探讨量表结果分层的理论依据

摘要： 一些量表在实践中会将数值得分划分为等级，但这种分类法存在临界值测不准的问题，分类方式影响着结果，将具体分数映射到人群分布曲线并以标准差度量可能是好方式，但会增加读者理解难度。对比多个相似测量是好方法，而如何判定量表测量值与不可测量之定义的关系仍是值得研究的问题。

有一些量表在实践中（或者网路上）为了方便理解结果，会按照一定方法将数值的得分划分为等级（如低中高度xxx）。这样的分类法会导致处于临界值的受试者在分类上测不准，如不同分类间数值相差1的个体差异未必比相同分类下数值差异为2的个体组拥有更多不同。
虽然分类法在心理学历史中（与心理学传播中）扮演了或扮演过重要位置，这种差异在准确理解心理学数据时仍是不可忽略的。

当然数据的分类方式也影响着分类方式。就我个人理解，讲具体分数映射到人群分布曲线上，并以标准差作为度量尺寸可能是一种好方式（即类似在人群中前/后百分比）。但是所对比的人群需要有所研究，读者的理解难度亦会增大。若某一时期社会中该被测变量均值上升（比如人群患病率上升），是否应当因此提高判病阈值？
看起来不太合适。

按照主流的理解，对比多个相似的测量可能是一个好方法，至少可以互相参照（External Validity）。这也是更加全面理解受试者的途径。
不过最终来说，如何判定量表测量值与不可测量之定义之间关系（即Validity），仍是一个值得研究的问题。

有机会还是查阅文献再作深入）