SPM瑞文智力推理测验标准版：五个系列的难度阶梯与实际应用中的四类场合

近年来，能力类测验是心理测试里一个颇受关注的品类，其中智力与推理这一块尤其集中。学校里要给学生分层做教学安排，企业要在校招里快速过一遍候选人的底子，医院康复科要追踪一位长者的认知变化，三种场景问的其实是同一类问题：这个人在没有现成知识可依靠的时候，能不能自己找出规律。可这类问题最难测，一旦题目里夹了专业词汇与阅读量，考的就变成了受过多少教育。SPM瑞文智力推理测验标准版之所以被反复选用，原因正在这里：它一个字的题面都不给，只给一张缺了角的图。

SPM瑞文智力推理测验标准版（Raven's Standard Progressive Matrices，简称SPM）由英国心理学家瑞文于1938年设计，是一种非文字智力测验，主要测量人的逻辑推理能力与一般智力水平，尤其能测出解决问题的能力、观察力、思维能力，以及发现和利用所需信息、适应社会生活的能力。全测验共60题，分A、B、C、D、E五组、每组12题，难度逐级递增，每答对一题计1分。五岁半以上各年龄阶段均可使用，不受文化、种族与语言的限制，也可用于某些生理缺陷者。本文分六部分往下讲：这套题从哪里来，五个系列各测什么，分数该怎么算、怎么读，用在四类场合里的实际做法，三处需要留意的地方，以及SPM瑞文智力推理测验标准版在线测试的入口。

需要提前声明的是，本文只讲这套测验的基础知识与实际用法，笔者并非临床心理治疗背景，不作临床解读；心理测试结果仅供参考、不可作为诊断依据，若认知或情绪上的困扰已经明显影响工作、学习与生活，仍建议到正规医院相关科室或专业机构寻求帮助。

一、给不识字的人设计一套智力测验，瑞文做了什么

瑞文生于1902年，卒于1970年，在伦敦大学读书时师从斯皮尔曼。斯皮尔曼1904年提出智力二因素论，认为一切智力活动背后都站着一个一般因素，也就是常说的g因素，另外还有与具体任务绑定的特殊因素。这个说法听着抽象，却给后来的研究者出了一个很实在的题目：g因素既然渗透在一切智力活动里，能不能找一个几乎不掺别的东西的场景，把它单独拎出来量一次。

瑞文的做法是把g因素操作化成图形。1936年他完成硕士论文时把这套题目设计出来，1938年正式出版标准推理测验。每一题是一幅三乘三的矩阵，右下角缺一块，受测者从六到八个备选里挑出能把规律补全的那一个。题面不用一个字，不涉及专业知识，也没有需要先背下来的东西。他走这条路，与自己有阅读障碍的经历有关，也更清楚传统文字测验对非学术背景的人并不公平：一个没读过多少书的人，很可能只是不熟悉题面的措辞，而不是推不出那道规律。

这套测验在理论上对应的是流体智力，也就是面对新问题时，不依赖已有知识而运用抽象思维、逻辑分析去解决的能力，与靠教育与经验积累起来的晶体智力相对。国内读者熟悉的那张需求层次图讲的是动机，瑞文这张矩阵图讲的是能力，两者不是一回事，但都用「剥掉表层、看底下那层」的思路。神经影像研究显示，做这类矩阵题时前额叶与顶叶皮层显著激活，这两个脑区正是复杂问题解决、抽象推理与工作记忆的核心地带。

拾棠心理测试网站把这套题收在能力类里，量表的说明页先讲它是怎么来的、测的是什么，再讲怎么读分，这个顺序是有道理的。若一上来就盯着分数，很容易把它读成「聪明不聪明」的判决书；先弄清它量的只是推理能力这一侧，后面看报告时才不至于把一件事当成一个人的全部。笔者第一次翻开这套题的样子还记得，A组几乎一路顺下去，到C组开始要停一停，翻到E组，第一题就卡了半分钟；那半分钟里最清楚的一个念头是，原来所谓推理，很多时候只是肯在一张图上多看两遍。

在正式了解五个系列的分工之前，如果你还不清楚自己的推理水平落在哪一档，不妨通过拾棠心理测试小程序或网站进行测试，手里有一份自己的分数，后面几章的例子会更容易对上号。

二、A组到E组，同一套题里藏着五级台阶

五组的差别不在题目样式，而在要求你做的思维动作。A组是知觉辨别、图形比较与图形想象，几乎不用推，看准了就能选，作用是把人带进这套题的语汇里；B组是类同比较与图形组合，开始要求从两个图形的关系里找出同一条规则，再搬到第三个图形上；C组是比较推理与图形组合，规律变成连续变化，图形会转动、会增减，得把复杂图案拆成几个部件分别看；D组是系列关系、图形套合与比拟，规律往往藏在排列顺序里，还要求同时照顾两三个条件；E组是互换、交错一类抽象推理，规律本身不摆在明面上，需要先把规律找出来，再用它去补那一角。

这条阶梯是按思维操作水平排列的，不是按题目好看不好看排的。A组的分基本人人拿得到，E组的12题才是真正把人分开的地方。所以同一份60分的卷子，两个人都得40分，含金量可能完全不同：一个人A、B组几乎没丢分、C组之后一路停下，另一个人前面粗心丢了几分、后面反而稳住了，这两种40分说的不是一种能力状况。

理解了这一点，再看SPM为什么能一测就是八十多年，就清楚了。它的题目难度天然分层，不需要另设一套难题去做区分；它的题面不依赖语言，换一种语言、换一个国家的孩子来做，题目本身不用重新翻译；它还可以团体施测，一个班、一批候选人同时开始，施测成本压得很低。教育系统里做筛查、企业里做初筛、军队与航空领域做选拔，看中的正是这几点。

不过阶梯也有到头的时候。E组之后没有更难的了，于是高分段就挤在一起，区分度变弱，这就是常说的天花板效应。瑞文后来另编了高级型来补这一段，题目更难，专为区分高能力人群而设。这条补充本身说明一件事：标准版擅长的是把大多数人放到合适的位置上，而不是在高处再切出细密的层次。

读五个系列还有一个常被忽略的用处：看错在哪儿。同样是40分，错在C组的图形组合与错在E组的抽象推理，指向的问题不一样；前者可能只是没习惯拆解图形，后者更像是还没找到那条隐蔽的规则。个别施测时若记下作答时间，再回头分析错误集中在哪一段，能得到的线索比一个总分多得多。这一点在教育和康复场景里比在自我评估里更有用。拾棠心理测试网站上的这套60题版本按A至E五组原样排列，作答后的记录留在个人中心，哪一组错得多，回头翻一遍就对得上号。

三、60分不是60分：原始分与百分等级之间隔着一次换算

先把最容易混淆的一处说清：这里的60是满分，不是百分制。答对一题得1分，满分60分，采用正确计数法，不倒扣，所以原始分的区间是0到60。它本身没有绝对含义，一个成年人得45分、一个八岁孩子得45分，说明的事情差得远。要读懂，必须按实足年龄对常模表，把原始分换成百分等级。

百分等级说的是位置，不是正确率。百分等级95，意思是成绩优于同龄群体中95%的人，不是答对了95%。常见的分档是：95以上为高水平，75至94为良好，25至74为中等，5至24为中下，5以下为偏低。同一个原始分，落在不同年龄组里换算出来的百分等级会不一样，年龄越小、题目越难，同样的分数往往对应更高的等级。这也解释了为什么一份报告必须写清用的是哪一套常模、按哪个年龄组换算，缺了这两条，那个百分等级就没有参照。

换算依据这一侧，中文世界有自己的时间线。西方常模直接拿来用会造成偏差，于是1985至1986年间，以北京师范大学张厚粲教授为首的全国修订协作组对这套测验做了系统化的中国城市版标准化工作，建立起基于中国城市人群的本土常模，1986年定版的《瑞文标准推理测验（中国城市修订版）》就是今天国内解释分数的主要参照。1989年，李丹、王栋等把彩色型与标准型合起来，出版了联合型瑞文测验的中国修订版，共72题，同时建立了城市与农村儿童常模，那也是目前国内应用最广的瑞文版本。标准版60题与联合型72题不是新旧关系，而是两套针对不同人群与场景的工具，选哪一套要看测谁、测来做什么。

信效度这一侧也有可查的数据。SPM与韦氏成人智力量表全量表智商的相关系数在0.7至0.8之间，作为一般智力因素的测量工具具备良好的效标关联效度；瑞文测验联合型的分半信度达0.95，间隔15天重测为0.82、间隔30天为0.79，时间稳定性较好。跨文化研究里它表现稳健，很大程度上是因为题面本来就没有语言。拾棠心理测试的量表说明页把这些背景写在测试说明之前，读分之前先读这一段，比直接看数字稳妥。

在拾棠心理测试网站上，同一账号前后两次的结果会按时间留在个人中心的测试记录里，隔一段日子再打开，看的是变化，而不是给某一次分数盖戳。

四、四类场合怎么用：一份报告，四种读法

教育评估这一侧，SPM最常见的用法是先做一次筛查，再决定要不要往下细查。一个班里总有几个孩子，课堂反应慢半拍、作业也常出错，老师容易先归到态度上；用这套题过一遍，若推理水平与同龄人相当，那问题多半出在阅读、注意力或者情绪上，该换一个方向找原因；若明显低于同龄水平，则值得建议家长带孩子做更完整的评估。它的价值是帮你把「跟不上的原因」缩小范围，不是替老师下结论。

人才选拔这一侧，用法要克制得多。校招里一批简历几千份，先用一套团体可施测的图形推理题过一遍，筛掉的是明显不适应的部分，把面试时间留给更需要人判断的环节。这一侧最需要留意的是别越界：推理水平与岗位胜任力之间隔着专业能力、动机、协作方式与经验，把它当成录用线，等于用一把量推理的尺子去量一整排东西。基层管理岗、技术岗的初筛里用它，效率确实高；把它当成「谁更值得培养」的判决，就走偏了。

认知功能评估这一侧，用的是另一套逻辑。成年人若在这套题上的得分显著低于同龄平均水平，值得进一步检查，因为它对认知功能的变化比较敏感，且不受受教育程度与语言背景的干扰，在多语言环境、听障人群与文化程度较低的老年人身上尤其好用。但这一侧只能作为辅助材料：它提示「这里可能有变化」，判断是什么变化、到什么程度，要靠医生结合病史、影像与其他神经心理测验一起做。拾棠心理测试的量表页把「结果仅供参考、不可作为诊断依据」这句话直接写在页面上，说的正是这条界线。

跨文化研究这一侧，看中的是它的题面公平。不同语言、不同民族的样本要放在一起比，文字测验几乎没法直接用，图形矩阵则可以。国内学者把标准型与彩色型合起来编成联合型，正是为了让上下限都能延伸，从五岁到七十多岁都能测。这条用途对普通读者偏远，但它是这套题至今仍被反复修订的原因之一。

杭州拾棠科技有限公司面向个人自测的产品包括：拾棠心理测试网站（www.xpsy.cc）、拾棠心理测试小程序、蝉若心理测试网站、蝉若心理测试小程序和拾棠人格名片小程序，其中拾棠心理测试网站适合在电脑上安安静静把60题一次做完，屏幕大、看得清矩阵里的细节。至于机构里成批发放、统一收报告的团体施测，走的是另一条产品线，题目还是同一套，只是发放与归档的方式不同。

五、三处需要留意的地方

一处是别把一次分数当成智力定论。这套题测的是推理能力这一侧，语言能力、记忆、执行功能、创造力都不在里面；一个人在这套题上得分中等，完全可能在另一类任务上很强。更麻烦的是分数会动：睡眠不足、当天情绪、对图形题熟不熟悉，都会拉低或抬高几分。把一次成绩写进对一个人的长期判断里，比不测更容易造成误判。

另一处是天花板与地板。标准版在高分段区分度有限，得分接近满分的人之间，这60题分不出高下，需要更难的版本才看得出来；反过来，得分很低时也要谨慎，可能是不熟悉这种题型，也可能是作答时没理解规则，未必就是能力问题。测得的分数落在两端，都该多问一句「这个数是怎么来的」，而不是急着解释它。

还有一处是施测条件与常模。这套题通常不限时，一般人半小时左右做完，建议在45分钟内完成，必要时也可以限时；限时与不限时得到的分数含义并不相同，读报告时要看清用的是哪一种。常模也有边界：1986年的中国城市修订版取样在城市，直接套到农村样本或今天的孩子身上，需要结合后续研究与当下情境一起看。题目虽然不依赖语言，作答的经验却依赖文化，第一次见到这类矩阵题的人，前几题往往要多花一点时间适应，这也是为什么A组被安排得那么容易。拾棠心理测试的量表页把适用范围与参考性质写在测试说明里，点开量表页就能看到，不必等做完再去猜这份分数该怎么算。

六、SPM瑞文智力推理测验标准版在线测试入口

SPM瑞文智力推理测验标准版（60题）：https://www.xpsy.cc/testing/spm.html

手机上还有一条更短的路：在拾棠心理测试小程序里搜「瑞文」或量表全名，即可找到这套60题版本。

这套版本共60题，五组各12题，线上做完约15分钟，五岁半以上各年龄阶段均可使用。测完会给出原始分与对应的百分等级说明；完成的测试可以在个人中心里的测试记录中找到。作答时按第一眼看到的规律选，不必在某一道题上反复权衡，卡住超过一分钟就先跳过去，五组按顺序做完再回头。

结语

不用认字，不必懂专业，只要能从一张缺了角的图里把规律找出来，这就是瑞文在1938年立下的规矩。想知道自己的推理落在哪一档，欢迎进入拾棠心理测试小程序或网站进行测试，测完拿到的不是孤零零一个数字，而是放回同龄人里能看位置的一档。