1702628880
1702628881
根据研究的结果，斯丕曼发现不同智能的表现有某种程度的相关性。
1702628882
1702628883
然后只要对这些指标加入一定的关联性，就可以得出一个与所有指标都相关的合成变量。
1702628884
1702628885
如果能够将所有表示其他智能的相关指标都综合在一起得出一个合成变量的话，就可以表示潜在的智能指数。而且，只要掌握了这个变量，就可以大致预测出所有智能相关测试的成绩。这样的话，与分别进行各个项目的测试相比，掌握这个潜在的智能指标更加简便。斯丕曼将这个指标称为“一般智能”（图6–1）。
1702628886
1702628887
1702628888
1702628889
1702628890
图6–1 从“能够测试的东西”之中得出合成变量
1702628891
1702628892
将智能分为7类的多因子智能说
1702628893
1702628894
斯丕曼的分析方法，现在被称为因子分析法。就是从各自相关的多个数值中，计算出与所有数值都关系紧密的合成变量。这个合成变量被称为因子，因子分析法也由此得名。
1702628895
1702628896
因子是用来表示“智能”等抽象概念的数值，因子本身无法进行直接测试。但是，现实存在许多与因子具有紧密联系的“能够测试的东西”。比如说，智能，反应速度和记忆力以及计算能力都能够进行测试，而这些能力和我们所拥有的抽象的智能因子具有非常紧密的联系。
1702628897
1702628898
通过“能够测试的东西”计算出“拥有紧密联系的合成变量”，就可以推测出因子的数值。这就是斯丕曼与受他影响的心理学家们所考虑的方法。
1702628899
1702628900
此外，因子也不一定就像斯丕曼的一般智能是“与所有测试项目都有联系的唯一因子”，还有可能会得出多个因子。
1702628901
1702628902
事实上，受斯丕曼研究影响的心理学家们实施了各种各样的组合试验进行因子分析，除了一般智能之外，他们有时还得出了多个因子。
1702628903
1702628904
在这些研究中最著名的一个，就是赛斯顿于1938年发表的多因子智能说。赛斯顿对许多与智能相关的测验结果进行了因子分析，最终整理出7种表示智能的因子。
1702628905
1702628906
感知空间与立体认识的空间智能。
1702628907
1702628908
与计算能力相关的数学智能。
1702628909
1702628910
善于理解语言和文章内容的语言智能。
1702628911
1702628912
与判断和反应速度相关的感觉智能。
1702628913
1702628914
能够进行理论判断的推理智能。
1702628915
1702628916
快速灵活使用语言的流畅性智能。
1702628917
1702628918
擅长记忆的记忆智能。
1702628919
1702628920
也就是说，比如空间智能，即便在算数的图形问题和拼图，以及计算立方体个数等测试中与几乎所有的项目都有紧密联系，但是在文章问题和与记忆相关的问题中，却属于几乎没有任何联系的因子。
1702628921
1702628922
在近年来的智能研究中，也经常出现关于一般智能还是多因子智能的讨论，在对诸多的智能检测方法进行分析后，发现“与不分领域的检查项目全体都有联系的因子”，也就是一般智能大概对全部得分有30%~60%的影响。但是，关于一般智能究竟是什么这一问题，目前还没有明确的答案。
1702628923
1702628924
心理统计学家的思考方法
1702628925
1702628926
除了智能之外，心理统计学家还希望对“心灵”和“精神”等看不见、摸不着的抽象事物进行测试。通过对上述对象进行测试，他们就可以对行动和成果与精神疾病的关联性进行分析，否则的话，他们就连“工作的意义比金钱更加能够影响员工的工作热情”这样单纯的假设都无法进行实际证明。
1702628927
1702628928
因此，他们必须对自己希望进行测试的“抽象的概念”作一个定义。比如，将“工作的意义”定义为“工作对社会的贡献与得到正面社会评价的切身感觉”，这样一来就可以找到许多与之相关联的问题。
1702628929