吾人既已研究个性差异之原因，为研究职业心理学之背景，请再进而研究如何量度个性差异之程度。
量度个性差异之必要 吾人诚欲应用研究个性所得之结果，则在理论与实施各方面，对于一群内某种特性，或几种特性，皆须求得一种量度之方法。而且有时不但量度而已，并须比较各种特性。诚欲从事比较，苟仅知某人所得关于某种特性之测验分数较一群中之“平均”或“中数”多若干分，或少若干分；而未知此一群中各人测验分数之差别情形，则此人在此一群中所处之地位（指程度），仍无明确之表示也。试举一例以明之。例如此一群中受同一测验者有百分之五十，其所得之分数与“平均”比较之数，皆与此人所得之比较结果相似，则此人之程度不能有所超出。如此一群中仅有百分之五，所有与“平均”比较之数，与此人相似，则此人之程度即可视为超越矣。除此之外，关于量度个性，尚有一种需要，即尚须应用明确的方法，求出所谓“集中趋势”（central tendency）（即测验法中所称“平均”mean“中数”median或“众数”mode）之“可靠性”（reliability）。如所测验之个性愈有变异，则所测验之人数当愈多，始能获得满意之标准或“平均”。
关于量度某种个性之差异程度，已有数法最常用者，兹略述其概要如左：
（1）次数分配曲线（frequency curve） 所谓次数分配曲线，例如下图：平线代表全距离分数，由左向右，起自最低之分数，依次向右，结以最高之分数（此种种分数即由测验一群儿童某种能力所得之结果）。在平线中每一分数之上，可依得此一级分数人数之多寡，根据所定之单位（如以一人为一单位之类），记一点。俟各点记毕，以一曲线连之，即成所谓次数分配曲线。此图之功用，在能用图表示分数之分配大概，由此得觇个性差异之大略情形。如吾人已测验某人所得之分数，则察视此种曲线，一望而知此人在本群中所居之程度地位。就严格言之，此法尚不能称为明确的量度，惟以其能藉图画表明分数分配之大概，用之者颇多，尤以人数在“平均”分数以上或以下者较多时更为有用。
上图所示之曲线，乃一种“常态分配”（normal distribution），盖此图左右非常均匀也。受测验之人数愈多，则此种曲线愈近常态。如所得之曲线左右差池不均，称为“偏态分配”（skewed distribution）。
（2）全距离分数（range of scores） 所谓全距离分数，即是从最小分数至数最大分数之距离。有时欲知所测验之全群成绩，仅须叙述全距离分数，即可知其中有无甚大之差异，并可知此群所具之大概程度。核算时，只须从最大分数内减去最小分数。惟此只能作为一种参考之量数，亦非精确之量度也。
（3）二十五分差距离（semi-inter-quartile range） 较全距离分数更准确者为二十五分差距离，包含全体分数之中间50％，除去最高分数之四分之一与最低分数之四分之一。此法可表明全群中成绩之中间一部分，占全部分之一半。如以Q代二十五分差，其核算之公式如左：
公式中之Q 系代表下二十五分点，为一种点数，在此点数以下有全体分数之25％，在此点数以上有全体分数之75％。Q 系代表上二十五分点，亦为一种点数，在此点数以上有全体分数之25％，在此点数以下有全体分数之75％。
（4）平均差（average deviation, A. D. , or mean deviation, Mn. D.） 就严格言之，上述之三法，其功用只能作为一种参考的量数；若“平均差”则比较的更为明确之量数矣。然平均差尚属明确量数之最简单者，乃计算“均方差” （standard deviation）或“机误”（probable error）之第一步也。所谓平均差，盖指个人所得之分数与一群中之平均或中数比较之平均差数。其核算方法如左：（差数之正负号不计）
兹再将上述之平均差算法解释如左。
（甲）未归类之分数：
（a）将原来之分数列成顺序分配。（此一步可省）
（b）人数＝24，中数为57。（中数系由2除分数总数所得）
（c）求各分数与中数之差数。第一个分数为20（为15－24.9之中点）与中数相差37，第三个分数相差17，第六个分数相差7，余类推。负号可不用，因与实际上无关系。
（d）差数之总数为346，正负号不计。
（e）平均差等于人数除差数之总数。
（乙）已归类之分数：
（a）将原来差数重行排列，求次数分配。
（b）第一级15－24.9之离中差为37，第二级为27，余类推。此差数并非级之差数，乃实际之差数。
（c）次数乘差数。例如第一级之次数有2，故用2，乘差数37，总数为74。第二级之次数为零，故总数亦为零。第三级次数为3，差数为17，相乘得51，余类推。
（d）差数之总数为346，正负号不计。
（e）平
【打 印】 【来源：读书之家-dushuzhijia.com】
