小议性别角色中位数分类法

小议性别角色中位数分类法
1 问题提出
传统的性别角色理论将男性化和女性化看作单一维度的两极（Constantinople，1973）。

上世纪六七十年代随着女权主义运动的发展，对传统假设提出了质疑（Bem，1976b），掀起了一轮性别角色的研究热潮。

这一时期大量心理学家，尤其是女性心理学家（Constantinople，1973；Bem，1974，1975，1976a，1976b，1977；Spence，Helmreich & Stapp，1975；Helmreich，Spence & Holahan，1979；Spence & Helmreich，1979，1981；Spence，1993）对性别角色理论进行了重构，认为男性化和女性化是两个独立的维度，即个体可以同时拥有男性和女性人格特征，并提出了双性化概念。

Bem（1974）和Spence 等人（1975）基于双性化理论分别编制了Bem 性别角色量表（BSRI）和人格特质问卷（PAQ），得到了广泛运用。

然而众多心理学家并未对男性化、女性化和双性化概念进行清晰的理论界定，只存在一些操作性定义。

Pedhazur 和Tetenbaum（1979）指出Bem 以一种严格的经验方法，代替了对男性化和女性化进行定义。

而Spence 和Helmreich（1979）将双性化定义为一个“方便的指标”——用来识别男性和女性分量表得分都高的个体。

理论上的困境，使研究者把对男性化、女性化或性别角色的全面测量看作陷阱和幻想（Spence & Helmreich，1979；Constantinople，1973），也增强了研究结果对分类方法的依赖性。

长久以来，性别角色的研究始终未脱离Bem和Spence 等人所创立的范式，后来的研究者在反复使用BSRI 时并没有充分注意到它的理论建构（Frable，1989），也没有对所要探索的问题进行深入的思考（Gilbert，1985），我国学者也是如此。

近年来，大学生性别角色类型分布及横向与纵向比较已成为研究的焦点之一（钱铭怡，张光健，罗珊红，张莘，2000；卢勤，苏彦捷，2003；王登峰，崔红，2007；付迎春，李娇丽，牛宏伟，2008；刘金光，刘电芝，徐振华，张姣，李宇青，黄颀，2009，印刷中）。

我国学者普遍运用Spence 中位数分类法，但均未对该方法的有效性进行深入探讨，表现出一定的盲目性。

Ziman 指出从科学中所得到的所有知识，必然严重地依赖于和我们一样容易犯错误、容易被收买的人制造出来的概念和方法（引自谭文华，2008）。

因此，性别角色的研究在很大程度上受到了分类方法的限制。

对分类法进行深入分析，了解其在何种程度上制约着研究结果，应作为性别角色研究的起点。

Hoffman 和Borders（2001）曾指出中位数分类法的简单性，而不是其可靠性，使得它在研究者中得到了普遍的偏爱。

本研究将对中位数分类法做深入的理论分析，以回答以下问题：该分类方法是否已预先规定了四种性别角色类型间的关系？如果是，它们之间的关系又是怎样的？该分类方法的灵敏性如何？它的可靠性如何？归结为一个问题，即运用中位数分类法所进行的研究是对现实的真实反映，还是只是分类方法的“倒影”？在回答以上问题之前，首先将简要地回顾性别角色分类法的发展史，然后再回到该问题上做着重的探讨，最后将提出改进的建议。

2 分类方法的发展历史
2.1 传统的男-女性分类法
Constantinople（1973）对早期性别角色量表做了细致的考察，总结出两个隐含的假设：单维性——男性、女性或男-女性量表是统一的整体；两极性——男性和女性是单一维度的两极。

基于这样的理论假设，该类量表通常用“1”和“﹣1”对男、女量表进行加权，计算它们得分的代数和作为总量表得分。

这样得到了一个性别角色连续体得分，一极为男性化，另一极为女性化。

早期的研究者编制了大量性别角色量表，但针对它们的研究得到了矛盾的结果。

大量有关量表因素分析的研究否认了“单维性”假设（Ford & Tyler，1951；Constantinople ，1973；Bernard，1981），另一些研究证实了各性别角色量表间的低相关（Cillis & Orbison，1950；
Mccarthy，Schiro & Sudimack，1967）。

早期研究结果的不一致，成为双性化理论发展的内在动因。

2.2 Bem 分类法
Bem 性别角色分类方法是建立在其性别图式理论（Bem，1981a）上的。

该理论将图式看作组织和引导个体感知的认知结构，并进一步认为对自我及外部事件的信息加工受到个体独特的性别图式的影响，与图式一致信息的加工受到易化。

性别图式理论的提出标志着Bem 将研究中心从早期的非单性化（双性化和未分化）转移到单性化（女性化和男性化）个体（Bem，1981a）。

BSRI 的根本目的就是识别单性化个体和非单性化个体，从而检验性别图式理论的核心假设——单性化比非单性化个体更容易进入与性别图式一致的加工程序（Bem，1981b）。

Bem（1974）运用男性量表（M）和女性量表（F）得分差异的t 值作为区分的标准：M 和F 的差异显著时为单性化（男性化：M 显著高于F；女性化：F 显著高于M），差异不显著时为非单性化。

为了验证其理论假设，Bem（1975，1976a，1976b，1977）进行了一系列实验研究，研究结果表明对于男性化信息的加工，男性化和非单性化者较优，女性化者较差；对于女性化信息的加工，女性化和非单性化者较优，男性化者较差。

该结果验证了性别图式理论，从而至少部分证明了分类方法的合理性。

此后，许多研究者（Spence et al，1975；Strahan，1975；Wakefield，Sasek，Friedman & Bowden，1976）对Bem 分类方法进行了批评和修改。

Spence 等（1975）指出Bem 分类法并没有区分出在男、女两个量表得分都高和都低的个体，进一步将性别角色划分为男性化、女性化、未分化和双性化，成为至今普遍运用的分类方法。

2.3 Spence 分类法
Spence 选择了相对标准，根据样本男性量表中位数（Mm）和女性量表中位数（Mf）将性别角色分为四种类型：男性化，M≥Mm，F＜Mf；女性化，M＜Mm，F≥Mf；未分化，M＜Mm，F＜Mf；双性化，M≥Mm，F≥Mf。

Bem 和Spence 分类法的差异集中在对非单性化个体的分类上（Spence et al，1975；Bem，1977），哪种分类方法更有效的问题归结到对未分化（男、女量表得分都低）和双性化（男、女量表得分都高）进行区分的重要性上（Bem，1977）。

研究者们对此做了大量研究，结果表明未分化和双性化在众多变量上产生了分离，如双性化者比未分化者拥有更好的适应性（Heibrun，1976）、更高的自尊（Spence et al，1975；Bem，1977）；无助情境中能更好的应对（Baucom & Pamela，1979）；人们更愿意与双性化者建立友谊与亲密关系（Kulik &Harackiewicz，1979）等，部分验证了Spence 分类法的有效性。

虽然Spence 中位数分类法得到了普遍认同，但对该方法的有效性仍缺乏更加深入的理论探讨。

3 性别角色类型分布的理论探讨
3.1 性别角色类型理论分布
中位数分类法实质上是将男、女分量表得分以中位数为标准划分为高分和低分组，得到2×2 四种组合，见表1。

以a、b、c、d 分别代表未分化、男性化、女性化和双性化的比例，由男、女分量表高分组和低分组均占总体的0.5，得到以下4 个方程。

a＋b=0.5a＋c=0.5d＋b=0.5d＋c=0.5解得：a=d，b=c，a＋b=0.5，即未分化和双性化比例相等，男性化和女性化比例相等，任一非单性化与任一单性化的比例之和为0.5。

表1 四种性别角色类型对应的男、女分量表上的得分情况
3.2 研究结果与理论值的比较
3.2.1 对理论分布的矫正
实际得到的性别角色类型分布是否与理论值相符？表2 中列出了几项研究的结果，研究2、3、5 的结果与理论值拟合较好，而研究1、4 的结果则与理论值有较大差异。

这种不一致是由统计误差造成的，来源于两方面：系统误差（i），中位数都划分到高分组中，导致c+d、b+d 略高于0.5；偶然误差（j），由于测量分数小数点的保留，高分组和低分组比例将发生相应变化。

得到以下四个矫正后的方程（i≥0，m：男性分量表误差，f：女性分量表误差）：
a＋b=0.5－(if＋jf)a＋c=0.5－(im＋jm)d＋b=0.5＋(im＋jm)d＋c=0.5＋(if＋jf)解得：d=a ＋(im＋jm)＋(if＋jf)，b=c＋(im＋jm)－(if＋jf)。

因为Σi≥0，Σj=0，因此总体来看实际得到的双性化比例将稍高于未分化，男性化和女性化比例则大致相等。

表2 几项重要研究主要研究结果表
注：m：男性被试所计算出的相关系数；f：女性被试所计算出的相关系数；t：全体被试所计算出的相关系数；*：p≤0.05。

现在计算出表 2 中所列研究得到的各种性别角色类型的平均值以验证以上预测。

由于研究4 中所运用的性别角色量表是基于性别差异编制的，其他四项研究均基于双性化理论，因此剔除研究 4 的数据，计算出各类型比例的平均值：a=26.5%，b=22.1%，c=22.8%，d=28.7%，双性化比例略高于未分化，男性化和女性化相等，很好地验证了理论预测。

从以上结论可以看到，由于分类方法的限定，各性别角色类型比例的变化范围变得相对狭窄。

3.2.2 中位数分类法的灵敏性
由于相同的原因剔除研究4 的数据，对剩下的四项研究中非单性化（未分化和双性化）和单性化（男性化和女性化）性别角色类型比例进行描述性统计：非单性化比例从23.90%到33.00%，平均数为27.56%，标准差为3.17%；单性化比例从18.30%到27.80%，平均数为22.46%，标准差为3.70%。

非单性化比例99%的置信区间为21.34%到33.78%，单性化比例的置信区间为15.20%到29.72%，变化范围分别是12.44%和14.51%。

由于表中列出的四项研究在文化背景和时间跨度上差异很大，可以推测，在某个特定文化和时代背景中各性别角色类型比例的变化范围还将大幅降低，比例变化范围的狭小大大降低了该方法的灵敏性。

3.2.3 中位数分类法的可靠性
接下来回答的问题是，研究中统计误差是否在允许的范围内？将测量得到的四种性别角色类型的比例带入以上经过矫正的方程，分别得到男、女分量表上的统计误差（见表2）。

10 个分量表误差的绝对值从0.30%到5.95%，平均数为2.49%，标准差为1.83%。

然而各性别角色类型比例的变化范围在14%左右，误差的平均数达到变化范围的17.8%，难以忽略。

因此统计误差对各性别角色类型分布产生了显著影响，该分类方法缺乏可靠性。

3.3 性别角色类型分布比例的含义
以上证明了性别角色类型分布受到中位数分类法的巨大限制，可以说是分类方法制造了其分布，那么它到底代表了怎样的含义呢？
性别角色类型分布实质上反映的是男、女分量表间的相关（r）程度和方向。

r=0 时，单性化和非单性化的比例相等，各性别角色类型的比例均为25%；r＞0 时，非单性化的比例高于单性化，即双性化和未分化的比例较高；r＜0 时，单性化的比例高于非单性化；r 的绝对值越大，则单性化和非单性化比例的差异越大。

如表2 所示，研究1、3、5 中的相关都大于零，在该三项研究中非单性化的比例高于单性化。

研究4 中相关低于零，单性化的比例高于非单性化。

另一方面，在相关程度最高的研究5 中，单性化和非单性化比例的差异也最大。

对数据的考察完全验证了上述理论分析。

4 分类法的不足与改进
虽然中位数分类法得到了普遍运用，但创立者Spence 却表现出了对其运用的担心（Hoffman & Borders，2001）。

该分类方法至少存在以下三点不足：
（1）缺乏灵敏性，遗失了大量有价值的信息（Bem，1977）。

中位数分类法是一种粗糙的方法，让被试在男、女分量表上的得分变得毫无意义（Hoffman & Borders，2001），同时使其对其他变量的预测能力下降（Spence & Helmreich，1979）。

（2）缺乏可靠性，不稳定，统计误差大。

Bem（1981）指出所有在中位数附近的被试对研究设计造成了额外的“噪声”（引自Hoffman & Borders，2001）。

统计中，大量被试集中在男、女分量表中位数附近，中位数微小的变动，将造成大量被试性别角色类型的变化。

（3）缺乏可比性。

由于实际得到的性别角色类型分布仅仅反映的是男、女分量表间的相关，使得不同研究所得到的性别角色类型比例之间缺乏可比性。

如，某研究得到的双性化比例高于对同一总体所进行的较早研究，如果研究者下结论说随着时间的发展该总体中双性化比例升高了，这就错了，该比例的升高仅仅反映了男、女分量表间相关程度的增加。

（4）性别角色类型存在理论分布，大大降低了在实践中的应用能力。

一方面，性别角色类型分布反映的是男、女分量表间的相关，因此只要知道其相关系数，就可以预测出性别角色类型的总体分布；另一方面，该分类方法限制了各性别角色类型比例的变化范围，使性别角色分布在面对不同人口统计学变量的分类时敏感性大大降低。

本文作者建议直接采用男、女分量表得分作为性别角色的测量指标，并分别建立常模，便于其他研究者的运用和比较。

运用连续变量的建议并非首次提出，Bem（1977）、Spence 和Helmreich（1979）早在30 年前就意识到了该问题。

直接运用分量表的得分不仅最大程度上保留了信息，保证了灵敏性，而且也便于进行高级统计分析，如进行回归分析等，因此该计分方式是一种更有效的方法。

5 小结
性别角色理论上的模糊性，导致了计分方式的多样性。

过去30 年，Spence 中位数分类法得到了普遍认可。

但本研究通过深入的探讨，证明了该分类法已预先设定了性别角色类型分布，使得该分类方法缺乏灵敏性、可靠性和可比性，让实践得到的分布成为了该分类方法的“倒影”，一个人工制品。

最后，文章建议直接运用男、女分量表得分以代替中位数分类法，并分别建立男、女分量表的常模。