社会准确性模型:人格判断的个体差异分析策略

陈少华 卢 桢 林志鹏

(广州大学教育学院,广州 510006)

1 引言

人格判断(personality judgment)准确性研究由来已久,20世纪30年代,Allport在建构特质理论时筛选出的4500个人格词汇至今仍用于人格判断研究(Allport &Odbert,1936)。然而,早期研究的重点是人格的自陈报告,关注人们为何对自己会做出错误判断,对于他评方法使用很少(张登浩,滕飞,潘雪,2014),准确性研究由此走向衰弱。直至20世纪80年代,在准确性范式(accuracy paradigm)的引导下,人格判断研究再次呈现繁荣景象(Funder &West,1993)。根据Funder(1995,2012)的定义,准确性是指了解目标的熟人、判断者和判断目标之间的一致性,或判断者、判断目标与行为测量之间的一致性。这样就产生了三种准确性:自我—他人一致性(Self-other agreement,简称SOA)、他人—他人一致性及行为预测(徐桃,郑涌,2019)。其中,SOA即一般意义上的判断准确性应用最广泛,SOA越高,判断越准确。

研究表明,人们可以依据各种线索在整体上获得准确的人格判断,这些线索包括判断目标的视频(Human &Mendes,2018)、办公室和卧室的摆设(Horgan et al.,2019)、音乐偏好(Nave et al.,2018)、判断目标朗读的声音(Mahrholz et al.,2018)以及社交网络的更新状态(Wu &Zheng,2019)。除了关注人们能否达成准确的人格判断,研究者对是否有好的判断者、是否有好的判断目标这些早期的经典问题更感兴趣。对于这两者的个体差异,过去的研究一直没有取得太大进展,甚至有研究者认为,判断者之间和判断目标之间的差异非常小,以至几乎可以忽略不计(Allik et al.,2016;Schlegel et al.,2017)。但是,现实中有些人确实能慧眼识英雄,有些人则很容易被他人“看穿”。很显然,人格判断中肯定存在个体差异,弄清这种差异对于指导现实生活,特别是人际交往无疑有重要意义。

人格判断个体差异的传统研究方法,主要有Cronbach(1955)的成分分析法与Kenny(1994)的社会关系方法。按照传统方法,我们无法从单一的准确性分数中有效推断个体差异:Cronbach认为,需要将准确性拆分为不同部分,即通过统计方法将准确性拆分为四部分,每部分都能反映不同的个体差异;Kenny则认为,需要将准确性变异拆分为知觉者、目标和关系三种成分(Kenny et al.,2006)。尽管Cronbach和Kenny的方法为理解人格判断提供了不同的视角,但是这两种模型都不能很好地解决人格判断中的个体差异问题,因为完整的人格判断要考虑三个要素:判断者、判断目标以及测量方式,这三者中每个要素都存在个体差异,而上述两种方法充其量只能解释其中的两种。

社会准确性模型(Social Accuracy Model,简称SAM)将两种准确性(即独特准确性和标准准确性)建模为固定效应,将知觉者和目标的差异建模为随机效应,实现了Cronbach和Kenny方法的整合。既可以将准确性分解为两个不同的部分,也可以分析知觉者和目标之间的个体差异,因此可以更精确、更全面的理解人格判断中的个体差异。与传统方法相比,SAM在分析人格判断中的个体差异时更显优势,目前国内还没有关于该模型的介绍及相关的实证研究。本文重点阐述社会准确性模型的概念、数据处理方法及其在人格判断领域中的应用,并对这一模型的研究前景做了展望。

2 社会准确性模型

2.1 基本概念与原理

社会准确性模型(SAM)是一种用于估计人格判断个体差异的成分模型,也是一种混合效应模型,它考查的是人格判断中判断者对判断目标人格印象的准确性,这种二元组合(即一个人对另一个人的判断和印象)代表了SAM分析中的核心概念(Biesanz,2010;Letzring et al.,2021)。SAM可以分离出类似Cronbach方法中的差别准确性和刻板印象准确性,在参考了Furr(2008)的建议后,研究者将其分别命名为独特准确性与标准准确性。此外,SAM也可以分离出类似SRM中的知觉者效应和目标效应,研究者将其分别命名知觉准确性与表达准确性。SAM的基本观点为:人格判断的个体差异存在于判断者、目标和测量方式三者之中,即回答是否有些判断者(目标)在哪种准确性成分(独特或标准准确性)上会比其他判断者(目标)判断更为准确。

表1列出了SAM中的四种准确性成分。知觉准确性(perceptive accuracy)指特定知觉者在知觉不同目标对象时其判断的准确程度(Biesanz,2010),如某人对他人的知觉通常比较准确,亦即知觉准确性较高,是一个好的判断者。表达准确性(expressive accuracy)是指某个特定目标总体上被不同知觉者判断的准确程度,如某人更有可能被他人准确地知觉,亦即表达准确性较高,是一个好的判断目标。表达准确性不仅指表达更有效的线索,而且指能够提高表达准确性的任何线索,例如,提供更多信息(有助于线索的可用性)或以更吸引人的方式提供信息(有助于线索检测和利用)(Lorenzo et al.,2010)。

表1 社会准确性模型划分的四种准确性成分

独特准确性(distinctive accuracy)指判断者把握目标对象独特特质的能力,意即判断者能在多大程度上准确判断目标的人格轮廓与普通人的人格轮廓之间的差别。例如,若某人判断他人的独特准确性高,则说明他总是能准确识别他人的独特人格,而不是按照普通人的样子进行判断。标准准确性(normative accuracy)指普通人的人格特质和判断者印象之间的关系,反映了判断者如何以普通人的知识看待目标。例如,普通人通常比较随和,而不是更神经质,因此标准准确性高的判断者往往给目标被试的宜人性评分更高,而神经质评分更低。此外,研究者认为,鉴于标准准确性与社会赞许的相关高达0.86(Rogers &Biesanz,2015),建议标准准确性和社会赞许必须分开估计,因为研究表明,标准准确性更依赖于持续关系(如关系满意度、孤独感和社会网络变量)(Beer et al.,2019;Kerr et al.,2020a);而社会赞许更多反映的是判断者对判断目标的积极偏见(Wessels et al.,2020)。

SAM对个体差异研究的意义在于:首先,评估影响人格判断准确性的调节作用时,必须弄清楚是否在判断者或目标中有显著的个体差异,若无个体差异存在,仍要进行调节作用的分析,是毫无意义的,反之,若存在个体差异,就可以进一步将假设的调节变量,放入SAM的第二级水平进行调节作用分析;其次,是标准准确性和独特准确性代表着人格判断的不同机制。以线索感知为例,当观察者能明显发现目标的一些独特的线索时(亦即容易引起注意的,与众不同的特点),更容易对与此线索相关的特质做出区分式的评估,如某人在聚餐时明显比在场的所有人话多,那可能在对其外向性评分的时候,会下意识地给出比其他人更高的分数。反之,如果在其它特质上没有观察到相关的独特线索,则可能会保守地按一般认知进行评分,也就是给一个不高不低的,与情境相关的分数,它可能与目标特质水平相符,也可能不符。这也就是独特与标准准确性的线索感知和判断过程。

2.2 数据处理与分析

2.2.1 基本公式

社会准确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)

上述两个公式共同构造成了一个混合效应模型,即同时包括了固定效应和随机效应的回归模型。在该模型的第一级水平(公式1),Yijk指的是判断者i在项目k上对目标j的评定分数,即因变量。自变量TargetPersonalityjk表示目标j在项目k上的独特准确性自评得分(即j在k上的自我报告得分减去所有被试在k上的平均自评得分),Normativek是所有目标在项目k上的平均自我报告得分均值。在第一级水平中(公式1),β0ij、β1ij、β2ij为模型中的三个固定效应。β0ij代表截距,β1ij的值代表差别准确性,β2ij的值即为标准准确性。在第二级水平中(公式2),假设判断者和目标的取样都存在差异,第一级水平上的每个预测值都被建模为随机效应。y00、y10、y20分别代表平均的截距、独特准确性和标准准确性。u0i、u1i、u2i分别表示它们在判断者中的残差;u0j、u1j、u2j分别表示它们在目标者中的残差,u0(pt)、u1(pt)、u2(pt)分别表示它们在配对中的残差。

2.2.2 研究设计类型

SAM遵循SRM所使用的研究设计,采用循环设计(round-robin design)和半块设计(half-block design)来考查人格判断的个体差异。循环设计以几人到十几人为一小组,小组内被试两两互动,并对对方做出人格判断,互动话题和时长依据研究内容决定(Kenny &Albright,1987)。这种设计的特点是,组内的每个人既充当判断者,也充当被判断目标,每个判断者都判断多个目标,每个目标也被多人判断,可以收集到大量数据,能够充分提供推断个体差异的基础。但这种设计实施起来比较困难,耗时费力。而在半块设计中,判断者与目标不直接互动,一般是选取一部分人作为被试,记录其行为作为判断线索,例如,将他们的自我介绍录制成视频让另外一群人观看,然后进行人格判断。半块设计的特点是,判断者与目标之间不需直接互动,实施简单,但可利用的线索没有循环设计丰富。实际上研究者需根据具体问题选择设计类型,一般说来,若不需要在面对面的情境下进行人格判断,则基本上都是采用半块设计。

2.2.3 模型的注意事项

在分析数据时,SAM采用跨项目的轮廓准确性(profile accuracy)方法,不同于跨目标的特质准确性(trait accuracy)方法,后者只能计算出单一特质的平均准确性分数(Back et al.,2016;Nestler &Back,2013)。SAM不仅能够计算出每个判断者的准确性分数,而且还可以计算出每个目标被判断出来的准确性分数,然后比较所有判断者和目标分数之间得分的差异,从而对个体差异做出估计。因此,尽可能多的被试量可以作出更可靠的个体差异推论;有研究者建议,在进行SAM分析时,项目条数应不少于8个(Rogers &Biesanz,2019);最后,数据在分析时不需要反向编码(Letzring et al.,2021)。

2.3 扩展后的模型

在进行基本的SAM分析后,需要进一步分析模型中的随机效应,因为我们只能从基本模型中看出是否可能存在个体差异(即随机效应是否显著),如果存在个体差异,那么接下来需要理解和预测这些随机效应。具体方法如下:

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的基础上添加了调节变量M和对应的斜率y01、y11、y21,其中y11表示调节变量与独特准确性的关系,y21表示调节变量与标准准确性的关系。例如,研究者将性别作为调节变量(男性编码为0,女性编码为1),发现y21存在显著的正值,说明女性在标准准确性的得分上显著高于男性(Chan et al.,2011)。类似的调节变量还有目标吸引力、焦虑程度、幸福感、外倾性、知觉者智力,以及互动时长、关系熟悉度、知觉者对目标的喜欢程度等任何与个体差异相关的变量。

在模型的第一级水平上,也可以添加假定相似性(assumed similarity)、元准确性(meta-accuracy)、社会赞许性,评估判断者在这些方面是否会影响他们对目标的判断,并评估这些方面是否存在个体差异(Elsaadawy et al.,2020;Tissera et al.,2020)。具体方法如下。

Yijk=β0ij+β1ijTargetPersonalityjk+
β2ijNormativek+β3ijX+εijk

(4)

X可以是假定相似性、元知觉准确性或者评分的积极程度,然后在模型的第二级水平会多出一个式子:β3ij=y30+y31M+u3i+u3j+u3(pt)

(5)

上述所有公式是社会准确性模型(SAM)包含的主要内容,这些公式会随研究问题的变化而变化。公式1、2共同组成了最基础部分,其作用是分解成两种准确性,并给出个体差异是否存在的估计,若要检验个体差异的具体作用,则需要额外用到公式3;公式4是对公式1的拓展,目的是探讨除准确性之外的更多自变量中存在的个体差异,而公式5,则是公式4对比公式1多出来的变量X在模型第二级水平上的体现。目前的趋势是公式趋于复杂,从只有基础公式、只探讨单个调节变量,到如今在第一级水平上加入社会赞许、元准确性、在第二级水平探讨两个调节变量,体现的是SAM正向多变量分析转变。

3 SAM在人格判断中的应用

SAM专注人格判断领域,关注影响判断准确性的个体差异变量。下面将重点阐述SAM与判断者、目标有关的个体差异变量中的应用,然后简要介绍SAM的其他研究。

3.1 喜欢与准确性

运用SAM研究判断准确性的一个重要变量是喜欢(liking),喜欢是与判断者有关的个体差异变量,其含义是判断者有多喜欢被他判断的目标。早期的研究利用SAM证明了判断者之间存在着个体差异,并且检验了喜欢的调节作用,即喜欢与独特准确性和标准准确性之间的正相关关系(Human &Biesanz,2011,2013)。但此结果需要继续探究,因为有研究表明,判断者对目标的喜欢反映的是积极偏见(Leising et al.,2012;Leising et al.,2015),即判断者越喜欢目标,他/她就越会以积极方式描述目标,而不管其实际人格如何。

因此,最近的研究将社会赞许(代表积极偏见)加入SAM的第一级水平,进一步探讨喜欢与独特准确性、标准准确性和社会赞许之间的关系(Zimmermann et al.,2017;Human et al.,2020b)。Zimmermann等人(2017)发现,与喜欢目标的判断者相比,那些被降低对目标喜欢程度的判断者,有着更低的独特准确性和更高的标准标准性,以及更低的社会赞许;利用相似的SAM建模方法,Wessels等(2020)的研究得出的结论是,喜欢目标越多会降低差别准确性和标准准确性。不难发现,利用SAM得出喜欢对人格判断准确性的影响存在矛盾性,我们认为可能有两方面的原因:一方面,如果判断者缺少判断人格的关键信息,那么喜欢目标将会把对方评估为自己喜欢的理想型人格,而这并不一定是目标的真实人格;另一方面,喜欢的程度也很重要,适当的喜欢会促进准确判断对方的动机,从而提高判断的准确性,而极端的喜欢或者不喜欢都会降低差别准确性。因此,未来的研究应该在操纵信息丰富度与喜欢程度的情况下,探讨喜欢与标准准确性和差别准确性的关系。

3.2 心理适应与准确性

心理适应(adjustment)是与被判断目标有关的个体差异变量,心理适应高的人通常具有更明显的人格—行为一致性,他们的行为与人格特征更吻合,知觉者因此能够获得更多的相关线索(Funder,1995)。换句话说,心理适应提高了线索的相关性,从而提高,判断的准确性。但心理适应影响的是差别准确性还是标准准确性呢?在一项利用社会准确性模型进行分析的研究中,研究者要求知觉者根据结构性访谈视频判断目标人格,并将心理适应分数作为调节变量放入SAM的第二级水平,发现被判断的目标中存在着个体差异,具体说来,心理适应更高的个体表达差别准确性更高,而在表达标准准确性上无此关系(Human et al.,2014)。随后,研究者利用非结构性的视频判断任务和两周的行为测量数据,进行SAM分析也得到了同样的结果(Human et al.,2019),进一步证明了心理适应与差别准确性的正向相关。

值得一提的是,许多关于心理适应与判断准确性的研究往往集中于弱情境(Human &Biesanz,2011;Human et al.,2014;Human et al.,2020a),个体在这类情境中更容易表现出人格—行为一致性。而在强情境下,个体会有更多自我表现担忧,因此人们在这类情境中,更有可能循规蹈矩,行为也会受到更多约束。例如,在第一次约会情境中要求个体有更多的接近行为,如更频繁地表达对对方的兴趣(Rauthmann et al.,2014),此时表现的可能不是某人独特的人格特征。为了考查强情境下心理适应与准确性的关系,研究者用快速约会范式,检验了初次约会时是否存在表达准确性的个体差异,结果发现心理适应高的个体表达独特准确性显著高于心理适应低的个体(Kerr et al.,2020b)。有理由相信,心理适应能力是一个稳定的个体差异变量,无论是强情境还是弱情境下,那些心理适应能力强的个体能更好表达他们的独特人格;对于标准准确性,则并不会如此。尽管心理适应具有跨情境稳定性,但仍可能存在使心理适应强的个体表现出人格与行为不一致的情境,未来研究者可以深入探究这个问题。

3.3 SAM的其他研究

关于准确性的性别差异,SAM分析发现,女性判断者的标准准确性更高,独特准确性没有显著的性别差异(Chan et al.,2011)。从跨文化的角度看,中国人更容易将自己的人格描述成与群体中的其他人相似,即标准准确性高;而美国人则更有可能将自己描述为和别人不一样,亦即独特准确性较高(Locke et al.,2013)。在面对面互动中,即便只获得少量信息,作为第三方的旁观者也能达到相当程度的独特准确性与标准准确性(Wall et al.,2018)。与现实情境相比,在网络环境交流中,人们对对方人格的看法更多受标准准确性的影响(Belinskaya &Bronin,2015)。此外,在相同的情境下,若判断者对目标投入更多的注意力,则会提升独特准确性和标准准确性(Capozzi et al.,2020)。Krzyzaniak等人(2019)利用SAM,考察了信息数量对人格判断独特准确性和标准准确性的影响,结果发现:在独特准确性上,外倾性与信息数量有显著正相关,开放性与信息数量呈显著负相关;在标准确性上,宜人性和尽责性都与信息数量呈线性正相关。在快速约会情境中,独特准确性与浪漫兴趣呈负相关,积极偏见与浪漫兴趣呈正相关(Kerr et al.,2020a)。研究还发现,喝了酒的目标比没喝酒的目标增加了人格特质表达的积极性,但酒精并没有提升目标的表达准确性(Orehek et al.,2020)。由此可见,SAM可应用的研究设计众多,值得研究者利用这项工具继续探讨人格判断中的个体差异问题。

4 展望

SAM弥补了过去只能间接测量个体差异变量与人格判断的关系,可用于直接估计人格判断中的个体差异。自SAM提出以来(Biesanz,2010),已有数十篇关于人格判断的个体差异研究采用了SAM分析方法,其最主要贡献在于,提供了一个重要的方法论基础和可扩展的分析框架,在Cronbach和Kenny的基础上,进一步加深我们对人格判断中个体差异问题的理解。尽管如此,SAM也有一定的局限性。

第一,在研究设计方面,虽然SAM的分析框架很灵活,但它对研究设计的要求非常高。SAM的目的在于分析个体差异,如果没有一人被多人判断及一人判断多人的循环设计,则很难保证有可靠的个体差异。而循环设计最大的缺陷在于,其庞大的被试量使得在实际研究中难以收集数据与控制变量。一个可替代的方案是半块设计,尽管也需要处理许多的数据,但由于不需要安排判断者与目标的互动,实际操作起来比较方便。

第二,从研究对象与建模难度来讲,SAM的建模难度较大,且目前的研究已从单变量向多变量分析发展,变量与变量间的交互分析发展,例如,同时研究熟悉度与喜欢对准确性的影响。这无疑进一步加大了建模的难度。此外,SAM有用R语言开发的建模程序,而许多主流统计软件(如SPSS、Statistica、Mplus等)无法实现SAM建模,这也不利于SAM的推广与应用。多变量分析是解决复杂问题的基础,为此,未来亟需研究者们开发出适用程度更广的程序包,优化SAM的建模难度,使更多研究者可以运用SAM,解决更多人格判断中的个体差异问题。

第三,从SAM应用的情境分析,当前研究大多在实验室进行,这使得研究的生态效度很难得到保证。虽然实验室情境可以更好的控制人格判断中的各种变量(如互动时长、强情强弱等),为人格判断的个体差异提供更强的解释力。但是,人格判断更多是在现实情境中进行的,这种情境是自然的、真实的,而不是虚拟的、控制的。例如,只有真正去面试的人才能体验到面试的紧张,对想获得这份工作的期待,以及对自己正常发挥的担心,而在实验室模拟的面试情境中,被试不可能产生这种感觉(Mignault &Human,2017)。因此,未来的研究需要将SAM分析策略扩展到现实情境的研究中,例如,根据人们日常与朋友聊天的内容、根据社交网络上的状态更新判断人格。

第四,从已有的研究来看,SAM分析得出的随机效应,只能在数量上估计是否存在个体差异,个体差异存在于判断者中还是目标中,却无法直接得到具体是什么样的个体差异,研究者必须提前明确具体的个体差异变量,而不能在SAM中得到探索性的答案。同时,诸如表达准确性和知觉准确性一类的概念,容易让人误以为是真正的准确性分数,实际上这两种准确性无法从SAM的分析结果中得出,它们只不过是个体差异变量存在方向的表述而已。就目前看来,SAM仍需要与其他方法结合,才可实现其在分析个体差异中的优势,例如Wessels等(2021)将真理和偏见模型(truth and bias model)与SAM结合,这样可以在SAM的基础上,额外分析出影响判断的真值成分和偏差成分。