智商测试靠不靠谱？-智商测试不靠谱？

不可靠，先天地智商不高，完全可以通过后天弥补，你说测反应速度还是可以相信的。

网上免费的都不靠谱。

智商测试很多，从网上免费的测试，到不需要版权的测试，到每做一次测试就需要购买一次答题册的有版权的测试。通常来e69da5e887aae799bee5baa6334说，网上测试的准确性（reliability 可靠性, validity 有效性）很低。除了测试本身的准确性以外，还有两个决定测试价值的重要因素：
1. 测试的normative data（标准数据）的质量。研究机构在研发或更新测试的时候，会随机取样，把这个测试给被试做，这些被试的分数就是我们智商高低的参考指标。智商高还是低，都是个相对的概念，是相对于和你同年龄（或者差不多年龄）的人，你的智商的高低。如果没有这些参考指标，随便划分的区间是没有任何价值的。
就normative data的质量来说，不要版权的测试通常比需要付费的测试差。原因很简单，研究需要大量的经费，而且这个研究是个持续的过程。Flynn Effect指出，随着教育的普及，国民的智商分数平均每几年就会提高好几点。所以就需要经常更新题目，调整平均数值等等。没有版权的测试，由于经费、人力、物力的缺乏，往往10多年甚至20多年都不更新normative data。所以，测试结果价值有限。
同样是经常更新normative data的测试，比较测试优劣的标准就需要参考：测试的本地化程度（举澳洲为例，同样是英语国家，美国的测试进入澳洲，题目也需要本地化，样本也是以澳洲人为被试的更加准确），样本的大小（被试越多越好），以及样本的年龄差异（儿童由于智力发展很快，每6个月就可能有明显的变化，所以样本最好能包括每个年龄段的儿童，并保证每个年龄段都有足够的样本大小。这样最终结果会比较敏感(sensitive)）。优秀的测试，还会提供特殊人群的normative data，比如自闭症患者，多动症患者。

2. 做测试的人的培训程度。
给他人做测试需要进行一系列的培训，比如，物品的摆放位置，灯光强度，给出合适的指导语，语速，处理各种情况的能力（尤其是测试儿童或特殊人群的时候）等等。如果不能按照标准化程序进行测试，就会人为的引入误差，影响结果。一旦这种情况不幸出现或者有其他影响结果的情况（比如说，一套测试应该在同一天内完成，但小孩坚持不肯当天完成智商测试），就需要记录下具体情况，在分析测试结果的时候加于考虑。当然，即使没有出现特殊情况，也有必要记录被测试人答题的方式，应对情况等等。有时，这类信息比测试本身更有价值。

学会正确的做测试的方法并不困难，除了心理学家以外，一些辅导员、资深教师也会做智商测试。真正的难点在于，运用的神经心理学的知识和对被测试者的背景信息的了解，分析数据，得出结论。

智商分数的意义
以韦氏智商测试（Wechsler Adult Intelligence Scale）为例，测试分为四大块：
Verbal comprehension（语言能力；这几个词的翻译都不准确，大概理解下）
perceptual reasoning（空间思维能力）
working memory（工作记忆，用电脑作比喻应该是缓存吧）
processing speed （处理速度，类似于CPU）。我们平常说的智商分数（Full-Scale IQ）
虽说是一个数字，但实际上是应该是一个95%的置信区间。如果一个人测出的智商是110，假设他的真实智商有95%的可能性在105到116之间（根据经验，韦氏测试的这个区间一般在8到15之间）。也就是说，这个人的实际智商很可能是跨越两个分区的（每15分是一个区间，所以105-116分应该跨越平均水准到高于平均水准这两个分区）。所以，智商分数高低个几分其实没有什么实际的区别。

另外，当这四项能力之间的差异过大的时候（比如文理偏科很严重的人），Full-Scale IQ（面智商测试）这个数字就失去意义了，不能代表一个人的智商水平（这里说的是智商水平，不是智力水平）。《Essentials of WAIS-IV Assessment》（有关韦氏智商测试要点）这本书里提供替代Full-Scale IQ的公式，但实际应用中没什么人做，因为价值不大，不如直接参考这四项能力的单独分数。

智商测试的应用单独测智商，一般来说不推荐，除非有特殊要求（比如，智商分数低于70政府给予补助之类）。一些心理学家，出于对来访者负责，都不接这样的工作。原因如下：
智商分数不等于智力水平，只是参考资料之一，而且这个数字如我上文所述，时常是无效的。
有了这么个分数，很可能等于给自己贴了个标签。对于对智能测试（neuropsychological assessment）没有多少了解的人来说，很容易误读这个信息。比如，有的家长、老师，别的解释不听，只想知道小孩智商多少。如果是这种情况，我很可能根本就不告诉他们这个数字，只说个大概区间（有些国家甚至有这么项规定，只给区间，不给具体数字）。标签的危害显而易见，把自己的行为往这个标签上套，用标签来解释很多与智力无关的情况，等等。
如果想对自己的智力能力有个全面的认识，需要做一系列的测试，主要测试包括智商、记忆力、注意力、执行功能（ 在神经心理学里，执行功能（executive functions）包括各类高端的用来调整，控制和管理其他认知程序（cognitive processes）的认知程序，比如计划性，解决问题的能力，自制力，灵活性，开始和监督自己的行为等等）。对于这些测试的选择，参照第一部分中关于智商测试的选择标准。实际应用中，心理学家还会考虑到测试的一致性和侧重点等问题。

智商不等于智力，更不等于成就
智能测试有优劣之分。智商分数只是一个数据点（data point），它本身有明显的局限性。记忆力测试，注意力测试，executive function（执行能力）测试，过去的教育水平，学术成就、premorbid functioning（病前运作）测试等等，每一个都代表一个数据点。众多数据点凑在一起，才能对一个人的智力水平有较全面的认识。具体怎么理解这些数据点，需要心理学家根据所学知识和被测试者的背景来梳理清楚。

另外，我个人认为，仅仅为了了解下自己的智力情况，做这些测试完全没必要，费时（我所说的测试全部做的话，需要5-6个小时，如果遇上的速度慢的，时间更久）、费力（得找到合格的心理学家）、更费钱（澳洲做这样一个测试加上报告总共需要差不多1万人民币，测试材料成本也要不少的）。一般人不可能对自己的智力水平一无所知，测试不测试也不会让一个人更聪明。

智能测试（neuropsychological assessment）的主要的意义不在于帮助了解自己的智力情况，而在于辅助临床诊断，辅助病人的管理、治疗和复健。

说过了智商测试的意义，也就可以进一步知道为什么智商不代表一切。总能遇到拿自己的高智商出来说事的人，隐隐的透出那么一丝很了不起的意味。这就不免让旁人一是怀疑他们有没有吹牛，二是怀疑智商测试这件事情是不是靠谱。其实合格的智商测试结果本身确实是能传达出一些有意义的信息的（如果两个人有明显的智商差异的话，他们天生的能力确实有可能不一样）。但除了智商以外，生活中还有很多因素或者变量决定了一个人是不是杰出。如果想通过智商分数来证明自己，我觉得这个分数还不如高考分数来的有意义，因为高考至少考验了你持之以恒的能力和积极上进的心态。

另外，如果想通过智商分数来获得高人一等的优越感，这个本身也不太实际，因为我之前说过它本身实际上是一个不小的区间，比别人高个几分不说明任何问题，大家都在一个区间内；比你智商差一个标准差以上的人，估计你也没兴趣和他比。况且，智商和杰出与否没有必然联系。如果想找优越感，不如直接炫富，砸钞票，比权势来的直观。
各位特别想知道自己智商分数或者特别在意智商的朋友，你们到底是出于什么想法呢？
智商测试只是根据你掌握的知识得出来的一个值。上课学的都是没学过的，当然与智商没有多大关系。

塑造神童的人总喜欢拿爱因斯坦作标杆，或许因为他的名字已成为“天才”的代名词。“英国13岁女童智商160，堪比爱因斯坦”，类似标题屡见不鲜。

但这种对比的说服力极低，智商测试不是通考。市面上最为流行的韦氏、斯坦福-比奈、瑞文测试各有评分标准，儿童与成人的试题也不相同。

更重要的是，爱因斯坦生前并没有接受过智商测试，虽保留了大脑，也无法用此估算属于心理学概念的智商——除非大脑复活，亲自做一次智商测试。

实际上，爱因斯坦的智商值来源于1926年凯瑟琳·考克斯和路易斯·特曼所做的300位历史天才早年智力的估算。对这些智商测试发明前的人物，考克斯的研究方法相当粗暴：阅读传记细节，替他们做当时流行的斯坦福-比奈（Stanfor-Binet）智力测试题。

考克斯的结果或许令喜欢拿它对比的神童们失望：爱因斯坦的智商只排在中游，远低于斯图亚特·密尔的190、笛卡尔和伽利略的180，只与诗人艾略特持平。唯一超过200的人叫弗朗西斯?高尔顿，他并没有前几人的名望，但他有特殊的身份：智力测量的先行者，考克斯和特曼的学术偶像。

尤为值得一提的是，在智商测试的改进过程中，无论其注重考察何种能力，它始终是一个为现代社会标准而设置的游戏。在某种意义上，它很难摆脱现代人的偏见。

【智力测试的进化】

长期以来，智力高低都是仁者见仁，没有精准、抽象的标准。工业革命后，惊叹于科学定理效力的人们，开始将目光转向以往含混不清的领域，智力就是其中之一。

“200分先生”高尔顿是这方面的先行者。1859年，阅读了他表哥达尔文的《物种起源》，高尔顿深受刺激，决定测量人类的智力，用精确的数据证明他的优生学设想：人的智力由遗传决定。

高尔顿很快开工了。他试图在听力、手的灵敏度、中指长度、头颅大小等要素间，找到与智力高低的相关关系。e68a847a686964616f335结果令人失望，这些因素完全无法解释智力的差异。不过，这些失败的举措开启了量化智力的尝试。

 

 

法兰西斯·高尔顿

1881年，法国开始推广义务教育。为区分普通儿童和有缺陷儿童，教育部门急需合适的检测工具，以便因材施教。需求刺激下，法国的阿尔弗雷德·比奈和西蒙在1905年制作了第一份智力测量表，并在1908年的修订中，创造性地按不同的年龄段设计了试题，提出了心理年龄概念。相比较后人，比奈没有宏伟的野心，他清楚地强调他的测验只能测量部分智力，对预测有学习困难的儿童可能有效。

接下来，改进智力测试的交接棒传到了美国。20世纪初，这个生机勃勃的国家里，征兵、移民、教育，都急速扩展，成千上万的学历不明，各式背景的移民蜂拥而入，迫切需要更有效率的区分方法，在混乱中整理出秩序。

同时，应用心理学正在美国快速的发展，人们相信，心理学家可以搞定一切：婚姻失和，工作不满，推销保险。于是被法国人漠视的比奈测试在这里大放异彩。战争的爆发催化了狂热需求，智商测试就在这个背景下大踏步地走入美国人的生活。

1916年，路易斯·特曼，就是给历史名人估算智商的考克斯的导师，修改了比奈-西蒙测量表，将新版本命名为斯坦福-比奈智力测试。特曼吸收了1911年德国人威廉·斯特恩提出的智力商数（IQ）概念，根据不同年龄儿童做测试的分数均值，设为“智力年龄”标准，每个儿童的个人智力数值，取决于心理年龄与生理年龄的比率。这种测试方法被称为比率智商，公式如下：

所以，高尔顿智商被测为200，是考克斯和特曼认为他3岁就能完成达到正常儿童6岁的斯坦福-比奈智商测试水平，同理，爱因斯坦的传记等材料被认为只能体现1.6倍的心理年龄/生理年龄比。

此后，智商测试不断进化。1949年，韦克斯勒编制了不同于比奈系列的新测试表，称为韦氏智商测试，影响至今。韦氏测试分为成人、儿童、幼儿三版，采用离差智商计算，将同一组的智商平均值设为100，标准差设为15，整组的数据呈正态分布。与比率智商不同，离差智商不计算不同年龄的成绩比率，而将挑选出来的同年龄人作常模参考，表示个人在同年龄组的相对位置。

这种新的参照方法也影响了斯坦福·比奈智商测试。在1960年第三次修订时，它也采用了离差智商，但其标准差为16。这意味着高智商的分数，在韦氏测试应为130，在斯坦福·比奈测试则为132。

所以，即使考克斯的传记估算法合理，媒体上介绍可与爱因斯坦媲美的聪明的少年时，也该先确定几个问题：你使用哪种测试？成人组还是少儿组？标准差多少？参考的常模又是哪些？

【什么是智力】

智商测试首先取决于对“智力”的理解。早期智商测试的短板在于：应用先行，缺乏理论。此后，智力理论层出不穷，但是最核心的问题：什么是智力，智力的结构，遗传和后天因素对智力的影响，依旧充满争议。

最初，对智力本质的探讨来自英国心理学家斯皮尔曼，1904年他提出了常规智力和特殊智力之分。常规智力被称为g因素，它被认为是智力的关键。斯坦福·比奈测试就主要集中于g因素的测量——反应速度、记忆力、语言能力、计算能力。

这种解读的方法，将智力解析为各种能力。但只关注静态能力，容易落入穷举的泥潭。到1980年代时，它已细分到了240种因素。

认知心理学兴起后，学者提出了信息加工理论，不再斤斤计较于静态的划分，更注意智力处理现实问题的能力。按此类理论，人脑被理解为信息处理系统，智力体现于为了一定目的，加工处理信息的表现。

于是，将因素和信息加工调和在一起的智力层面理论出现了——既划分了不同因素，又注重因素在信息加工中的表现。在这种视角下，一些心理学家将以往不被重视的能力纳入视野，不局限于传统的狭隘定义。

哈佛大学的加德纳在1983年提出“多元智能”概念，一改以往强调抽象思维的智力观念，将人际关系、音乐、肢体动作等加入智力范畴。著名的情商概念也在此时提出。1991年，萨洛维提出的情绪智力（EI）概念，认为认知、控制情绪的能力，是一种长久以来被忽视的智力。经过戈尔曼的传播，情绪智力广为人知，逐渐被传播为情商（EQ），和智商并列。

智力理论的发展，影响了智商测试的项目，斯坦福-比奈量表的测试能力，从最初的g因素，到后期的8种，其测试结构在数量和内容也发生变化。

 

 

斯坦福-比奈智商测试五次修订的内容变化

认知神经科学的发展，又给智力理论提供了新的支撑。目前，学界倾向于认为大脑突触更多的人，智力表现更好，大脑皮质的厚度也与智力相关。除了从脑部构造角度探讨，认知神经科学还在确定人脑的信息加工速度、知觉速度、神经速度等功能与智力的关系。

不过，这些神经科学角度的尝试也受到“智力”概念的困扰，对人脑哪一部分的扫描？都只能够确定相关关系进行推论，更进一步的探讨，则都需要理论标准。

未来智商理论会有什么发展，技术上能否用脑部扫描等手段取代智商测试，抑或证明智商测试的合理性，仍是未知数。理论的发展推动人们更理性的看待智商测试，因为人类曾有滥用测试的深刻历史教训。

【智商测试的滥用】

1927年，美国最高法院以8:1的投票结果，判处弗吉尼亚州对一名“弱智”妇女实施绝育手术。著名的霍姆斯大法官曾对此评论道：“三代弱智已足够”。此后，美国12个州通过了对智力缺陷人群实施绝育手术的立法，27个州实施强制绝育计划。最热衷于此的加利福尼亚一共实施了2万多例手术。

登峰造极的是纳粹德国，近40万人被判定智力缺陷，强制绝育。还有十余万人被杀害。

更早的时候，美国医生在移民到达的地点，仅凭交谈和观察，就评估他们的智商分数，弱智者将因此被遣返。1924年，受智商检测结果的影响，美国国会出台了更严格的移民控制法案。

这种滥用智商测试的现象引起了人们的警觉，最著名的反对者是李普曼 (Walter Lippmann)。1922年，他在《新共和》杂志上与特曼打了一场笔战，李普曼抓住当时智商测试的弱点，批评其简单粗暴的对待复杂的人类智力，总是偏重某些能力，只能得出偏见，容易给个人贴上永久的标签。

当时智商测试值得诟病处甚多。比如早期的斯坦福-比奈测试中，女孩的分数在每个年龄段都高于男孩，这让路易斯·特曼很焦虑，1937年，新版本的测试量表删除了男性得分差的项目，轻轻一动，男孩就和女孩一样聪明了。

1960年代的美国，民权运动风起云涌，智商测试被认为是种族主义的方法，受到活动家的冲击，纽约、华盛顿特区、洛杉矶等市禁止对小学生智商测试，不过随着民众热情的消退，这种激进的禁令很快被取消了。

随后，智商测试不断完善，早期的很多问题已经解决。但接下来，它又面临更大的麻烦：弗林效应。

这是由美国人詹姆斯·弗林命名的现象，它显示，在1930年到1980年间，发达国家的智商测试初始分数一直在上升，比如1932年至1978年，美国年轻人的IQ平均指数提高了14点。弗林效应也出现在发展中国家。1994—1998年间，肯尼亚6—8岁农村儿童的分数增加了11分，这让人怀疑智商测试的稳定性，也与智商测试体现先天智力的观念不符——基因的变化不可能这么快。

目前，多数心理学家将此解释为随着社会进步，教育和营养水平提高，影响了抽象能力的发展，而对于弗林效应本身引起的智商测试有效性讨论，则莫衷一是。

【中国人的智商】

尽管多数中国人1980年代以后才接触智商概念，但智力测试方法早在1917年就传入中国。1917年京师教育报上，翻译了日本学者佐藤礼云关于比奈-西蒙智力测试的介绍文章，并附上部分测试题目。

当时智力测试的介绍以翻译为主。中国最早的智力测验尝试，是1918年瓦尔克特用斯坦福-比奈智力量表测验清华的学生。两年后，南京高等师范开设心理测验课程，正规的智商测验出现。随后，比奈量表、美国陆军智商测试表等被翻译过来，在20年代风靡一时，报刊杂志经常出现“智力小测验”的题目。

很快，中国部分学校也各自开始智力测试。1921年，安徽第二师范附属小学对学生进行了智力测试，试题选自比奈-西蒙测试表。1926年，厦门集美学校对女小学部的一次智力测验，并将结果发布在《集美周刊》上。

 

《集美周刊》截图。T分数为特曼（斯坦福-比奈）测试，B分数为比奈-西蒙测试。

此时的智商测试只是在一些学校出现，分布很散。报刊上虽然时常出些智力小测验，但正规的智商测试远没有普及。1931年，中国测验学会成立，一项主要任务就是协调各地的智商测试。

但这种势头很快被打断。1949年后，中国心理学界开始接受辩证唯物主义和苏联心理学改造，“反 右”期间，智商测试因为是“资产阶 级方向心理学”遭全面中止。1965年，姚文元在《光明日报》撰文，批判心理学为“资产阶 级伪科学”，虽然同一时期，资产阶 级的美国青年也在严厉指责心理学为“种族主义”帮凶。