CATQ 分量表剖面分析:比较不均衡与重复测量得分
作者:Silas Rowland · 更新于 2026 年 11 月 3 日
一份 CATQ 分量表剖面呈现你在三个维度上的自评伪装有何不同。在解读一个不均衡的模式之前,先看清这些数字代表什么:更高的原始总分、更高的题目均值和百分位排名,是三种不同的主张。 模式之后再发生变化,则引出另一个问题:是某个分数升高了,另一个降低了,还是两者都动了?
如果你已经完成了 CAT-Q 自我反思问卷,请把三项结果连同日期和你所用的版本一起保存下来。这样你就能直接比较真实数字,而不必依赖某个剖面标签,或者三条柱子的相对长短。
CAT-Q 测量的是自评伪装,其中包括非自闭症成年人。它最初的开发研究并未确立诊断临界值,也没有确立基于分量表分数组合的临床类型。请把结果用于自我反思;当困难影响到日常生活时,请寻求专业支持。[1]

让分数建立在可比较的数值基础上
关于三个定义、题目数量、计分键,以及那种让同化尤其难以单独解读的重叠,请参阅补偿、伪装与同化指南。
设想一个虚构的结果:补偿 45 分,伪装 40 分。把两个正确计分的总分各自除以题目数,得到 45 ÷ 9 = 5 和 40 ÷ 8 = 5。原始分相差 5 分,但题目均值完全相同。单凭总分更大,并不能说明每一题上你的赞同程度更高。这些数字只是用来演示算术的;它们既不是阈值,也不是目标。[1]
把这两个总分表示成各自满分的百分比,结果同样打平:45 ÷ 63 和 40 ÷ 56 都约等于 71.4%。对这两个分量表来说,除以满分等同于把题目均值除以 7。把展示方式从均值换成百分比,并不会增加任何关于你与他人相比的信息。[1, 5]
这正是最大值的百分比和百分位排名的区别。前者拿量表可能的最高分作分母;百分位排名则需要一个来自特定群体的比较分布。所以显示 71.4%,并不意味着你比 71.4% 的作答者都高。本站的基础结果显示分量表分数与百分比,不含总分分类。[5]
在上面的例子里,题目均值解决了题目数不等的问题。但它并不会让这三个构念变得可以互相替换。均值相差 1 分,依然只是两组不同题目的作答之间的差异,而不是对“多付出的努力”“造成的伤害”或“对支持的需求”的直接测量。最初的验证研究并没有为两个分量表之间的差距给出临床阈值。[1]

审查挂在你剖面上的那些论断
当结果页或某段解读对你的分数做出某个论断时,用一用这张表。应当从你想核查的那句话入手,而不是按哪个维度最高去挑行。
| 你遇到的论断 | 要核查什么 | 核查能确立什么 |
|---|---|---|
| “这是你最高的一项。” | 比较用的是原始总分还是题目均值 | 题目数不等是否足以解释这个排名 |
| “你高于大多数人。” | 是否给出了具名的比较群体和百分位计算方法 | 是否存在真正的人群比较,而不只是一个最大值百分比 |
| “这个差距很显著。” | 是什么证据、哪种“显著性”定义在支撑这个差距 | 这个说法是否意味着超出“看得见的数值差异”之外的意思 |
| “你的模式变了。” | 用同一计分基准看每个日期的各个分量表 | 究竟是哪几个单项分数动了,而不只是哪个变成了最高 |
| “这个模式能预测倦怠。” | 证据是否检验了那个结果变量、那种组合以及未来的变化 | 所引研究是否真的讨论了正在做出的这个预测 |
以那个虚构的“45 对 40”为例,它支持“原始总分不同”。换算之后,它也支持“两边的题目均值都是 5”。但它并不支持“补偿显著占优”。每句话都在做不同的主张,尽管说的都是那两个数字。
如果某段解读用了“显著”,先问一问:它指的是有统计支持、有临床意义,还是仅仅“看得出来的差别”。别让这个词替代了方法。同样,“补偿高、伪装低”这类标签,需要为“高”和“低”说清依据;标签不是算术本身送给你的。
你可以用一个更窄、却同样准确的陈述来结束审查。“我的补偿总分更高,但均值相等”本身就是一个有用的结果。你不必把它变成某个命名式的剖面。如果报告中加了百分位排名,就把参照群体记在旁边,免得日后比较时悄悄换掉了人群。
把关联、未来的变化和个人的预测分开
关于伪装与心理健康的研究,问的是好几个不同的问题。把它们区分开,能帮你判断一项发现是否适用于挂在你剖面上的那个论断。
报告更多伪装的人,是否在同一时期也报告了更多困难? Hull 及其同事 2021 年的研究发现,在自闭症成年人中,更高的总伪装分数与焦虑和抑郁之间存在关联。这是一项横断面分析。它能描述某个时点上的关系,却无法确定哪一个在先。它考察的也是总分,而不是把三个分量表的组合验证为风险剖面。[2]
较早一次的分数,能否预测之后困难的变化? Van der Putten 及其同事对伪装与心理健康做了纵向研究。他们并未找到有力证据表明伪装能预测心理健康问题的出现。初始的同化分数不能预测后续变化;对初始伪装和补偿的探索性分析,同样没有发现对变化有意义的预测效应。该研究只有两个测量时点,作者也指出这不足以支撑有力的因果结论。[3]
这些发现回答的是不同的问题。与当前痛苦的关联,可以与“缺乏预测后续变化的强证据”同时成立。两项发现都不允许得出“某个人的分量表模式导致了他的痛苦”这一结论。纵向结果同样不能证明伪装是无害的。[2, 3]
你个人的这个组合,能否预告将会发生在你身上的事? 这又是一个更强的论断。总分上的关联和纵向研究,都没有验证出一条适用于你三分数组合的预测规则。像“这个剖面意味着倦怠正在逼近”这样的说法,需要针对这一具体预测的证据。一段听起来耳熟能详的解释,并不是那份证据。[2, 3]
对外在社交表现的预测是另一个独立问题。Cook 及其同事的系统综述区分了自评的伪装努力,与那些把内在特征同外在呈现作比较的测量。你的剖面并不是“你掩饰得有多成功”或“别人注意到了什么”的直接读数。[4]
谈起一段难熬的时期时,把结果和困难并列摆着:“这些是我的分数,而我当时感到筋疲力尽。”这样两份观察都保住了。换成“最高的那个分量表解释了我的疲惫”,就额外添上了一个因果结论。你可以为疲惫去求助,同时把那个解释留作悬而未决。
一个分量表一个分量表地比较重复的剖面
即使最高分没有上升,剖面看起来也可能更不均衡。举一个虚构的例子:补偿保持在 45 分,而伪装从 40 分变成 32 分。它们的题目均值从“5 比 5”变成“5 比 4”。补偿现在看起来相对更高,是因为伪装降了,而不是因为补偿升了。
反过来也可能。假设两个总分从 45 和 40 变成 54 和 48。两个题目均值都从 5 升到 6,而它们之间的关系依旧是相等的。相对模式看起来没变,但报告出来的水平变了。这两个例子都没有指认原因,也没有指明哪种变化方向更可取;它们说明的只是:只盯着最高的那根柱子,会丢掉信息。[1]
解读两个结果之前,先检查它们是否可比:
- 把问卷版本和语言与每份结果对应着记下来。 不要想当然地认为改过的测验或另一种译本,和之前用的版本可以互换。最初成人验证研究中的发现,不应被假定原封不动地适用于每一种译本或每一个年龄组。[1, 4]
- 保持计分基准一致。 用总分比同一个分量表的总分,用题目均值比它对应的题目均值。百分比和百分位排名要分开记,用来做百分位排名的具名参照群体也要一并保留。
- 记录日期,以及你对题目的理解方式发生的任何变化。 如果某道题现在对你意味着别的东西了,就把这个变化记在改动过的答案旁边。这样能把一个重要的解读问题留在明面上,而不是把整个差异都算到“行为变了”头上。
- 先描述各分量表各自的移动,再解读整个剖面。 “补偿没变;伪装更低”,比“我变得更善于补偿了”说得清楚得多。
最初的开发论文报告了初步的重测证据。这支持研究该量表在多次施测中的一致性;但它并不能让每一个单项分数的移动都变得有意义,也没有为你的分量表差距给出“有意义的变化”的阈值。[1] 不要把一项关于重复得分的研究发现,当成“每个人的每一次差异要么是真实进步、要么是测量噪声”这样的规则。
一份有用的比较记录可以这样写:“同一版本、同一语言。补偿保持 45 分;伪装从 40 分变成 32 分。差距变大是来自伪装这一项。这次我对其中一道题的理解也不一样了。我想先聊聊这个变化,再去解读这个模式。”这份虚构记录把计算、可比性和解读分开摆放,没有给任何差异安上临床意义。

参考文献
- Hull L, Mandy W, Lai M-C, et al. 2019. Development and Validation of the Camouflaging Autistic Traits Questionnaire (CAT-Q). Journal of Autism and Developmental Disorders. doi: 10.1007/s10803-018-3792-6.
- Hull L, et al. 2021. Is social camouflaging associated with anxiety and depression in autistic adults? Molecular Autism. doi: 10.1186/s13229-021-00421-1.
- van der Putten et al. 2025. Camouflaging in autism: A cause or a consequence of mental health difficulties? Autism. doi: 10.1177/13623613251347104.
- Cook J, Hull L, Crane L, Mandy W. 2021. Camouflaging in autism: A systematic review. Clinical Psychology Review. doi: 10.1016/j.cpr.2021.102080.
- Cat-q. n.d. Questionnaire, scoring implementation, and basic results. Cat-q.
以一个你能讲清楚的比较收尾
一份有用的 CATQ 分量表剖面分析,最后要留下一句能追溯回结果的话:你比较了哪些单位、哪些分数不同、以及什么仍然是个问题。把这句话和带日期的结果一起保存,而不是依赖由结果生成的身份标签。
想进一步了解数值结果,请查阅 CAT-Q 计分与临界分数指南。你可以带上那份比较记录,去找具备资质的专业人士,同时说明你想获得帮助的困难。分数更低、或者剖面更均衡,都不是求助之前必须满足的前提。
如果痛苦影响到日常生活,请与具备资质的健康专业人士沟通。如果你面临即时危险或无法保证自身安全,请联系当地紧急服务或危机支持热线以获得即时帮助。
关于 CATQ 分量表解读的常见问题
如果我的补偿分数显著高于我的伪装分数,这意味着什么?
先确认“更高”指的是原始总分还是题目均值,再问一问是什么支撑着“显著”这个词。在那个虚构的“45 对 40”示例中,题目均值是相等的。即便均值差异仍然存在,也不能确立某种临床类型,或指认某个困难的成因。[1]
我的分量表剖面会随时间变化吗?
重复测量的结果的确可能不同。要用同一计分基准逐个分量表分别比较,并记下版本、语言、日期,以及对题目的理解是否发生了变化。差距的改变,可能来自其中一个分数的变化。初步的重测证据并不能确立每一次单独变化的含义。[1]
这些分量表剖面在预测我的社交困难方面有多准确?
支持测量自评伪装的证据,并不能确立挂靠在某个特定分数组合上的预测有多准。当前的心理健康关联、日后的心理健康变化、以及外在的社交表现,是不同的结果变量。所引研究并没有验证可以从你的三分数模式得出个人预测[1, 2, 3, 4]。