平均智商是多少？为什么永远是 100？

平均智商是 100。五十年前是 100，五十年后还会是 100。这并不是人类保持稳定的惊人事实——它是 量表构造方式带来的必然结果。理解其中的原因，能解释若干看起来自相矛盾的现象。

100 是定出来的，不是找出来的

智商测验并不是先用绝对单位测量智力，然后碰巧平均出 100。过程恰恰相反。

开发一份测验时，会先在一个大规模标准化样本上施测，这个样本按年龄、性别、 地区、教育程度等特征挑选，以代表目标人群。这个样本考出什么就成为参照。然后把原始分做变换， 使样本的平均值落在 100，标准差落在 15。

所以平均值是 100，原因和水在 0 ℃ 结冰一样：有人选定了零点放在哪里。如果当初的约定是 平均 500、标准差 100（SAT 曾经用过），同样的人会拿到不同的数字来描述完全相同的相对位置。

这也意味着"平均智商"永远是相对于某个特定时期的某个特定参照组而言的。抽象地谈这个词毫无意义。

弗林效应：原始表现一直在上升

有趣的地方来了。如果平均值按定义被钉在 100，表现还能变化吗？能——而且变化幅度很大。

1980 年代，政治学家詹姆斯·弗林记录了一种在测验出版商的数据里存在了几十年、 却没人提炼出一般结论的现象：当人们去做以更早一代人为常模的旧版测验时，得分远高于 100。一代又一代人答对的题目，比测验常模所依据的那一代更多。

在许多国家、在二十世纪的大部分时间里，以固定参照常模的测验上的增益约为 每十年三分。几十年累积下来就是一个惊人的数字：今天成绩处于平均水平的人， 若以二十世纪中叶的常模样本为参照，会明显高于平均。

测验出版商的应对是每隔一段时间重新常模化：收集新的标准化数据，把量表重新 居中，让当前人口再次平均为 100。这就是为什么原始表现上升了，公布数字里的平均值却从不移动 ——尺子被周期性地重新校准了。

一个实际后果：使用过时常模的测验会抬高你的分数。网上流传的一些测验用的是几十年前的常模， 这是互联网智商结果普遍偏高的原因之一。

原始分为什么会上升？

遗传变化无法解释如此之快的变动——几代人的时间窗口太短了。上升是环境性的，几种主要解释与其说 互相竞争，不如说互为补充：

• 受教育更久，教育内容也不同。 教育年限和侧重点都变了。现代课程在抽象、 分类和假设推理上花的时间多得多——正是这些测验所取样的思维习惯。
• 营养与健康改善。 儿童期疾病减少、早期营养改善、含铅汽油等环境毒素的清除， 都可能在人群层面提高了认知发展水平。
• 对抽象的熟悉。 这是弗林本人强调的一点。符号化、基于规则的思维如今稀松 平常——在工作中、在媒体中、在日常技术中。曾经让多数成年人感到陌生的任务如今成了常规， 对测验形式的熟悉度也随之提高。
• 家庭规模变小、父母投入增加。 每户孩子更少，通常意味着发育期获得更多 个别关注。

值得注意的是，增益在不同题型上并不均匀。在矩阵题这类抽象、非言语的推理任务上最大，在词汇和 常识测验上则小得多。这个模式更符合"对抽象的熟悉"这一解释，而不是关于一般认知能力普遍提升的 说法。

它停下来了吗？

在若干发达国家，增益自 1990 年代前后似乎放缓、停滞，在某些数据集中甚至出现逆转，有时被称为 负弗林效应。而在另一些国家，特别是教育机会较晚才扩大的国家，增益仍在继续。

逆转存在争议，提出的解释从教育和媒体习惯的变化，到受测样本构成的变化，不一而足。目前没有 定论。比较稳妥的说法是：二十世纪的模式真实存在且记录充分，而当前的图景因国家而异。

各国平均智商的比较

按平均智商给国家排名的表格流传很广。它们应当被非常谨慎地阅读，而且多数情况下根本不应依赖。

底层数据集是由质量相差悬殊的研究拼凑而成的。样本量有时极小，很少具有全国代表性；各国使用的 测验不同；采集年份跨越数十年却未做调整；数据缺失时，某些汇编甚至用邻国数值估算而非实测。 这些方法学问题一直受到持续的批评。

除了数据质量，还有一个更深层的解释问题。测验表现受学校教育、营养、健康、识字率以及对测验 本身的熟悉程度强烈影响——这些因素在各国之间差异巨大，其原因与受测者的能力毫无关系。跨国分数 差距主要衡量的是处境的差异。

这对你自己的分数意味着什么

• "平均"是相对某个参照组的平均。 一个分数只有和"与谁比较、何时测得"这个问题 放在一起才可解释。
• 旧常模会抬高分数。 如果一份测验的常模已过时数十年，其结果会偏高。常模的 新旧程度比多数人以为的更重要。
• 自选样本不是一般人群。 这适用于每一个在线测验，包括本站。选择在网上做智商 测验的人并非人类的随机样本，从他们身上得出的任何统计反映的是这个群体，而不是世界。
• 考 100 分意味着你很典型。 这正是这个数字被设计出来要表达的意思。一半人在 它之下，而这个设计保证了这一点永远成立。