限。我们类型测评背后的参照样本，是 23 万多名在网上回答过同样题目的人——规模很大，但都是自愿参与，而且以北美为主。拿它作为网上测试的比较对象是合理的，拿它来对某个国家的人下结论就不合适了。最好的测试会自己把这些说清楚。如果一个测试对常模讳莫如深，就对它的百分位保持怀疑。
6. 全部选“符合”，会得到一个像样的结果吗？
有个小实验可以用在任何测试上：想象有人对每一道题都选“符合”，会发生什么？在设计良好的问卷里，不会发生什么特别的事——因为每个特质大约一半的题目是反向表述的，全选“符合”会相互抵消。“我是聚会的焦点”和“我话不多”测的是同一个维度，计分方向相反。
如果一份测试所有题目都朝同一个方向表述——全都在描述这个特质“存在”——那么一个习惯性点头的人会在所有维度上都得高分。这是设计缺陷，而且出奇地常见。扫一眼题目，如果找不到任何反向题，这份测试测的“你有多爱点头”和其他东西一样多。
有些测试更进一步，会直接检查作答质量：答题快到来不及读完题、几乎每题都选同一个选项、或者对一句话和它的反面都表示同意。我们的测评会做这些检查，并在结果可能受影响时告诉你。它从不拦截或改动你的结果——那样太自以为是了——但这是一份细心的测试会注意到的事。
7. 结果是不是那种“谁看都觉得准”的恭维？
读完你的结果，诚实地问自己：这段话是不是也适用于我大多数朋友？“你重视深层的连接，但也需要独处来充电。”“你很有上进心，但有时会怀疑自己。”心理学把人们容易把模糊、讨好的描述当成专属于自己的倾向，叫作巴纳姆效应（也叫福勒效应），很多网上测试就靠它运转。
一份有用的测试会说出可能“说错”你的话：告诉你某一项得分偏低，或者你的两个特质在往相反方向拉，或者某个结果太接近、无法判断。如果每个类型、每个分数、每份画像读起来都是夸奖，这个测试是为转发优化的，不是为准确优化的。
8. 它在什么时候、向你要了什么？
看看测试在给出结果之前想从你这里拿走什么。看结果前必须留姓名和邮箱，通常意味着结果是诱饵，你的联系方式才是产品。要你的手机号、出生日期或工作单位，和测量人格毫无关系。
收费这件事，比乍看起来更值得公平地看待。我们自己就卖付费报告，所以不会假装“收费”本身就是危险信号。但区别很大：一种是先给你一个真实的免费结果，再为更多细节收费；另一种是在你花了二十分钟之后，把所有结果都锁在付费墙后面。我们的情况是：免费结果会给出你的类型或代码，以及其中一部分分数；其余分数和更完整的解读在付费报告里。这意味着免费结果展示的分数，比第 3 条理想中的要少——我们宁愿直说，也不想假装不是这样。值不值，由你判断；但在你做决定之前，你已经看到了自己的结果。
9. 它有没有夸大结果的用途？
人格测试适合用来反思、聊天和了解自己；拿来对别人做决定，就弱得多。一个免费网上测试如果建议你用它筛选求职者、挑选伴侣、或者判断孩子的潜力，就是越界了。即使是研究级的量表，在这些场合也要由受过训练的人谨慎使用，并结合其他证据。
对“结果对你人生意味着什么”的说法也一样。“你这个类型的人适合当工程师”是任何问卷都撑不起的跳跃。兴趣和人格可以给你指出一些值得探索的方向，但没法替你选哪一个。
10. 了解你的人看了，会觉得像你吗？
最后一条，没有哪个网站能替你做。把结果给一个很了解你的人看，问他像不像你。如果对方笑着说“这就是你”，这是很有分量的证据；如果对方一脸疑惑，也值得认真对待——要么是测试没测准，要么是你按“想成为的自己”而不是“实际的自己”答了题。
我们的大五测评把这件事做成了正式流程：出结果后，你可以把链接发给一个了解你的人，他用同样的题目给你打分，页面会标出你们的看法在哪些地方的差距超过了测量误差。自评和他评之间的差异往往很有信息量。不过非正式版本并不需要网站，五分钟的聊天就够了。
好测试也做不到的事
十条全部通过，也不会让一份测试变成神谕。一份设计良好、常模清楚、态度诚实的问卷，知道的依然只有你某一天对几十句话的回答。它描述的是倾向，不是命运；对有些人来说，它在有些地方一定会错。
这不是否定人格测试的理由，而是认真挑选、轻轻拿着结果的理由。这样用，一份好的测试能帮你给那些半知半解的自我认识找到语言，也会告诉你一些原本不知道的事。如果想从一份能通过这份清单的测试开始，大五是研究最充分的框架，我们的大五人格详解讲了每个分数的含义。