人才测评概念篇之“常模”

最近因工作需要，经常会接触到一些统计术语，其中频度最高的，要算“常模”一词。当然，这个也是人才管理中常用词语，可能有些人会觉得，如果你是做人才管理，尤其是人才测评的，而你竟然不知道什么是“常模”，那么你就只能算是门外汉了。当然，此类看法稍微有些夸大，但是对于人才测评来说，常模的确是比较重要的一个概念，他决定你是否明白对标的准确性，对于甄别一个测评工具的好坏也有比较重要的意义和价值，这不亚于测评工具的信效度，毕竟国内不少测评工具的信效度有被臆造的嫌疑在。

之所以想谈谈“常模”，是因为自己的专业背景，其次是发现很多人均对常模有误读，而有些自诩是对“常模”很熟悉的人其实未必真的懂得“常模”的真实概念，哪怕他已经在TM界混了多年。我甚至发现一些著名咨询公司的顾问，其实对常模的概念也是不完全正确的。写此文，也当是自己知识的印记，以防日后遗忘。

常模的定义-常模（英文称之为Norm），对应到统计概念中，是一个标准正态分布的概念。其在人才测评中的主要功效是“对标”。常模从字面上来解析的话，可以理解为可以进行对标的标准组，“常”表明此分布具有通俗性及代表意义，“模”表明是一个相对固定的分布。（呵呵，此处必须感叹一下中文的博大精深。）从百度中搜索得常模的概念为“常模是一种供比较的标准量数，由标准化样本测试结果计算而来，即某一标准化样本的平均数和标准差。它是人才测评用于比较和解释测验结果时的参照分数标准。测验分数必须与某种标准比较，才能显示出它所代表的意义。”个人认为此概念稍微有点学术，我认为“常模，就是某一个测评的特定人群的测评结果而拟合出来的标准正态分布，可以供后续的测评结果进行直接的对标使用”。下面我会从常模的获得方式来对常模进行更通俗的说明，希望有助于大家的理解。

常模的建立-在大多数测评工具的量表研发完成后，均需要进行一系列的统计验证，证明此工具具有统计的意义，而大伙熟悉的信效度是这个时候的主要测验指标。当测评量表通过了信效度指标验证后，大多数测评工具还会寻找目标人群，进行进一步的试测过程。而这个时候就往往是常模建立的阶段。其实，在这里其实我也会有一个疑问，就是到底开始建立的时候是根据测评工具的可能应用情景就预先定义好常模类型，还是一般一开始只是建立通用常模，在逐步应用的时候再逐步建立其他常模。我个人感觉可能是后者。建立常模，最重要的一步是确定常模的样本人群，也就是要定义哪些人会成为常模对象。当然，对于常模对象其实有通用的要求：

1.      在商业领域中，常模样本量必须大于100，这与统计中的30有差异；

2.      常模人群必须对今后所代表的人群具有一致性和代表性。具体的意思是，如果此常模为A工具在中基层的常模，那么其常模人群必须是可以代表中基层。一般会通过抽取不同的年龄段、性别、学历、地域来确保常模组人群具有代表性，当然，如果有特殊要求也会额外增加；

3.      常模的抽样也因为其代表性的要求最起码要符合样本均衡原来，否则会影响分布曲线的拟合。

常模的价值和意义-可能不少人会有这样的疑问，为什么要建立常模，是一个供应商的噱头吗？我理解的常模的最大的价值就是为了方便“对标”。举例来说，有了常模，如果有一个新的被测样本，他的测评结果放置到常模中，我们就可以容易知道此人在同类人群的大致排序情况（这里大伙也大概可以理解到，为什么常模人群的挑选要有代表性了）。常见的有智力测试，例如，假设A在智力测试的原始分是80分（满分100分），如果没有常模，我们就只知道他在测试中答错了20分，其他没有更多的信息，得分是高是低，我们没有很好的判定标准。然而，有了常模就不一样了。A的测试得分是80分，对标到常模，假设他是在90分位（具体转换要用到统计算法，此处不赘述），那么我们就知道，和大多数人比，他的智商算很高，因为A比90%的人的智商要高。这样一说，我相信大家对于常模的意义就比较清楚了，因为常模是分布，所以其的值是概率值，在统计上有具体的含义，这样会让我们更清楚测评结果的具体高低，而不仅仅是一个分值而已。

通过上述描述，大伙对于常模是什么应该有一个比较清楚的了解。

常模的数据表现类型-最后，如果有朋友有兴趣，我们可以进一步了解一下常模一般都有什么类型。据我了解，目前业界用的常模数值主要有Z分数（标准分）、T分数、Sten分数和IQ分数几种（特别说明的是， T、Sten分数其实是统计中转换后的Z分数的一个特殊形式，SHL将其命名为T和Sten，但是统计中均统称为Z分数的转换形式，或为T分数）具体如下：

1.      原始分：对应到分布中的概率值，例如领导力测评中常用的25%、50%、75%三个分位值，由于原始分是概率值，所以其是不可以直接相加减运算的；

2.      Z分数：Z分数其实就是统计中的标准正态分布值，（X- x平均）/sd，可以看出来其每个单位值为一个标准差，例如，Z=3，表明测试得分高于均值3个标准差，为-3则相反。Z分数的出现主要是解决原始分（概率值）因为存在%单位，而无法相加的问题而产生的。可以通过统计对应表来查询此人的概率分布值。

3.      Sten分数： 是原始得分折算为十分制的正态分值，SHL的OPQ人格测试使用的是Sten分值，公式为sten=5.5+Z， sten的均值为5.5。

4.      T分数：由于Z分数存在正数、负数，又有小数，使得Z分数在计算和解释实验结果、测验结果时有些不好理解，因此，常要对Z分数作一线性变换，即将Z转换为T分数，T分数既有Z分数的分布状态（标准正态分布），又易于理解和解释。其线性转换公式为：T=A+B*Z，其中A为转换后的新分数的平均值，B为转换后的标准差。T分数的本质与Z分数一样，保持单位等距，和使数据分布归于标准正态分布。著名的韦氏智力量表用的就是T分数，T=100+Z*15，可以看到韦氏智力量表的均值是100，一个标准差的智力差异是15。

5.      IQ分数：早期的智力测验中是运用比率智商（IQ）作为智力测查的指标，其公式为IQ=MA（智龄）*100%/CA（实龄），这种表示智力的方法有一定的局限性，因为人到成年以后智力不再随年龄而增大，到了老年甚至智力有衰退，要用上面的公式表示则不好。因此，韦氏成人智力量表中使用离差智商这一概念表示一个人在同龄团体中的相对智力。（《现代心理与教育统计学》，张厚粲）

当然，由于受限于个人知识，上述对于常模的描述可能会有不妥当及待完善的地方，也请熟悉的朋友给予指正，从而实现共同进步。也请各位对有不妥的地方多多包涵。