什么是流体智力？IQ 是怎么测出来的？

搜索“免费 IQ 测试”的人，通常想要两样东西：一个分数，以及这个分数到底意味着什么。本文讲的是后者：图形类 IQ 测试实际测的是哪种能力，原始分如何换算成 IQ。另外也会解释，为什么任何一次测试结果（尤其是简短的在线测试）都更适合看成一个区间，而不是定论。

流体智力与晶体智力

20 世纪 60 年代，心理学家雷蒙德·卡特尔（Raymond Cattell）提出，“一般智力”更适合拆成两种相关但不同的能力（Cattell, 1963）：

• 流体智力：推理新问题的能力——在已有知识帮不上忙时，发现规律、找出规则、得出结论。
• 晶体智力：通过教育和经验积累起来的知识与技能，比如词汇量、常识和熟悉的解题套路。

两者通常相伴出现，但并不等同。一个博览群书的人可能词汇量很大（晶体智力），面对陌生的逻辑题却未必轻松（流体智力），反过来的情况也存在。

卡特尔的划分后来被纳入一个更大的框架：卡特尔–霍恩–卡罗尔（CHC）模型。CHC 整合了一个世纪的认知能力研究，分为三层：顶层是一般因素；中间是若干广泛能力，如流体推理、理解–知识、视觉加工、加工速度等；底层是大量具体的细分技能（McGrew, 2009）。它被广泛用作设计和解读智力测验的框架。

落到实处，这意味着“IQ”并不是某种固定不变的单一东西。不同测验考查的能力不同，而由图形题组成的测验主要考查流体推理。

什么是矩阵推理题

矩阵推理题会给出一个图形网格——常见的是 3×3——其中缺了一格。图形沿行、沿列按隐藏规律变化：可能旋转、变大、数量增加，或者填充方式轮换。你要做的是找出规律，选出能补全网格的那一块。

最有名的例子是瑞文渐进矩阵测验（Raven’s Progressive Matrices），由约翰·C·瑞文（John C. Raven）在 20 世纪 30 年代编制，之后在许多国家使用（Raven, 2000）。之所以叫“渐进”，是因为题目由易到难；它使用抽象图形，而不是文字或数字。

矩阵题受欢迎，主要有三个原因：

• 直指流体推理。 图形是陌生的，几乎没有现成知识可依靠，只能当场找规律。
• 对语言依赖小。 因此更容易跨语言使用，不过没有任何测验能完全摆脱文化影响（Raven, 2000）。
• 效率高。 每道题呈现快，且只有一个明确的正确答案。

瑞文测验等商业测验受版权保护，于是研究者开发了开放的替代方案。国际认知能力资源库（ICAR）是一套公有领域的题型，包括矩阵推理、字母与数字序列、言语推理和三维旋转，并在数万名在线参与者中做过检验。开发者发现，公开题目似乎并没有削弱其效度（Condon & Revelle, 2014）。ICAR 面向研究用途，本文和本站都不会转载其题目。

IQ 分数是怎么换算的

你答对的题数叫“原始分”。单看它意义不大：难题答对 12 道很厉害，易题答对 12 道则很普通。为了让分数可比，测验会借助常模来换算——也就是一个参照群体在同一测验上的分数分布。

现代 IQ 测验把参照群体的平均分定为 100，标准差定为 15（Neisser et al., 1996）。大规模人群的分数大致呈钟形分布，因此每个 IQ 值都对应一个百分位，即预计有多少比例的人得分比你低：

• IQ 100：第 50 百分位（正好平均）
• IQ 115：约第 84 百分位（高于平均一个标准差）
• IQ 130：约第 98 百分位（高于平均两个标准差）
• IQ 85：约第 16 百分位（低于平均一个标准差）

大约三分之二的人落在 85 到 115 之间。所以相差几分其实很小，相差 15 分才算明显。

测量误差与置信区间

没有哪个测验能完美测量一个人。某一天的分数会受到睡眠、注意力、具体抽到的题目以及猜题运气的影响。心理学用信度来描述这一点：越接近 1，同一个人换一套平行题目再测时，分数变化越小。

根据信度，可以估算置信区间——如果能反复测很多次，你的平均分很可能落在这个范围里。严谨的报告会给出这个区间，而不只是一个数字。如果结果写着“108（90% 区间 97–119）”，诚实的解读是“大约在平均到中等偏上之间”，而不是“正好 108”。

在线简短测试能说明什么、不能说明什么

专业的 IQ 评估通常由受过训练的施测者当面进行，覆盖多项广泛能力而不只是一项，并以大型参照群体建立常模。免费在线测试在这几方面通常都不同。

简短的在线矩阵测试可以：

• 让你大致了解自己在时间压力下处理抽象规律的能力；
• 显示哪类规律对你来说容易、哪类较难；
• 作为一次有趣的解谜体验，也是了解智力研究的起点。

它不能：

• 给出全量表 IQ，因为它只考查了一种能力；
• 区分细微差别，尤其在分数两端，因为题目数量少；
• 控制测试环境——分心、手机屏幕太小或疲劳都会拉低分数；
• 用作临床、教育或招聘评估。

还应该了解 IQ 总体上能预测什么。IQ 与学业成绩的相关约为 .50（Neisser et al., 1996）——这是有意义的联系，但学生之间的大部分差异仍要由其他因素解释，比如动机、教学和成长环境。

遗传、环境与弗林效应

双生子和家庭研究发现，人与人之间的智力差异部分可遗传，而且遗传所占比例随年龄上升——从婴儿期的约 20%，到成年后期可能达到 80%（Plomin & Deary, 2015）。遗传率描述的是一个群体中的差异来源，并不意味着某个人的分数是固定的，或“主要由基因决定”。

环境同样重要。一项元分析汇总了专门用来区分因果的研究，估计每多接受一年教育，智力测验分数大约提高 1 到 5 分（Ritchie & Tucker-Drob, 2018）。

环境影响最明显的证据是弗林效应：整个 20 世纪，智力测验的平均分持续上升。一项元分析覆盖 1909 至 2013 年间 31 个国家、约 400 万人，发现全量表测验大约每十年上升 3 分，流体推理测验的涨幅大于晶体智力测验，而近几十年增速放缓（Pietschnig & Voracek, 2015）。瑞文测验自己的常模也呈现同样规律：同一时期各文化之间相当接近，但几十年间变化明显（Raven, 2000）。这也是常模必须定期更新的原因之一——用很久以前的常模，会让今天的受测者显得比实际更高。

常见误区

“IQ 是一个固定不变的数字。” 分数有测量误差，会随教育而变化，人群平均水平也随时代改变（Ritchie & Tucker-Drob, 2018；Pietschnig & Voracek, 2015）。

“玩脑力训练游戏能提高 IQ。” 工作记忆训练能提高被训练任务本身的表现，但元分析没有找到令人信服的证据表明这种提升能迁移到更广泛的推理能力（Melby-Lervåg & Hulme, 2013）。

“IQ 能衡量一个人头脑中所有重要的东西。” IQ 测验能较好地考查某些推理和知识技能，但不测创造力、实践智慧、人格，以及许多影响人生走向的其他特质（Neisser et al., 1996）。

“免费在线测试测出的就是真实 IQ。” 它给出的只是某一次测试中对一种能力的估计，误差范围还不小。

本站 IQ 测试如何运作

Mind Examination 的“IQ 测试（快速版）”是一个完全由矩阵题组成的简短流体推理测试。它的具体做法如下：

• 题目。 16 道原创 3×3 矩阵题，外加 1 道练习题。题目由我们自己编写的规则生成，没有照搬瑞文测验、ICAR 或任何已出版测验。
• 难度。 分四级，每级 4 题。第 1 级只有一个特征在变化，比如图形数量；更高级别会同时叠加两到三条规律，或使用线条相加、相互抵消或取重叠部分的图案。
• 时间。 总时限 10 分钟。答错不扣分，所以拿不准时猜一个比留空更好。
• 原始分。 答对的题数，0 到 16。
• 换算。 原始分换算成估计 IQ（平均 100，标准差 15），并给出 90% 区间和百分位。

常模是临时的。 在足够多的人完成测试之前，我们假定平均答对 9 题、标准差 3.2，这是根据难度均衡的 16 题矩阵测验的常见水平估计的。我们还假定信度为 0.80，由此得到的 90% 区间约为估计值上下各 11 分。收集到足够多的匿名结果后，我们会用本站真实数据重新计算常模，并在“方法说明”页面注明这一变化。

这种设计有两个直接影响。第一，每多答对一题，估计值大约变化 4 到 5 分，所以一次侥幸猜中或一次失手都有影响。第二，只有 16 道题，量表无法精确区分非常高或非常低的分数：全部答对对应的估计值在 130 出头，且估计值的上下限分别为 145 和 55。请把结果看成你当天图形推理能力的一张粗略快照——而不是对你的价值或潜力的衡量。

常见问题

IQ 100 意味着什么？

意味着你的分数正好等于该测验常模参照群体的平均水平，即第 50 百分位：大约一半人比你高，一半人比你低。无论哪种测验，分数周围的区间和分数本身同样重要。

IQ 120 算高吗？

IQ 120 比平均高约 1.33 个标准差，大致对应第 91 百分位。不过在简短的在线测试中，置信区间较宽，所以在本站测出 120，更合理的理解是“大约在 109 到 131 之间”。

为什么我在不同 IQ 测试上分数不一样？

不同测验测的能力组合不同，常模群体不同，各自也有测量误差。由于弗林效应，过时的常模还会让分数虚高（Pietschnig & Voracek, 2015）。两个互不相关的在线测试相差 10 分甚至更多，很常见，也不奇怪。

流体智力可以提高吗？

反复练习某一类题，确实会让你更擅长这类题，但训练游戏尚未被证明能提高广泛的推理能力（Melby-Lervåg & Hulme, 2013）。在提高测得智力方面，最一致的证据来自教育（Ritchie & Tucker-Drob, 2018）。