一个教研组要为教材挑封面颜色。汇总老师们的排序后，一种蓝色排在前面。但平均排名没有告诉我们：有些老师偏爱柔和的灰调，另一些偏爱鲜亮的原色。
这是本栏目编写的设想。如果我们想了解不同的偏好方式，只看每种颜色的平均排名，还不够。我们还需要比较：哪些人的整体排序相近？
1935年，William Stephenson用20人给60种颜色评分的实验，展示了按人计算相关的思路。这篇文章介绍了后来Q方法的一项基本做法，也留下一个值得追问的问题：找到相似的偏好之后，我们究竟能怎样解释它？
一分钟读懂
- 比较什么：比较不同的人如何排列同一组材料，寻找相近的整体偏好。
- 实验发现什么：20人给60种颜色评分，作者初步报告了两种不同的偏好方式。
- 最值得留意什么：排序结构可以帮助识别偏好，却不能独自证明谁“更有品味”。从结果到解释，还需要其他证据；本文结果只给摘要。
01 · 作者想解决什么问题
当时在伦敦大学学院心理实验室工作的Stephenson，将这篇8页短文题为《Correlating Persons Instead of Tests》。他开篇就说明：“This is not going to be a statistical article.”（这不会是一篇统计文章。）§I，p.17 ↗
Stephenson先交代当时的常规做法：以Spearman为代表的研究传统，用智力测验、品格评估等工具测量大量的人，计算测验之间的相关，再用因子定理分析。按他的概括，这类研究先告诉我们人在哪些方面普遍相似，再据此测量每个人在这些共同因子上的高低。§I，pp.17–18 ↗
他承认这套方法有不可替代之处，但也指出代价：样本必须很大，于是测验和实验控制只能将就，实验室里精细的设计用不上。他举的例子很具体：“A research student may spend two years isolating a single factor.”（一个研究生可能花两年才分离出一个因子。）p.18 ↗
由此他提出全文的核心问题：“Can we make factor studies on a few individuals, and bring the methods of correlations and factor analysis into the laboratory?”（能否只对少数人做因子研究，把相关和因子分析带进实验室？）p.18 ↗
注意这个问题的出发点：他首先想要的是一种灵活、快速、可以在实验室反复调整的研究工具。后来Q方法被广泛用来研究主观观点，这层意义在这篇文章里只露出了一部分。作者列举的可用领域包括偏好、情感、动机与理想，也包括美学、工业心理学，以及教育心理学中“教师评阅作文或图画的能力”。p.19 ↗ 这是作者对应用前景的设想，文中并没有教育领域的研究实例。
作者在脚注中提到，此前已在致《自然》（Nature）的一封短信中描述这项技术。那封短信与本文是不同文献，不应混为一篇。p.17，脚注1 ↗
02 · 翻转：谁成了“变量”
最能概括这一转向的一句是：“Previously individuals obtained scores; now the tests get them instead, due to the operation of the individuals upon them.”（以前是人得到分数；现在是测验项目得到分数，分数来自人对它们的操作。）§I，p.19 ↗
可以把数据想成一张表。常规做法里，每一行是一个人，每一列是一项测验，相关在列与列之间计算：测验1和测验2是否一起变化？新做法把表转过来，每一列变成一个人，相关在人与人之间计算：A和B对同一批项目的打分是否一起变化？这里是在说明比较对象的变化，研究中仍需说明参与者依据什么指导语、对哪些共同材料作判断。
作者在实验部分说得更直接：就像60个人做20项测验时可以计算测验之间的相关，60种颜色由20个人评分后，也可以计算这20个人之间的相关；这时的相关系数，表示被试A与被试B给各种颜色的分数有多相近。§II，p.21 ↗
这里比较的是两个人的整体排序方式，而不是某一项的分数高低。两个人可能都不太喜欢某种颜色，但只要他们对60种颜色的相对安排相似，相关就高。前面的封面设想里，平均分把两组相反的偏好抵消掉了；按人计算相关，则能看出这两组人分别存在。
03 · 实验怎么做
Stephenson从一家美术颜料商那里，拿到店里所有的单色纸样，共60种：有鲜亮的海报红、绿、蓝、橙，也有纯正而柔和的蓝绿色、鲑鱼粉，以及各种带色调的棕、绿、灰。黑色、纯灰、很浅的米色和白色都没有收入，所有纸张都是同样的哑光表面。§II，p.20 ↗
被试是12位在听讲座的年轻女性，以及8位年龄范围和社会地位相同的男性。每人给每种颜色打分，最喜欢的10分，最不喜欢的0分；不用考虑颜色派什么用场，判断要快、尽量凭直觉。pp.20–21 ↗
每个分数能分配给多少种颜色，是事先规定好的：
- 0分和10分：各1种颜色。
- 1分和9分：各2种。
- 2分和8分：各4种。
- 3分和7分：各7种。
- 4分和6分：各10种。
- 5分：12种。
合计60种颜色。作者给出的理由很实际：“To ease my later calculations”（为了方便我后面的计算）。p.21 ↗
从数学上看，同一分数分布使每个人的均值和方差相同，因此可以共用中心化与标准化所需的常数，简化相关计算。原文没有展开具体计算步骤，以上是本栏目的数学说明。
作者还写道，为了得到信度系数，整套评分重复做了一次。p.21 ↗ 不过本文没有报告信度结果，读者无法从这篇文章判断重测一致性如何。
04 · 结果：两个因子说明了什么
作者说明，以下结果只是摘要，详细数据将在别处发表。§II，p.21 ↗
- 有12个人（10位女性、2位男性）彼此正相关，平均相关0.36（±0.065），最高0.66。
- 其余8人与这12人的平均相关为−0.15，彼此之间平均相关为+0.20。
作者据此说，“to a first approximation two distinct factors have emerged”（初步看来，出现了两个不同的因子），一个在12人之中，一个在其余8人之中，二者趋于相反。p.21 ↗
每个人在因子上的载荷（原文称saturation），表示这个人“how well they serve to grade the colors for the factor concerned”（在多大程度上能代表这个因子来给颜色评分）。p.22 ↗
Stephenson为了方便，采用Spearman的定理，报告的载荷范围如下：pp.21–22 ↗
- 因子I：12人，载荷为0.44–0.72。
- 因子II：8人，载荷为0.32–0.55。
读原表时还需要注意：每人只列一个因子的载荷，另一栏为横线。作者以被试1为例，说明其在因子I上的载荷为0.70，在因子II上则“none (except obversely)”，但未给出后者的数值。因此，横线不宜直接读作精确的零。p.22 ↗
最后一步是反过来，为每种颜色计算它在因子I或因子II上的含量，相当于旧方法里估计一个人的g因子。p.22 ↗ 本文没有列出这些颜色得分，也没有附相关矩阵。
到这里，根据作者报告的摘要结果，可以说：这20个人里有两种大体相反的颜色排序方式，各有一批人与之接近，而且接近的程度不同。至于这两种排序方式是什么性质，需要下一步解释。
05 · 从排序结构到“品味”：解释走了几步
两种颜色偏好已经被描述出来，但把其中一种称为“更有品味”，还需要哪些依据？作者的解释可以拆成四步，每一步用到的依据都不一样。
作者并非只在解释结果时才讨论“喜欢”与“品味”的区别。在介绍实验之前，他已经讨论单纯的喜欢或愉悦，与包含辨别、鉴赏意味的“品味”是否一致。pp.19–20 ↗ 不过，本实验只要求参与者按喜欢程度评分，没有另外收集可与之比较的品味判断。
第一步，描述因子偏爱哪些颜色。 因子II的人认为纯正鲜亮的颜色最令人愉悦；因子I的人则最喜欢微妙的色调、柔和的颜色。§II“因子的解释”，p.22 ↗ 这一步是在描述因子的颜色偏好内容，比“有品味”的评价更贴近排序结果。但本文没有刊出颜色得分，读者只能依据作者的报告，无法在这篇文章中独立复核。
第二步，引入当时的审美标准。 “The former colors would be considered to be vivid but crude by a person of taste, while the latter are nowadays regarded as the most tasteful.”（前一类颜色在有品味的人看来鲜艳却粗俗，后一类如今被视为最有品味。）p.22 ↗ 因此，从“偏爱柔和色”到“更有品味”，仍需要引入排序之外的评价标准。这里采用的是作者所援引的时代审美标准。
第三步，引入作者对被试的私人了解。 作者认为小样本的一个好处是：“I know them all extremely well.”（这些人我都非常熟悉。）他据此描述，因子I的人更有艺术修养，其中两位是美术学生，衣着都有品味；因子II的人则“坦白说没有艺术感”，有人穿着粗糙，有人的家具品味让他吃惊，而且鲜亮颜色吸引他们，就像吸引孩子一样。p.22 ↗ 这些材料不在评分数据里，读者也无法核对。
第四步，推到性别。 “It may well be, too, that women are usually more tasteful for color than men”（也许女性在色彩上通常比男性更有品味），作者还拿男女穿着来佐证。p.22 ↗ 按原文数字推算：12位女性中10位在因子I，8位男性中6位在因子II。在这个仅有20人、且作者自称非常熟悉所有参与者的样本中，这些数字显示了性别与作者所报告分组的对应关系，却不能证明性别造成了这些偏好，更不能证明哪一性别“更有品味”。关于男女衣着的说法也不是本实验的数据。
在解释部分的结尾，作者又回到了介绍实验前提出的问题。他写道，因子I的人从这些颜色中得到的愉悦与“现代标准”下的品味一致，随即补充：“Pleasure and taste agree in this instance, although, to be sure, experiments can be performed to check up thoroughly the point.”（在这个例子里，愉悦与品味一致；当然，这一点可以另做实验彻底检验。）p.23 ↗ 在随后讨论如何扩展研究时，他还提出可以让被试挑选“自己认为最有品味的”颜色，而不只是“最令人愉悦的”，以考察知识、愉悦与品味是否相关。p.23 ↗
所以这一节的启示有两面。一面是：因子分析给出了一个可以检查的排序结构，作者的解释在此之上加了好几层外部依据，其中关于品味高低和性别的判断，超出了本文所展示的证据。另一面是：作者提出的改进方向，比如改变指导语、比较不同人群，都还在同一种方法之内。解释上的问题，不等于这套比较方式本身无效。
06 · 常见误读与真实争议
误读一：这篇文章证明了小样本就够了。 作者强调的是这项技术能用于少数人、可以快速实验：实验一小时做完，结果另花两小时算出。§结论，p.24 ↗ 这是对可行性的展示。一次20人、结果只给摘要的实验，不能用来证明某个样本量“足够”。样本量要多大才合适，需要另找依据。
误读二：一个因子就是一类人。 作者确实说过，这个例子显示了新技术能把“type”（类型）心理学放到科学基础上。p.21 ↗ 但他报告的数据是程度不同的载荷，而且只是“初步看来”的两个因子。本栏目把因子理解为一种共享的排序方式，人与它接近的程度可以不同；不能仅凭一次排序，就把这种相似性解释为固定的人群属性。
误读三：1935年的做法就是今天Q研究的标准程序。 本文评分的对象是色纸，不是语句；解释依赖作者对被试的熟悉，没有报告排序后的访谈或书面说明；因子计算借用的是Spearman的定理。作者在结尾也写明，因子分析可以按方便或合适的方式进行，用Spearman的定理或别人的都可以。p.24 ↗ 这篇文章展示的是一个起点，不是一套操作规范。
真实争议：预先规定分数分布。 本文采用预设分布，理由是方便计算。预设分布对结果有何影响、在什么条件下适用，需要另据专门的方法研究判断，本文不足以回答。
真实争议：研究者对被试的了解，是资源还是偏差？ 作者把“我认识他们”当作小样本的优势。今天看来，研究者掌握的背景信息确实可以帮助解释，但前提是信息来源可以说明、可以核对，并且与数据得出的结构分开呈现。
07 · 动手试一试
以下是本栏目设计的练习，只用来体会“人与人之间的相关”怎样计算。
找5种颜色，三个人各自按−2、−1、0、+1、+2排序，每个分数只能用一次。假设：
按红、橙、蓝、灰、棕的顺序，三人的分数分别是：
- 甲：+2、+1、0、−1、−2。
- 乙：+1、+2、0、−2、−1。
- 丙：−2、−1、0、+1、+2。
因为每个人用的是同一套分数，平均数都是0，计算可以简化：把两人对应分数相乘再相加，除以单人分数的平方和（4+1+0+1+4=10）。甲与乙相乘相加得8，相关为0.8；甲与丙得−10，相关为−1，排序完全相反。这正是第03节提到的预设分布带来的简化。
做完后请记住两点。第一，一次5项的练习只能帮助理解相对排序，得不出可信的“个人类型”。第二，甲与乙的排序相似，不代表两人理由相同：甲可能喜欢红色的热烈，乙可能只是讨厌棕色的沉闷。要知道理由，必须另外去问。
08 · 研究启发
这篇短文提供了一个研究视角：从每种颜色的平均得分，转向人与人之间的整体偏好差异。
它同时示范了解释时容易出现的跳跃。读这类研究时，可以把每个结论放进三栏：原文报告了什么（评分、相关、载荷），作者据此解释了什么（“品味”、性格、性别），读者或本栏目又进一步推论了什么。三栏混在一起时，统计结构很容易被误当成某种解释已经得到充分验证的证据。
本栏目读Q方法，是因为人与AI的关系里，很多差异不在于用或不用，而在于一个人怎样整体安排自己的看法。这条连线属于编辑延伸，1935年的文章并未涉及。
原文与版本
Stephenson, W. (1935). Correlating persons instead of tests. Character and Personality, 4(1), 17–24.
本文依据已归档的出版方PDF（共9个PDF页：第1–8页对应期刊pp.17–24，第9页只有下载声明）。页码均为期刊印刷页码。该刊今名Journal of Personality。PDF的文字层有个别识别错误，如第22页被试2的载荷在文字层中显示为负数，版面原文为0.65；文中数字已对照版面核对。
《AI 关系考古》第一季第2集音频也讲过这篇论文。本文是独立的新文字版，音频未随本文修订，两者表述不同时以本文为准。开头封面设想、第07节练习及与AI研究的连线均为编辑延伸。
发布于2026-10-30 · v1.0。