很多人在看量表资料时，会下意识先问一句：这个常模样本有多少人？样本越大，听起来越专业。但在真正的心理测量里，常模样本当然需要规模，真正决定解释是否站得住的，却是它和当前使用对象到底对不对得上。
如果对象不匹配，再大的常模也可能只是一个看起来很稳的参照，却不是一个真正适合的参照。
常模的作用，是给结果提供参照坐标
量表得分本身只是数字，只有放进常模里，才更容易知道它大概处在什么位置。可这个“位置”成立的前提，是参照对象和当前测评对象有基本可比性。
像标准分、T分、百分位这类文章反复强调的，就是分数意义从来离不开它所在的参照系统。
对象不匹配时，解释最容易看起来合理、实际偏掉
成人常模拿去解释中学生，普通群体常模拿去解释特殊样本，几年以前的常模直接沿用到新场景，这些做法表面上都能跑出分数，后面的解释却可能越来越偏。
问题不在分数有没有算出来，而在这个分数被放进了一个并不合适的比较框架里。
常模选择要看年龄、场景、样本来源和更新时间
常模不是一个抽象标签，而是一组非常具体的样本条件。年龄段、地域、教育背景、组织场景、采样时间，都会影响常模是否还适合当前对象。
所以真正专业的量表使用，不会只写“有常模”，还会说明常模来自哪里、适用于谁、多久需要重新评估。
好的心理测评系统，应该把常模信息展示清楚
在软件层面，量表上线时如果只展示题目和报告，不把常模来源、适用对象和版本说明清楚，使用者很容易默认“系统里能用，就一定合适”。真正稳的心理测评系统，应该把常模信息做成可追溯的基础配置，而不是藏在说明文档角落里。
常模样本不是越大越好，关键是和使用对象对得上。对得上，分数才更有解释价值；对不上，再大的样本也只是一个漂亮数字。