MBTI和荣格八维虽然可以互相对应,但毕竟还是两套模型,依然需要区分来看。
MBTI和荣格八维属于同父异母的模型,都来自于荣格的《心理类型》。MBTI的建模者是美国的迈尔斯家族,MBTI属于管理及商业工具。而荣格八维的建模者则是荣格本人及后继的荣格心理学学者,荣格八维属于自我探索及临床分析工具。
本研究基于 N = 12180 名(样本量: 12180 名)用户的29591条重复测试数据,筛选标准如下:
1. 用户测试次数在 2–4 次之间;
2. 城市(IP地址)保持不变;
3. 每次测试之间的时间间隔超过 14 天。
学术意义:采用这样一套严谨的数据筛选标准,旨在构建一个高质量的纵向研究队列,以确保分析结果的内部效度和信度。
1.设置4天的上限意在过滤因过度测试产生测试效应或练习效应的极端用户,避免这些异常值对整体模型造成干扰,从而增强样本的代表性。
2.设置城市(IP地址)保持不变意在过滤掉非同一测试人的用户。
3.设置两次测试间至少相隔14天,措旨在削弱两种主要的测量误差。其一,它有效降低了“记忆效应”,防止被试因熟悉题目而影响结果的真实性;其二,它过滤了情绪、疲劳等短期“状态性”波动,确保测量结果更能反映用户长期、稳定的“特质性”变化。
说人话版本:我们想排除“练题目太多次”“不同人用同一个账户做测试”或“心情波动太大”的数据,只保留那些稳定、可信的结果,来帮助我们更准确地判断Totypes荣格八维测试量表到底靠不靠谱、稳不稳。
为了评估该量表的重测信度,我们采用了双向随机效应模型,并计算了绝对一致性下的同类相关系数(Intraclass Correlation Coefficient, ICC) 。结果显示,Totypes测试的八个维度均表现出优秀的重测信度,其同类相关系数(ICC)范围在 0.802 至 0.844 之间,且所有结果均达到统计学上的显著水平 (p < .001) 。
根据Cicchetti (1994) 的信度标准,所有维度的ICC值均落在“优秀”区间内 。这一结果有力地证明了Totypes量表具有高度的时间稳定性和一致性,能够可靠地反映个体在不同时间点的心理功能偏好。
维度 | 同类相关系数 ICC | 95% 置信区间 | F 值 | 显著性 |
---|---|---|---|---|
Ne | .802 | [.795 – .809] | 5.053 | < .001 |
Ni | .818 | [.812 – .825] | 5.508 | < .001 |
Fe | .844 | [.849 – .850] | 6.418 | < .001 |
Fi | .807 | [.800 – .814] | 5.187 | < .001 |
Te | .830 | [.824 – .836] | 5.891 | < .001 |
Ti | .835 | [.829 – .840] | 6.049 | < .001 |
Se | .821 | [.814 – .827] | 5.580 | < .001 |
Si | .812 | [.805 – .818] | 5.309 | < .001 |
注:表中所有F 值的自由度均为 (12179, 12179)。
解读与注释:
定义: 同类相关系数 (Intraclass Correlation Coefficient, ICC) 是指两次或多次测量结果间的一致性 (Agreement) 与稳定性 (Stability)。 ICC能同时考察系统误差和随机误差,因此是评估连续变量重测信度的黄金标准。
信度标准参考 (Cicchetti, 1994; Koo & Li, 2016):
0.60 – 0.74 为 良好 (Good)
0.75 – 0.89 为 优秀 (Excellent)
0.90 及以上为 极佳 (Excellent/Superb)
结论: Totypes测试在8个荣格八维心理功能维度上的重测信度(通过ICC评估)均达到了优秀及以上水平(所有ICC值 ≥ 0.8)。这说明Totypes测试能够跨越不同时间点,稳定且一致地反映个体在荣格八维心理类型功能上的偏好。
维度 | Cronbach’s α | 评价 |
---|---|---|
Ne | 0.782 | 通过 |
Ni | 0.785 | 通过 |
Fe | 0.819 | 良好 |
Fi | 0.768 | 通过 |
Te | 0.805 | 良好 |
Ti | 0.808 | 良好 |
Se | 0.800 | 良好 |
Si | 0.776 | 通过 |
解读与注释:
Cronbach’s α(克隆巴赫系数)用于评估一个心理量表内部各题项是否一致地测量同一概念。
它基于“所有可能的分半”组合推导出一个平均相关性,因此比传统的“分半信度”更稳定、更全面。
Cronbach’s α值越高,表示各题项越协调地指向同一认知维度,说明该维度内部一致性越强,是信度良好的重要标志。
标准解释:
≥ 0.90:卓越(适用于临床)
≥ 0.80:良好(适用于研究与应用)
≥ 0.70:通过(适用于初步筛查)
结论:本量表的所有维度 的Cronbach’s α值均高于 0.76,稳定达到符合心理测量学研究与应用级别信度,尤其 Fe/Te/Ti/Se 表现较为突出
维度 | AVE(平均方差抽取量) | CR(组合信度) | AVE 评价 | CR 评价 |
---|---|---|---|---|
Ne | 1.000 | 1.000 | 优秀 | 优秀 |
Ni | 0.921 | 0.995 | 优秀 | 优秀 |
Fe | 0.841 | 0.988 | 优秀 | 优秀 |
Fi | 0.948 | 0.991 | 优秀 | 优秀 |
Te | 0.957 | 0.996 | 优秀 | 优秀 |
Ti | 0.880 | 0.987 | 优秀 | 优秀 |
Se | 0.984 | 0.999 | 优秀 | 优秀 |
Si | 0.956 | 0.997 | 优秀 | 优秀 |
解读与注释:
AVE(Average Variance Extracted):衡量题项之间是否共同聚焦于一个因子(构念),衡量该维度是否能解释自身题项的变异程度,AVE > 0.50 为合格,> 0.80 为卓越
CR(Composite Reliability):衡量构念内部一致性,考虑每题因子载荷权重,比 Cronbach’s α 更敏感,CR > 0.80 为优秀
结论:Totypes 八维度聚敛效度显著、组合信度极高, Totypes 所有荣格八维功能维度的 AVE 和 CR 均远超 0.80,多数接近 1.0,说明这些量表在测量目标构念上表现出极高的聚合效度与稳定性,意味着测试结果能够稳定且精准反映各荣格八维心理功能
特别说明:
在本研究中,Ne 维度的 AVE 值为 1.000,这表示该维度所有测量题项的共有变异完全由该潜在因子所解释,几乎不存在测量误差。
这种结果虽不常见,但在结构明确、题项高度一致且载荷充分饱和的构念中是可能出现的,尤其当该构念具备强主成分结构或题项数量较少时更易发生。
为避免对该结果的误读,我们特此说明:该数值为基于标准公式计算所得,符合常见在 SEM 报告中将 AVE = 1
显示为理论极限值的做法。我们已在模型拟合指标与多维区分效度中进一步验证其合理性与无过拟合风险。
备注:
AVE(平均方差抽取量)计算公式为:
AVE = Σ(标准化因子载荷²) / [Σ(标准化因子载荷²) + Σ(测量误差)]
当:
所有题项的因子载荷接近 1(高达 .95–.99),
且测量误差极低,或理论上设置为 0(如特定模型约束中),
则
AVE 极有可能趋近于 1,甚至达到 1.000(理论上限)。
Cicchetti, D. V. (1994). Guidelines, criteria, and rules of thumb for evaluating normed and standardized assessment instruments in psychology. Psychological assessment, 6 (4), 284.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates .
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16 (3), 297–334. https://doi.org/10.1007/BF02310555
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18 (1), 39–50. https://doi.org/10.2307/3151312
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Education.
Koo, T. K., & Li, M. Y. (2016). A guideline of selecting and reporting intraclass correlation coefficients for reliability research. Journal of chiropractic medicine, 15 (2), 155-163.