社會準確性模型:人格判斷的個體差異分析策略

陳少華 盧 楨 林志鵬

(廣州大學教育學院,廣州 510006)

1 引言

人格判斷(personality judgment)準確性研究由來已久,20世紀30年代,Allport在建構特質理論時篩選出的4500個人格詞匯至今仍用于人格判斷研究(Allport &Odbert,1936)。然而,早期研究的重點是人格的自陳報告,關注人們為何對自己會做出錯誤判斷,對于他評方法使用很少(張登浩,滕飛,潘雪,2014),準確性研究由此走向衰弱。直至20世紀80年代,在準確性范式(accuracy paradigm)的引導下,人格判斷研究再次呈現繁榮景象(Funder &West,1993)。根據Funder(1995,2012)的定義,準確性是指了解目標的熟人、判斷者和判斷目標之間的一致性,或判斷者、判斷目標與行為測量之間的一致性。這樣就產生了三種準確性:自我—他人一致性(Self-other agreement,簡稱SOA)、他人—他人一致性及行為預測(徐桃,鄭涌,2019)。其中,SOA即一般意義上的判斷準確性應用最廣泛,SOA越高,判斷越準確。

研究表明,人們可以依據各種線索在整體上獲得準確的人格判斷,這些線索包括判斷目標的視頻(Human &Mendes,2018)、辦公室和臥室的擺設(Horgan et al.,2019)、音樂偏好(Nave et al.,2018)、判斷目標朗讀的聲音(Mahrholz et al.,2018)以及社交網絡的更新狀態(Wu &Zheng,2019)。除了關注人們能否達成準確的人格判斷,研究者對是否有好的判斷者、是否有好的判斷目標這些早期的經典問題更感興趣。對于這兩者的個體差異,過去的研究一直沒有取得太大進展,甚至有研究者認為,判斷者之間和判斷目標之間的差異非常小,以至幾乎可以忽略不計(Allik et al.,2016;Schlegel et al.,2017)。但是,現實中有些人確實能慧眼識英雄,有些人則很容易被他人“看穿”。很顯然,人格判斷中肯定存在個體差異,弄清這種差異對于指導現實生活,特別是人際交往無疑有重要意義。

人格判斷個體差異的傳統研究方法,主要有Cronbach(1955)的成分分析法與Kenny(1994)的社會關系方法。按照傳統方法,我們無法從單一的準確性分數中有效推斷個體差異:Cronbach認為,需要將準確性拆分為不同部分,即通過統計方法將準確性拆分為四部分,每部分都能反映不同的個體差異;Kenny則認為,需要將準確性變異拆分為知覺者、目標和關系三種成分(Kenny et al.,2006)。盡管Cronbach和Kenny的方法為理解人格判斷提供了不同的視角,但是這兩種模型都不能很好地解決人格判斷中的個體差異問題,因為完整的人格判斷要考慮三個要素:判斷者、判斷目標以及測量方式,這三者中每個要素都存在個體差異,而上述兩種方法充其量只能解釋其中的兩種。

社會準確性模型(Social Accuracy Model,簡稱SAM)將兩種準確性(即獨特準確性和標準準確性)建模為固定效應,將知覺者和目標的差異建模為隨機效應,實現了Cronbach和Kenny方法的整合。既可以將準確性分解為兩個不同的部分,也可以分析知覺者和目標之間的個體差異,因此可以更精確、更全面的理解人格判斷中的個體差異。與傳統方法相比,SAM在分析人格判斷中的個體差異時更顯優勢,目前國內還沒有關于該模型的介紹及相關的實證研究。本文重點闡述社會準確性模型的概念、數據處理方法及其在人格判斷領域中的應用,并對這一模型的研究前景做了展望。

2 社會準確性模型

2.1 基本概念與原理

社會準確性模型(SAM)是一種用于估計人格判斷個體差異的成分模型,也是一種混合效應模型,它考查的是人格判斷中判斷者對判斷目標人格印象的準確性,這種二元組合(即一個人對另一個人的判斷和印象)代表了SAM分析中的核心概念(Biesanz,2010;Letzring et al.,2021)。SAM可以分離出類似Cronbach方法中的差別準確性和刻板印象準確性,在參考了Furr(2008)的建議后,研究者將其分別命名為獨特準確性與標準準確性。此外,SAM也可以分離出類似SRM中的知覺者效應和目標效應,研究者將其分別命名知覺準確性與表達準確性。SAM的基本觀點為:人格判斷的個體差異存在于判斷者、目標和測量方式三者之中,即回答是否有些判斷者(目標)在哪種準確性成分(獨特或標準準確性)上會比其他判斷者(目標)判斷更為準確。

表1列出了SAM中的四種準確性成分。知覺準確性(perceptive accuracy)指特定知覺者在知覺不同目標對象時其判斷的準確程度(Biesanz,2010),如某人對他人的知覺通常比較準確,亦即知覺準確性較高,是一個好的判斷者。表達準確性(expressive accuracy)是指某個特定目標總體上被不同知覺者判斷的準確程度,如某人更有可能被他人準確地知覺,亦即表達準確性較高,是一個好的判斷目標。表達準確性不僅指表達更有效的線索,而且指能夠提高表達準確性的任何線索,例如,提供更多信息(有助于線索的可用性)或以更吸引人的方式提供信息(有助于線索檢測和利用)(Lorenzo et al.,2010)。

表1 社會準確性模型劃分的四種準確性成分

獨特準確性(distinctive accuracy)指判斷者把握目標對象獨特特質的能力,意即判斷者能在多大程度上準確判斷目標的人格輪廓與普通人的人格輪廓之間的差別。例如,若某人判斷他人的獨特準確性高,則說明他總是能準確識別他人的獨特人格,而不是按照普通人的樣子進行判斷。標準準確性(normative accuracy)指普通人的人格特質和判斷者印象之間的關系,反映了判斷者如何以普通人的知識看待目標。例如,普通人通常比較隨和,而不是更神經質,因此標準準確性高的判斷者往往給目標被試的宜人性評分更高,而神經質評分更低。此外,研究者認為,鑒于標準準確性與社會贊許的相關高達0.86(Rogers &Biesanz,2015),建議標準準確性和社會贊許必須分開估計,因為研究表明,標準準確性更依賴于持續關系(如關系滿意度、孤獨感和社會網絡變量)(Beer et al.,2019;Kerr et al.,2020a);而社會贊許更多反映的是判斷者對判斷目標的積極偏見(Wessels et al.,2020)。

SAM對個體差異研究的意義在于:首先,評估影響人格判斷準確性的調節作用時,必須弄清楚是否在判斷者或目標中有顯著的個體差異,若無個體差異存在,仍要進行調節作用的分析,是毫無意義的,反之,若存在個體差異,就可以進一步將假設的調節變量,放入SAM的第二級水平進行調節作用分析;其次,是標準準確性和獨特準確性代表著人格判斷的不同機制。以線索感知為例,當觀察者能明顯發現目標的一些獨特的線索時(亦即容易引起注意的,與眾不同的特點),更容易對與此線索相關的特質做出區分式的評估,如某人在聚餐時明顯比在場的所有人話多,那可能在對其外向性評分的時候,會下意識地給出比其他人更高的分數。反之,如果在其它特質上沒有觀察到相關的獨特線索,則可能會保守地按一般認知進行評分,也就是給一個不高不低的,與情境相關的分數,它可能與目標特質水平相符,也可能不符。這也就是獨特與標準準確性的線索感知和判斷過程。

2.2 數據處理與分析

2.2.1 基本公式

社會準確性模型的基本公式如下:

Yijk=β0ij+β1ijTargetPersonalityjk+
β2ijNormativek+εijk

(1)

β0ij=y00+u0i+u0j+u0(pt)

β1ij=y10+u1i+u1j+u1(pt)

β2ij=y20+u2i+u2j+u2(pt)

(2)

上述兩個公式共同構造成了一個混合效應模型,即同時包括了固定效應和隨機效應的回歸模型。在該模型的第一級水平(公式1),Yijk指的是判斷者i在項目k上對目標j的評定分數,即因變量。自變量TargetPersonalityjk表示目標j在項目k上的獨特準確性自評得分(即j在k上的自我報告得分減去所有被試在k上的平均自評得分),Normativek是所有目標在項目k上的平均自我報告得分均值。在第一級水平中(公式1),β0ij、β1ij、β2ij為模型中的三個固定效應。β0ij代表截距,β1ij的值代表差別準確性,β2ij的值即為標準準確性。在第二級水平中(公式2),假設判斷者和目標的取樣都存在差異,第一級水平上的每個預測值都被建模為隨機效應。y00、y10、y20分別代表平均的截距、獨特準確性和標準準確性。u0i、u1i、u2i分別表示它們在判斷者中的殘差;u0j、u1j、u2j分別表示它們在目標者中的殘差,u0(pt)、u1(pt)、u2(pt)分別表示它們在配對中的殘差。

2.2.2 研究設計類型

SAM遵循SRM所使用的研究設計,采用循環設計(round-robin design)和半塊設計(half-block design)來考查人格判斷的個體差異。循環設計以幾人到十幾人為一小組,小組內被試兩兩互動,并對對方做出人格判斷,互動話題和時長依據研究內容決定(Kenny &Albright,1987)。這種設計的特點是,組內的每個人既充當判斷者,也充當被判斷目標,每個判斷者都判斷多個目標,每個目標也被多人判斷,可以收集到大量數據,能夠充分提供推斷個體差異的基礎。但這種設計實施起來比較困難,耗時費力。而在半塊設計中,判斷者與目標不直接互動,一般是選取一部分人作為被試,記錄其行為作為判斷線索,例如,將他們的自我介紹錄制成視頻讓另外一群人觀看,然后進行人格判斷。半塊設計的特點是,判斷者與目標之間不需直接互動,實施簡單,但可利用的線索沒有循環設計豐富。實際上研究者需根據具體問題選擇設計類型,一般說來,若不需要在面對面的情境下進行人格判斷,則基本上都是采用半塊設計。

2.2.3 模型的注意事項

在分析數據時,SAM采用跨項目的輪廓準確性(profile accuracy)方法,不同于跨目標的特質準確性(trait accuracy)方法,后者只能計算出單一特質的平均準確性分數(Back et al.,2016;Nestler &Back,2013)。SAM不僅能夠計算出每個判斷者的準確性分數,而且還可以計算出每個目標被判斷出來的準確性分數,然后比較所有判斷者和目標分數之間得分的差異,從而對個體差異做出估計。因此,盡可能多的被試量可以作出更可靠的個體差異推論;有研究者建議,在進行SAM分析時,項目條數應不少于8個(Rogers &Biesanz,2019);最后,數據在分析時不需要反向編碼(Letzring et al.,2021)。

2.3 擴展后的模型

在進行基本的SAM分析后,需要進一步分析模型中的隨機效應,因為我們只能從基本模型中看出是否可能存在個體差異(即隨機效應是否顯著),如果存在個體差異,那么接下來需要理解和預測這些隨機效應。具體方法如下:

β0ij=y00+y01M+u0i+u0j+u0(pt)

β1ij=y10+y11M+u1i+u1j+u1(pt)

β2ij=y20+y21M+u2i+u2j+u2(pt)

(3)

公式3在公式2的基礎上添加了調節變量M和對應的斜率y01、y11、y21,其中y11表示調節變量與獨特準確性的關系,y21表示調節變量與標準準確性的關系。例如,研究者將性別作為調節變量(男性編碼為0,女性編碼為1),發現y21存在顯著的正值,說明女性在標準準確性的得分上顯著高于男性(Chan et al.,2011)。類似的調節變量還有目標吸引力、焦慮程度、幸福感、外傾性、知覺者智力,以及互動時長、關系熟悉度、知覺者對目標的喜歡程度等任何與個體差異相關的變量。

在模型的第一級水平上,也可以添加假定相似性(assumed similarity)、元準確性(meta-accuracy)、社會贊許性,評估判斷者在這些方面是否會影響他們對目標的判斷,并評估這些方面是否存在個體差異(Elsaadawy et al.,2020;Tissera et al.,2020)。具體方法如下。

Yijk=β0ij+β1ijTargetPersonalityjk+
β2ijNormativek+β3ijX+εijk

(4)

X可以是假定相似性、元知覺準確性或者評分的積極程度,然后在模型的第二級水平會多出一個式子:β3ij=y30+y31M+u3i+u3j+u3(pt)

(5)

上述所有公式是社會準確性模型(SAM)包含的主要內容,這些公式會隨研究問題的變化而變化。公式1、2共同組成了最基礎部分,其作用是分解成兩種準確性,并給出個體差異是否存在的估計,若要檢驗個體差異的具體作用,則需要額外用到公式3;公式4是對公式1的拓展,目的是探討除準確性之外的更多自變量中存在的個體差異,而公式5,則是公式4對比公式1多出來的變量X在模型第二級水平上的體現。目前的趨勢是公式趨于復雜,從只有基礎公式、只探討單個調節變量,到如今在第一級水平上加入社會贊許、元準確性、在第二級水平探討兩個調節變量,體現的是SAM正向多變量分析轉變。

3 SAM在人格判斷中的應用

SAM專注人格判斷領域,關注影響判斷準確性的個體差異變量。下面將重點闡述SAM與判斷者、目標有關的個體差異變量中的應用,然后簡要介紹SAM的其他研究。

3.1 喜歡與準確性

運用SAM研究判斷準確性的一個重要變量是喜歡(liking),喜歡是與判斷者有關的個體差異變量,其含義是判斷者有多喜歡被他判斷的目標。早期的研究利用SAM證明了判斷者之間存在著個體差異,并且檢驗了喜歡的調節作用,即喜歡與獨特準確性和標準準確性之間的正相關關系(Human &Biesanz,2011,2013)。但此結果需要繼續探究,因為有研究表明,判斷者對目標的喜歡反映的是積極偏見(Leising et al.,2012;Leising et al.,2015),即判斷者越喜歡目標,他/她就越會以積極方式描述目標,而不管其實際人格如何。

因此,最近的研究將社會贊許(代表積極偏見)加入SAM的第一級水平,進一步探討喜歡與獨特準確性、標準準確性和社會贊許之間的關系(Zimmermann et al.,2017;Human et al.,2020b)。Zimmermann等人(2017)發現,與喜歡目標的判斷者相比,那些被降低對目標喜歡程度的判斷者,有著更低的獨特準確性和更高的標準標準性,以及更低的社會贊許;利用相似的SAM建模方法,Wessels等(2020)的研究得出的結論是,喜歡目標越多會降低差別準確性和標準準確性。不難發現,利用SAM得出喜歡對人格判斷準確性的影響存在矛盾性,我們認為可能有兩方面的原因:一方面,如果判斷者缺少判斷人格的關鍵信息,那么喜歡目標將會把對方評估為自己喜歡的理想型人格,而這并不一定是目標的真實人格;另一方面,喜歡的程度也很重要,適當的喜歡會促進準確判斷對方的動機,從而提高判斷的準確性,而極端的喜歡或者不喜歡都會降低差別準確性。因此,未來的研究應該在操縱信息豐富度與喜歡程度的情況下,探討喜歡與標準準確性和差別準確性的關系。

3.2 心理適應與準確性

心理適應(adjustment)是與被判斷目標有關的個體差異變量,心理適應高的人通常具有更明顯的人格—行為一致性,他們的行為與人格特征更吻合,知覺者因此能夠獲得更多的相關線索(Funder,1995)。換句話說,心理適應提高了線索的相關性,從而提高,判斷的準確性。但心理適應影響的是差別準確性還是標準準確性呢?在一項利用社會準確性模型進行分析的研究中,研究者要求知覺者根據結構性訪談視頻判斷目標人格,并將心理適應分數作為調節變量放入SAM的第二級水平,發現被判斷的目標中存在著個體差異,具體說來,心理適應更高的個體表達差別準確性更高,而在表達標準準確性上無此關系(Human et al.,2014)。隨后,研究者利用非結構性的視頻判斷任務和兩周的行為測量數據,進行SAM分析也得到了同樣的結果(Human et al.,2019),進一步證明了心理適應與差別準確性的正向相關。

值得一提的是,許多關于心理適應與判斷準確性的研究往往集中于弱情境(Human &Biesanz,2011;Human et al.,2014;Human et al.,2020a),個體在這類情境中更容易表現出人格—行為一致性。而在強情境下,個體會有更多自我表現擔憂,因此人們在這類情境中,更有可能循規蹈矩,行為也會受到更多約束。例如,在第一次約會情境中要求個體有更多的接近行為,如更頻繁地表達對對方的興趣(Rauthmann et al.,2014),此時表現的可能不是某人獨特的人格特征。為了考查強情境下心理適應與準確性的關系,研究者用快速約會范式,檢驗了初次約會時是否存在表達準確性的個體差異,結果發現心理適應高的個體表達獨特準確性顯著高于心理適應低的個體(Kerr et al.,2020b)。有理由相信,心理適應能力是一個穩定的個體差異變量,無論是強情境還是弱情境下,那些心理適應能力強的個體能更好表達他們的獨特人格;對于標準準確性,則并不會如此。盡管心理適應具有跨情境穩定性,但仍可能存在使心理適應強的個體表現出人格與行為不一致的情境,未來研究者可以深入探究這個問題。

3.3 SAM的其他研究

關于準確性的性別差異,SAM分析發現,女性判斷者的標準準確性更高,獨特準確性沒有顯著的性別差異(Chan et al.,2011)。從跨文化的角度看,中國人更容易將自己的人格描述成與群體中的其他人相似,即標準準確性高;而美國人則更有可能將自己描述為和別人不一樣,亦即獨特準確性較高(Locke et al.,2013)。在面對面互動中,即便只獲得少量信息,作為第三方的旁觀者也能達到相當程度的獨特準確性與標準準確性(Wall et al.,2018)。與現實情境相比,在網絡環境交流中,人們對對方人格的看法更多受標準準確性的影響(Belinskaya &Bronin,2015)。此外,在相同的情境下,若判斷者對目標投入更多的注意力,則會提升獨特準確性和標準準確性(Capozzi et al.,2020)。Krzyzaniak等人(2019)利用SAM,考察了信息數量對人格判斷獨特準確性和標準準確性的影響,結果發現:在獨特準確性上,外傾性與信息數量有顯著正相關,開放性與信息數量呈顯著負相關;在標準確性上,宜人性和盡責性都與信息數量呈線性正相關。在快速約會情境中,獨特準確性與浪漫興趣呈負相關,積極偏見與浪漫興趣呈正相關(Kerr et al.,2020a)。研究還發現,喝了酒的目標比沒喝酒的目標增加了人格特質表達的積極性,但酒精并沒有提升目標的表達準確性(Orehek et al.,2020)。由此可見,SAM可應用的研究設計眾多,值得研究者利用這項工具繼續探討人格判斷中的個體差異問題。

4 展望

SAM彌補了過去只能間接測量個體差異變量與人格判斷的關系,可用于直接估計人格判斷中的個體差異。自SAM提出以來(Biesanz,2010),已有數十篇關于人格判斷的個體差異研究采用了SAM分析方法,其最主要貢獻在于,提供了一個重要的方法論基礎和可擴展的分析框架,在Cronbach和Kenny的基礎上,進一步加深我們對人格判斷中個體差異問題的理解。盡管如此,SAM也有一定的局限性。

第一,在研究設計方面,雖然SAM的分析框架很靈活,但它對研究設計的要求非常高。SAM的目的在于分析個體差異,如果沒有一人被多人判斷及一人判斷多人的循環設計,則很難保證有可靠的個體差異。而循環設計最大的缺陷在于,其龐大的被試量使得在實際研究中難以收集數據與控制變量。一個可替代的方案是半塊設計,盡管也需要處理許多的數據,但由于不需要安排判斷者與目標的互動,實際操作起來比較方便。

第二,從研究對象與建模難度來講,SAM的建模難度較大,且目前的研究已從單變量向多變量分析發展,變量與變量間的交互分析發展,例如,同時研究熟悉度與喜歡對準確性的影響。這無疑進一步加大了建模的難度。此外,SAM有用R語言開發的建模程序,而許多主流統計軟件(如SPSS、Statistica、Mplus等)無法實現SAM建模,這也不利于SAM的推廣與應用。多變量分析是解決復雜問題的基礎,為此,未來亟需研究者們開發出適用程度更廣的程序包,優化SAM的建模難度,使更多研究者可以運用SAM,解決更多人格判斷中的個體差異問題。

第三,從SAM應用的情境分析,當前研究大多在實驗室進行,這使得研究的生態效度很難得到保證。雖然實驗室情境可以更好的控制人格判斷中的各種變量(如互動時長、強情強弱等),為人格判斷的個體差異提供更強的解釋力。但是,人格判斷更多是在現實情境中進行的,這種情境是自然的、真實的,而不是虛擬的、控制的。例如,只有真正去面試的人才能體驗到面試的緊張,對想獲得這份工作的期待,以及對自己正常發揮的擔心,而在實驗室模擬的面試情境中,被試不可能產生這種感覺(Mignault &Human,2017)。因此,未來的研究需要將SAM分析策略擴展到現實情境的研究中,例如,根據人們日常與朋友聊天的內容、根據社交網絡上的狀態更新判斷人格。

第四,從已有的研究來看,SAM分析得出的隨機效應,只能在數量上估計是否存在個體差異,個體差異存在于判斷者中還是目標中,卻無法直接得到具體是什么樣的個體差異,研究者必須提前明確具體的個體差異變量,而不能在SAM中得到探索性的答案。同時,諸如表達準確性和知覺準確性一類的概念,容易讓人誤以為是真正的準確性分數,實際上這兩種準確性無法從SAM的分析結果中得出,它們只不過是個體差異變量存在方向的表述而已。就目前看來,SAM仍需要與其他方法結合,才可實現其在分析個體差異中的優勢,例如Wessels等(2021)將真理和偏見模型(truth and bias model)與SAM結合,這樣可以在SAM的基礎上,額外分析出影響判斷的真值成分和偏差成分。