汉字笔迹主客观评定方法的分析与比较

尹磊?王宇中?申权威

摘 要 汉字笔迹特征的评定是笔迹心理分析的基础工作，方法学的局限一直限制着笔迹分析的发展。研究通过对全国1011份有效笔迹样本分别进行主客观评定，然后对收集的数据进行因素分析和判别分析。结果显示：主客观评定方法对笔迹特征的评定虽有交叉的地方，但侧重于笔迹特征的不同方面；判别分析显示两者对性别的重判正确率相差不大。笔迹的主客观评定都有其价值所在，在今后的研究中，应结合两种评定方法对笔迹特征进行评定。

关键词 汉字笔迹特征；主观评定；客观评定

分类号 DF794.2

1 前言

在汉字笔迹心理学分析中，基础的工作是对笔迹特征进行筛选与评定。赵庆梅（2001）通过对已往文献的分析，总结出十一种笔迹分析方法，即特征法、测量法、比较法、直觉感知法、望气法、形与态结合法、类推法、微观到宏观分析法、宏观到微观分析法综合法、综合法、软件测评法。笔迹特征的评定方法不一， 一直限制着笔迹分析的发展。冮勇（2008）认为，笔迹研究的方法可以归纳为笔迹整体印象分析和笔迹微观特征（即元素分析）两种视角或两种策略。一般来说，实证性研究视角多具有元素主义取向；而重视整体特征的分析多为经验性研究。童辉杰和杨鑫辉（2003）研究认为：笔相学家的主观经验判断是没有根据的，其经验判断大多是主观臆测，经不起实证检验。这种仅凭经验进行判断的笔迹分析很难满足科学所要求的客观性和可重复性，因而逐渐被摒弃和淘汰，取而代之的是科学的测量，即把笔迹当成平面几何图形对其特征进行测量。张卿华和王文英（1998）采用汉字笔迹测量法和80.8神经类型量表法，研究了笔迹的年龄特征以及笔迹特征和神经类型间的关系。牛乐（2008）用直尺、量角器等工具对上留白、下留白等十项笔迹特征进行了测量，研究了笔迹的布局特征。赵娜和李永鑫（2007）指出，测量法的最大优点是可操作性强，不受主观因素的影响，结果客观公正，易为人们所接受，可以被引入计算机进行自动化操作。20世纪末，随着计算机技术的快速发展，人工智能和模式识别技术让我们能够以全新的视角来处理笔迹。为了更好地将手写体转译为印刷体，人们采用计算机技术不断地改进识别手写体的质量。何震宇（2003）提出了“去除笔迹的格线和噪音”“矩特征算法”“笔迹纹理分析”等方法，对笔迹特征的计算机识别进行了深入的考察。在客观测量在笔迹分析技术上大行其道时，冮勇和孔克勤（2009）指出，已往的研究过于关注可客观测量的笔迹特征，而忽视了笔迹整体印象的评定。这背离了笔迹学研究开创者克拉格斯（Ludwig Klages，1972～1956）所提倡的整体性研究思想。笔迹特征具有怎样的整体结构是研究笔迹与人格关系的前提。随后，冮勇和孔克勤（2009）采用“整体性印象评定”研究取向，编制了“汉字笔迹整体特征评定量表”。这是对主观评定方法的信奉和改良。

方法学上的局限一直限制着笔迹分析的发展。目前，笔迹分析两种主流的方法取向是：主观评定和客观评定。主观评定是较成熟且应用较多的方法，前人的研究大多依赖这种方法，但主观评定方法由于误差较大，评定标准不一， 一直被科学心理学所排斥。客观评定方法发展相对较晚，具有量化或计量优势，但却无法对笔迹的“整体印象”如美观度、潦草度等特征进行评定。评价这两种分析方法的标准主要是效度，本研究试图对同一样本采用两种方法进行分析，以探讨两种评定方法的优劣。

2 方法

2.1 被试

对全国多个省份的1100名被试进行笔迹样本采集，最终1011名被试的笔迹材料符合要求。其中男性477人，女性465人，69人性别信息缺失；被试年龄为16岁至71岁。

2.2 研究工具

2.2.1 书写笔、纸和垫板

为了控制书写时影响笔迹特征的无关变量，采用王高强（2013）的标准化工具测评法，选用统一的书写笔、书写纸、书写垫板和汉语抄写材料：标准书写用笔为晨光牌MG-2180型号0.5mm水笔；标准书写用纸为立印牌高级多功能复印纸210mm×297mm，70g/m2；书写垫板为得力牌9353型号垫写板；标准抄写材料为包含147个汉字的文字材料（题目为《人生的大智慧》）。

2.2.2 汉字笔迹特征量化识别系统（CCQAS4.0）

该系统由课题组与河南大创公司联合研发而成。该系统借助计算机信息技术，以扫描后的书写笔迹材料图片文件为处理对象，通过分析算法，最终可获得27个汉字笔迹特征参数。该系统用量化分析代替以往的手工测量，大大提高了参数的准确性和运算效率。

2.2.3 汉字笔迹主观评定量表

采用刘勇华（2014）编制的汉字笔迹主观评定量表，该量表包含30个笔迹特征项目，采用李克特7级评分。量表编制过程中采用了定义明确、评定难度较低以及评价一致性好三个标准，故该量表具有较好的内容效度和评分者信度，各项目组内相关系数均在0.8以上。

2.3 方法与程序

2.3.1 笔迹样本采集

对30名参与实验人员进行培训后，分别在全国7个省、直辖市采用以上标准工具和标准程序对1100名被试进行笔迹采集。指导语：“各位朋友，大家好。现在大家面前都有一支笔、一张白纸和一份抄写材料，请把垫板放在白纸下面，把这一段文字材料按照平时的书写速度和书写习惯抄写到白纸上。请注意秒表，最后把抄写所用时间写在下面的表格中。准备好了，现在开始。”被试抄写结束后回收笔迹样本，进行筛选后采集到1011份有效笔迹样本。

2.3.2 笔迹特征量化主观评定

对30名实验人员进行主观评定培训，采用汉字笔迹主观评定量表进行评定，每位评定者大约评定100份笔迹，每一份笔迹经过前后3次不同评定者的评定，取3次评定的平均数作为最终的结果。

2.3.3 客观度量

对1011份笔迹资料用明基Q66扫描仪进行图片全真扫描，然后使用CCQAS4.0对扫描储存的笔迹图片进行客观度量，获得每份笔迹资料的24个笔迹特征参数。

2.3.4 数据处理

使用EXCEL2003和SPSS21.0对数据进行管理，用SPSS21.0对主客观评定收集的数据进行分析处理。

3 结果

3.1 因素分析

3.1.1 主观评定数据的因素分析

为了探讨主观评定包含的潜在笔迹因子，对主观评定的“整体清晰度”“整体工整度”“行一致性”“行距大小”等30个笔迹变量进行因素分析，采用主成分分析法（Principal Component Analysis，PCA）提取因子，并对结果进行方差极大化正交旋转。KMO值为0.876，Bartletts球型检验结果在0.01水平显著，适合做因素分析。通过多轮因素分析，逐步删除个别因素负荷小于0.35的项目或者存在多重负荷的项目。根据碎石图的特点，抽取了特征值大于1的因子5个，累计方差贡献率为68.14%。

根据因素分析结果，“整体清晰度”“整体工整度”“笔划流畅度”“成熟度”“行清晰度”“行一致性”“行距大小”等7个笔迹特征变量在因子S1上有较高负荷，共同解释总变异的24.86%，这些笔迹特征反映书写者笔迹具有清晰、工整、一致、成熟的特点，故本研究将因子S1命名为“整洁性”。“字体大小”“字体宽窄”“横划长短”“捺划长短”“撇划长短”“竖划长短”“字间距”等7个笔迹特征在因子S2上负荷较高，解释总变异的18.23%，这些笔迹特征反映的是笔迹字体的基本笔划的长短以及字体的高矮宽窄等大小特点，故本研究将因子S2命名为“笔划长度”。“左留白”“右留白”“上留白”等3个笔迹特征在因子S3上负荷较高，解释总变异的9.99%，反映笔迹的留白大小情况，因此将因子S3 命名为“留白大小”。“连笔多少”和“字体棱角”这两个特征同在因子S4上负荷较高，解释总变异的8.88%，连笔和棱角反映的是字体的清晰、工整情况，所以研究将因子S4命名为“连笔与棱角”。“左边距一致性”“右边距一致性”在因子S5上负荷较高，解释变异的6.18%，反映的是笔迹边距一致性情况，因此将因子S5命名为“边距一致性”。

3.1.2 客观评定数据的因素分析

对客观评定的页眉留白、页脚留白、左侧留白、右侧留白等29项笔迹特征再加上时间共30个笔迹特征进行因素分析。同样采用主成分分析法提取因子，并对结果进行方差极大化正交旋转。KMO值为0.72，Bartletts球型检验结果在0.01水平显著，适合做因素分析。根据碎石图的特点，抽取了特征值大于1的因子6个，累计方差贡献率为71.30%。

根据因素分析结果，平均字面积、最大字面积、标题字体面积、最小字面积、均匀程度比、像素数等6个笔迹特征在因素1上有较高的负荷，该因素命名为“字体面积”。平均行间距、最大行间距、最小行间距、标首距等4个笔迹特征在因素2上有较高负荷，该因素命名为“行间距”。平均高宽比、标题高宽比、最大高宽比、最小高宽比等4个笔迹特征在因素3上有较高负荷，命名为“字体高宽比”。平均行倾角、最大行倾角、标题倾斜度等3个笔迹特征在因素4上有较高负荷，该因素命名为“行倾斜度”。左侧留白、页眉留白、右侧留白等3个笔迹特征在因素5上有较高负荷，该因素命名为“留白大小”。时间特征在因素6上有较高负荷，该因素命名为“书写速度”。

3.2 性别的判别分析

大量的研究表明，在多数笔迹特征上存在性别差异（张卿华，王文英，1998；秦玉红，孙艳，2009；冮勇，董巍，2013）。本研究尝试以性别为分组变量，以主客观评定的笔迹变量为自变量分别建立判别模型，来考察两种评定方法对性别重判的正确率，以此作为评价两种分析方法的外部效度之一。

3.2.1 主观评定的判别分析

将被试按性别分为两组，用主观评定的笔迹变量对两组进行判别分析，比较两组情况。使用步进式方法得到以下判别分析模型：

D=-0.24连笔多少+0.44行距大小+0.28标点规范度+0.67性别倾向-0.31成熟度

该判别模型的特征值为0.15，正则相关系数为0.27；Wilks lambda值极显著，表明两组平均值显著不同。用判别模型将两组被试重新判别，正确率为64.90%（见表1）。

3.2.2 客观评定的判别分析

使用客观评定的笔迹变量对按性别分为两组的被试进行判别，建立以下判别分析模型：

D=0.65页脚留白+0.43标题字体大小+0.66最大字面积+0.74平均高宽比-0.69最小高宽比

该判别模型的特征值为0.08，正则相关系数为0.32；Wilks lambda值极显著，表明两组平均值显著不同。用判别模型将两组被试重新判别，正确率为61.70%（见表2）。

表1 主观评定对成员的性别判断

性别 预测组成员 合计

男 女

男（初始） 307 170 477

女 161 304 465

未分组的案例 25 44 69

表2 客观评定对成员的性别判断

性别 预测组成员 合计

男 女

男（初始） 264 213 477

女 148 317 465

未分组的案例 32 37 69

4 讨论

主观评定中抽取了整洁性、笔划长度、留白大小、连笔与棱角和边距一致性等五个因子；客观评定中抽取了字体面积、行间距、字体高宽比、行倾斜度、留白大小和书写速度等六个因子。两者进行比较可知：主观评定中的“留白大小”因子与客观评定的“留白大小”是一致的。同时，主观评定中的字体大小、边距一致性和客观评定的字体面积、行间距、字体高宽比等评定的都是笔迹的字体大小和间距方面的特征。主观评定主要依据的是直觉经验，没有明确的操作定义；每个人的评定标准不同，可能会导致较大的差异。刘加艳、郑全全和时勘（2005）指出：“在对笔迹分析进行实证研究时，由于各个研究者对笔迹特征的操作定义不完全一致，同时纳入研究中的笔迹特征也各不相同，因而给实验结果的横向比较带来了困难。”客观评定是计算机自动化的评定，它有着客观、标准化的评定标准，这大大缩小了操作误差，同时也提高了效率。客观评定中提取的六个因子是对笔迹的具体、细节的特征进行的评定。笔迹学开创者克拉格斯认为，对笔迹的理解应该采用直观性、无媒介的理解，即一种“整体性”的把握。与西方的字母文字相比，汉字作为一种象形文字具有更加复杂的结构。同时，语言学和神经心理学的研究表明，汉字的形态更加具有“整体性”的特点。冮勇和董巍（2013）在运用自编汉字笔迹整体特征评定量表考察汉字笔迹整体特征不同水平书写者的人格特质差异时研究得出，笔迹与人格间并不存在“量”上的相关性，研究并没有得出类似于“笔划越长越外向”这样的结论。笔迹可能存在类的区分，这提示我们需要重新审视对笔迹的整体性印象评价的价值。

张卿华和王文英（1998）的研究表明，在字的高度、宽度方面，男性均显著大于女性。秦玉红和孙艳（2009）研究表明：男性的书写水平低于女性，男性笔迹较潦草；男性笔迹的字行间距大于女性。冮勇和董巍（2013）研究发现，男女两性在笔迹的工整度、书写流畅性和书写规范性上差异显著。诸多的研究显示，男女笔迹特征差异较大。本研究以性别为分组变量，以主客观评定的笔迹变量为自变量分别建立判别模型，来考察两种评定方法对性别重判的正确率。主观评定的判别分析结果可以看出：以最终进入判别方程的五个笔迹变量建立的判别模型对性别的重新判别正确率为64.90%。客观评定的判别分析结果得出：同样进入的五个笔迹变量建立的判别模型对性别的重新判别正确率为61.70%。对性别的判断正确率与莫雷和杨莲清（1995）以及Hayes（1996）等人的研究结果基本相似。判别分析的结果显示两种评定方法对性别的重判正确率差异不大。

纵观笔迹评定发展的历程，从最开始的完全主观经验的评定到后来对具体笔迹特征客观的测量，我们不应该从一个极端走向另一个极端。要重视主观的“整体印象评价”的价值，正如罗西（Rossi）所说，在笔迹研究中要能够将“整体性方法”和适用于该领域的、有效的“分析形式”相互结合。我们应该利用客观评定的标准化、误差小、效率高等特点，同时也要重视主观评定对笔迹整体特征评价的价值。在此方面，童辉杰（2004）已经进行了尝试，他选取的148个笔迹特征中包括客观测量指标以及等级评定指标，以此为基础编制的汉字笔迹特征投射分析系统在后来的实证研究和应用研究中都显示了很好的效果。

总之，笔迹的主客观评定方法都有其价值，同时也有其局限。我们应该充分利用主客观评定的优势，将两种评定方法结合，更加全面、准确地把握笔迹特征，这对于笔迹测量领域的发展是大有帮助的。

参考文献

何震宇，李和平. 中文笔迹鉴别软件研究与开发. 硕士学位论文，武汉理工大学.

冮勇.（2008）. 笔迹与人格的关系. 博士学位论文，华东师范大学.

冮勇，董巍.（2013）. 汉字笔迹整体特征不同水平书写者的人格特质研究. 心理研究，6（03），45-50.

冮勇，孔克勤.（2009）. 汉字笔迹整体特征结构及评定量表的编制. 心理研究，2（05），59-64.

刘加艳，郑全全，时勘.（2005）. 中文笔迹分析研究进展. 心理科学，28（02），442-443.

刘勇华.（2014）. 汉字笔迹主观评定量表的编制及笔迹与人格关系的探讨. 硕士学位论文，郑州大学.

莫雷，杨莲清.（1995）. 书写字体的性别差异研究. 心理学报，27（04），407-412.

牛乐.（2008）. 笔迹布局特征的客观分析及其与人格关系的初探. 硕士学位论文，山西医科大学.

秦玉红，孙艳.（2009）. 中文笔迹性别差异的研究. 刑事技术，02，33-35.

童辉杰.（2004）. 投射技术：对适合中国人文化的心理测评技术的探索. 哈尔滨：黑龙江人民出版社.

童辉杰，杨鑫辉.（2003）. 对非心理学背景的笔迹分析中经验判断的心理学验证. 心理科学，26（05），934-935.

王高强.（2013）. 应用笔迹特征分析软件对笔迹特征及其与人格关系的研究. 硕士学位论文，郑州大学.

张卿华，王文英.（1998）. 汉字笔迹与个性测评研究. 心理科学，21（04），301-305.

赵娜，李永鑫.（2007）. 人才测评中的笔迹分析技术. 中国人力资源开发，（04），37-40.

赵庆梅.（2001）. 笔迹分析与测试. 沈阳：辽宁人民出版社.

Hayes，W. N.（1996）. Identifying sex from handwriting. Perceptual and Motor Skills， 83（3），791-800.