几个月前你做了一次人格测试，结果是 INFJ；昨晚再做一次，变成了 INFP。现在你在想：哪个才是真正的我？是测试不准，还是我这段时间真的变了？
这是人们做人格测试时最常遇到的情况之一，也是最容易被误解的情况之一。它通常引出两种同样没用的反应：“这种测试都是玄学”，或者“我已经变成另一个人了”。真相往往比这两种都平淡，也更有用：大多数结果变化，就是一次测量做两遍时本来的样子；有一些变化是真的；而要分辨是哪种，有几个很直接的办法。
下面用我们自己的人格类型测评和大五人格测评举例，因为我们清楚它们每一步是怎么计分的。但这些道理适用于任何问卷。
分数是估计值，不是读数
先放下一个想法：人格测试像体重秤一样，从你身上读出一个固定的数字。问卷是根据你作答的一个“样本”，来估计你在某个特质上的位置。任何估计都有误差，而这个误差不是某一份测试的缺陷，而是“问一个人几十个问题”这件事本身就带着的。
心理测量用一个叫“测量标准误”的数字来描述这种误差。不讲公式，意思是：如果你能在不记得上次答案的前提下反复做同一份测试，分数会围绕一个中心散开。大约每三次重测里有两次，会落在第一次分数正负一个标准误之内；另外三分之一会落得更远，偏向哪边纯属偶然。
这就是为什么只要有数据能算，我们的结果页都会在分数旁边给出一个可能区间，而不是只给一个看起来很精确的数字。“62 分，可能区间 56–68”比单单一个“62”更诚实；这样一来，重测得了 58 分，你也能看出它其实是同一个结果。
为什么字母翻得比分数动得厉害
类型测试有个特有的问题，它能解释大多数“INFJ 变 INFP”的故事。四字母类型是把四个连续分数各自一刀切成两半。如果你在某一组上的分数离切分点很远，小幅波动什么也改变不了；如果离切分点很近，同样的小幅波动就会让字母翻过去。
所以字母变了，通常说明那一组本来就在中间附近。你的分数可能只动了两三分，标签却从一头跳到了另一头。你没变，变的是“四舍五入”。
这也是为什么，当你在某一组上的分数距离切分点不到一个测量标准误时，我们的类型测评会把它标成“接近持平”。我们还是得印出一个字母，因为类型代码就是四个字母；但接近持平的那个字母更像掷硬币，而不是测出来的结论。比起让你在它上面建立身份认同，我们宁可直接告诉你。如果你重测拿到了不同的类型，看看是哪个字母变了——很多时候，就是上次被标出来的那个。
切分点画在哪里，比人们以为的重要得多
还有一个不那么显眼的原因，会让不同测试、甚至同一测试的不同版本给出不同结果：两个字母之间的那条线画在哪里。
最直觉的做法是画在答题量表的正中间。听起来很中立，其实不然：很多人格题目的措辞，会让大多数人倾向于选“符合”。我们用这种方式给自己的类型题目计分时，参照样本里五个人中有四个都落进了四种 NF 类型之一——这说明的是题目措辞，而不是人群。所以现在我们每个字母表示的是你落在参照样本中位数的哪一侧，这个样本由 23 万多名在网上回答过同样 80 道题的人组成。
实际意义是：如果你在别的网站做了另一份 16 型测试，结果不一样，这不一定是矛盾。不同测试用的题目、计分方式和参照点都不同，在一个网站上的结果并不是另一个网站的“重测”。参照样本本身也有局限：我们的样本很大，但都是自愿在网上做测试的人，而且以北美为主，它描述的是“愿意在网上做人格测试的人”，不是全世界。
那些会悄悄改变你作答的日常因素
除了纯粹的测量噪音，还有一些日常原因，会让人在不同日子对同样的题目给出不同回答。它们都不代表测试坏了，但都值得知道。
- ✦情绪和近期经历。熬过身心俱疲的一周之后，“喜欢热闹的聚会”“我通常很平静”这类题读起来就不一样了。短问卷尤其敏感，因为每道题的权重更大。
- ✦你脑子里想的是生活的哪一块。“我很容易交到朋友”在公司可能成立，在新学校可能不成立。第二次想的是另一个场景，等于回答了另一道题。
- ✦你觉得谁会看到。为求职、为伴侣、为课堂做测试，答案都会不自觉地往“想给别人留下的印象”上偏，哪怕你在努力诚实。
- ✦答得太快。快到来不及读完题、或者一路选同一个选项，都会加进足以盖过信号的噪音。我们的测评会检查这些作答模式，出现时会告诉你。
- ✦对量表的理解变了。有人很随意地用“非常符合”，有人只在百分之百确定时才用，两个人观点完全一样，分数却可能不同。
有时候，人确实会变
说所有变化都是噪音，也不对。人格是会发展的。大五人格分数在几个月到几年的尺度上相对稳定，但在一生中会变化，而且有方向：尽责性和宜人性往往随年龄增长而上升。重大的生活事件——新的角色、失去、长期压力、离家独立——也可能体现在人们描述自己的方式上。
噪音和真实变化的区别，主要看模式。噪音是朝随机方向的小幅波动，再测一次往往会部分抵消；真实变化是朝一致方向的移动，出现在不止一次测试里，而且你在自己的生活里也认得出来。如果三年里你明显变得更有条理，三次重测的尽责性分数也一路小幅上升，这值得认真对待；如果只是某个字母翻了一次，多半不是。
我们也想温和地反驳一个想法：结果稳定就是好，结果变动就是坏。一个从来不动的结果，可能只说明你是在按一个固定的自我形象答题，而不是按自己实际的行为。重测时有些变化，恰恰说明测试在“听”。
怎样正确地比较两次结果
如果你手里有两次结果，想知道该怎么看，我们建议按这个顺序来：
- ✦比分数，不比标签。字母变了但分数只差三分，不算新闻；连续特质上差了二十分，可能才是。
- ✦看看变化的那一部分，第一次是不是就被标为“接近持平”或“不确定”。如果是，答案你早就有了。
- ✦看可能区间。两个区间有重叠，两次结果就是彼此一致的。
- ✦想想两次是否在相似条件下做的——心态差不多、想的是同一块生活、没有赶时间。
- ✦找一个普通的日子做第三次。第三次结果通常能让人一眼看出，前两次里哪一次是“异类”。
到底该信哪一部分
如果要一条经验法则：信那些不动的部分。在类型测试里，每次都落在同一侧、离中线很远的那几组偏好，说明的是你对待世界时真实的倾向。来回翻的那一组，说明你在这个维度上处于中间——这本身就是一个发现：你在这方面比较灵活，或者要看情境。
在大五这样的特质测试里，最可靠的信息是整体形状：哪些特质明显偏高，哪些明显偏低，哪些在平均附近。具体百分位会有点飘。想看得更细，大五人格侧面测评把每个特质拆成六个侧面，常常能解释一个维度分数为什么动了——某一个侧面变了，其余没变。
我们会保存你的历史结果，你可以对照多次重测来看，而不是凭记忆回想几个月前看到的一个页面。如果你想要一个“脑袋外面”的视角，大五测评还可以请一位很了解你的人用同样的题目给你打分。自评和他评之间的差异往往很有信息量，常常比任何一次重测都更有意思。
更诚实的看待方式
结果会变，背后更深的一课是：人格测试更适合当镜子，而不是证书。镜子会随光线变化，但它依然有用。你要找的不是某个测试终于“认证”的唯一真实类型，而是一段你认得出来、用得上的描述——用来理解为什么有些场合让你特别累，为什么你和某些同事总是合不来，或者什么样的工作能抓住你的注意力。
如果结果变了，而新的更贴切，就留着新的。如果两个都不贴切，可能是这份测试测的东西和你想问的问题不对口。如果某个字母总是来回翻，恭喜你：你找到了自己最难被预测的那个维度，这本身就很值得知道。想细看变动的那一组偏好是什么意思，可以读我们的16 型人格详解。