方法论和限制

本页介绍了数据集统计数据的计算方式以及解释结果时应注意的事项。

概述

UniversalIQTest.com 统计数据总结了大型在线数据集中的表现。这些数字是描述性的：它们显示谁参加了测试以及他们在此格式中的得分如何。它们不是临床智商诊断，也不代表人口平均水平。

数据来源

聚合值是根据 UniversalIQTest.com 数据库中已完成的 IQ 测试计算得出的。用于开发或演示的种子数据不包括在所有已发布的统计数据中。国家/地区图表不包括空白国家/地区代码。数据字段包括考试成绩、所用时间和自我报告的人口统计数据。

人口统计和覆盖范围

• 年龄按年龄段（青年、年轻成人、成人、老年人）捕获，并用于年龄标准化。
• 目前，性别记录为男性或女性，因此性别统计数据仅涵盖这两类。
• 教育水平和学习领域是自我报告的，并标准化为一组固定的类别。
• 国家/地区是自行报告的，并在提供时映射到 ISO 代码。

评分和智商量表

基本测试分数基于正确答案的数量，并以时间作为决胜局。对于已发布的统计数据，我们将分数转换为百分位数，然后将这些百分位数映射到标准 IQ 类型的量表（平均值 100，标准差 15）。这使得图表易于解释，但不会将在线测试转变为临床评估。

验证

验证通过的结果会经过时间、完成度和一致性方面的内部检查，以及基本滥用检测。这会提升数据卫生：敷衍、不完整或自动化的提交会被排除在已验证视图之外。这是数据质量标签，不是心理测量质量证书：它本身并不能说明测试对认知能力的测量有多可靠。

测量质量：我们目前能展示和还不能展示的内容

数据质量与测量质量是两回事。我们的内部检查会过滤掉不合理的作答，但它们本身并不证明测试的可靠性。一份公开的质量报告将涵盖以下内容：

• 题目难度与区分度：每道题的难易程度及其区分成绩的能力。
• 内部一致性：例如全部题目的折半信度（split-half）。
• 重测稳定性：同一人再次测试时分数的一致程度。
• 与成熟 IQ 测试的对比（聚合效度）。

我们尚未公布这些指标，并计划以公开质量报告的形式补充。注意：参与者越多，我们的人口百分位常模和分组统计就越稳定，但这本身并不会让测试更精确。测量误差是测试及其题目的属性，而不只是数据量的问题。

我们发布的统计数据

• 显示的群体分数将所选数据视图中群体的平均百分位排名转换为IQ形式的量表（100，标准差15）。它不是个人IQ分数的算术平均值。
• 区间使用根据四分位距和样本量估算的近似离散程度。它们是转换后群体分数周围的不确定性参考范围，不是经过验证的总体均值置信区间。
• 样本量 (N)、验证计数和验证率。
• 附加上下文所需的平均时间。

当未存储完整方差时，离差是根据四分位数范围 (p25-p75) 近似得出的。置信区间是近似值，应解释为平均值的误差范围。

调整与比较

有些页面提供了年龄调整的方法。这些将组平均值重新加权到共同的年龄分布，以减少年龄组合差异造成的混杂。其他图表（例如分布）保持未调整并反映原始数据集。

限制和解释

• 自我报告的人口统计数据可能包含错误或遗漏。
• 样本量因细分市场而异，因此小群体的波动性更大。
• 该数据集反映了 UniversalIQTest.com 的访问者，并非具有代表性的人口样本。
• 在线测试条件（设备、语言、干扰）可能会改变性能。
• 群体之间的差异通常很小，并且分布严重重叠。

常问问题