探讨量表结果分层的理论依据

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）