心理测评工具可靠性只有放在具体用途中才能判断。同一工具用于团体需求调查、个人筛查、咨询过程复测或人事决策，对测量精度、效度证据、参照数据和专业责任的要求不同。机构应先写明要根据分数做什么，再检查工具能否支持这项解释。
信度回答分数有多少测量精度
信度可以涉及题目之间的一致性、不同时间的稳定性、不同评定者之间的一致性或平行形式之间的对应。工具采用哪种证据，取决于题目结构、施测方式和使用目的。
一个内部一致性数值较高，不能同时证明跨时间稳定或评定者一致。技术资料还应提供样本特征、估计方法和标准误。个人分数接近分界位置时，测量误差尤其需要进入解释。
效度证据要支持计划做出的解释
效度证据始终对应特定的分数解释与用途。机构需要检查工具内容是否覆盖目标构念，分数内部结构是否符合预期，与相关变量的关系是否支持解释，以及使用结果会带来什么影响。
工具在某一人群、语言和场景中有证据，不自动支持其他用途。从成人咨询转向青少年学校筛查，或从健康支持转向招聘决策，都需要重新审查证据、公平性和风险。
常模说明分数与哪类参照人群比较
常模资料需要说明地区、年龄、性别等样本特征、抽样方式、样本量、收集时间与分数转换方法。当受测人群与常模差异较大，或时代与环境已有明显变化时，比较结论需要限制。
也有工具采用标准或界值参照。此时机构要检查界值来源、用途和错分影响。筛查界值通常用于提示进一步了解，不直接生成诊断。
技术手册与系统版本要能相互对应
国际测试委员会的测试使用指南强调，测试应对预定用途提供信度和效度证据，支持从分数得出的推论。采购时可要求查看技术手册、参考文献、适用说明、施测与计分规则、常模或界值依据及修订记录。
系统中的量表、计分、常模和报告必须属于同一审核版本。新版本生效后，历史项目保留原来计分与解释，不因更新模板而改写旧报告。
数字化版本还要核对等值性与可达性
纸笔量表转为手机或网页时，题目顺序、分页、必答规则、计时、屏幕阅读和辅助功能都可能改变作答条件。供应方应说明数字版的开发、用户测试与等值性证据，机构用真实设备检查显示、中断恢复和漏答处理。
当工具用于不同语言、文化或特殊人群时，翻译准确只是一部分。技术资料还需要说明适配过程、理解差异、分数可比性和可达性。无相应证据时，报告明确限制，机构不将跨人群比较作为重要决策依据。
机构可以用已知答案复算分数，再抽取一个边界结果、一份缺失作答和一个历史版本检查报告。技术证据、专业解释与软件实现三者一致，才能说明心理测评工具在当前用途中具有可使用的可靠性。