一场心理健康培训结束，知识测验由6.1分变成8.1分，满意评价也超过八成，能否写“员工心理健康显著改善”？这句话跨过了几个尚未回答的问题：比较的是不是同一批人，测验考了什么，学到的内容是否在工作中使用，以及没有接受培训的人同期会发生什么变化。
下面用一份完整评估报告说明各类证据的用法。文中的培训、单位、人员、全部数字和报告引语均为教学模拟，不对应真实客户或项目成效。
完整样例：一次课程加六周随访的评估报告
项目名称：模拟企业戊心理健康知识与工作支持沟通培训。课程日期：2026年8月18日。随访日期：9月29日。报告日期：10月8日。课程时长：120分钟。报告阅读者：培训负责人、课程设计人员及员工代表。评估目的：了解课程知识变化及后续使用困难，决定哪些内容需要修改。
课程目标是了解心理健康支持渠道、区分支持性沟通与自行诊断、练习核实需要的表达。评估在开课前确定采用课程测验、课后反馈和六周使用情况随访；没有将治疗症状或减少病假设为本次可检验的目标，也没有设置对照组。
参加人数和资料完整情况
100人报名，92人实际参加。参加者中84人有完整配对前后测，5人只完成前测，3人只完成后测。配对使用参与者自留的随机编码，不将姓名放入分析表；没有配对的记录不强行补成同一个人。
| 资料 | 有效人数 | 计算口径 |
|---|---|---|
| 实际参加 | 92 | 占100名报名者的92.0% |
| 完整配对前后测 | 84 | 占92名参加者的91.3% |
| 课后满意度反馈 | 88 | 占92名参加者的95.7% |
| 六周随访回复 | 60 | 占84名配对随访对象的71.4% |
满意度与知识后测是独立表单，所以有效人数不必完全相同。报告保留每个环节的分母，未回复者不计零分。
知识测验观察到了变化
课程测验为自编10题，每题1分，满分10分，不是心理症状量表。84名配对参与者课前总得分512分、课后680分，均分四舍五入为6.1和8.1，平均增加2.0分。其中60人得分增加，16人不变，8人下降。
报告写为：“在完成配对测验的84人中，课后课程知识平均得分高于课前。相同试题的重复作答可能产生熟悉效应，本设计也不能排除同期其他学习的影响，因此不将全部增加归因为本课程。”本次采用描述性分析，未进行显著性检验。
88份课程反馈中，75人选择满意或非常满意，占85.2%。开放反馈有14人希望增加实际对话练习。满意程度提供课程体验信息；CDC培训评估资料也提醒，满意度不能单独判断培训是否有效，知识学习与工作中的应用应分别考察。CDC培训效果评估
六周后，使用情况仍有一部分未知
随访面向84名配对参与者，60人回复。42人表示至少使用过一次课程方法，12人尚未遇到使用机会，6人有机会但没有使用。另24人没有回复，情况未知。
42人占60名回复者的70.0%，也占84名随访对象的50.0%。报告同时给出两种分母，不写“70%的参训员工已经改变行为”。使用信息来自自报，尚未独立核查具体对话，也不知道未回复者是否有不同体验。
在6名有机会但未使用的人中，4人选择“当时不知道如何开口”，3人选择“不确定哪些支持可以提供”，可多选。建议课程增加开场练习，并由培训负责人核对支持渠道说明。对12名尚无机会使用的人，保留简明资料供日后查阅，不据此判定学习失败。
结论与后续安排。本轮已获得知识变化、课程体验及部分应用情况的描述性证据。课程设计人员拟在下一期增加两轮对话演练，业务支持人员核对渠道信息；四周内完成材料修订。向管理层提交汇总，不提供个人知识成绩或咨询使用记录。本报告不声称培训改善了疾病、降低了离职率或创造了多少经济回报。
前后测的两批人不同，平均差可能看起来更大
变化案例一有40份前测和38份后测，全部前测均分5.4，全部后测均分6.8。如果直接相减，会得到增加1.4分。进一步配对发现只有30人两次都参加，这30人的课前均分5.6、课后6.4，平均增加0.8分。
两种计算都能描述各自的数据，但回答的问题不同。1.4分混入了参与者构成变化；0.8分描述配对参与者的平均变化。报告应把比较对象写进句子：“30名配对参与者平均增加0.8分，另外10份仅前测与8份仅后测记录单独保留，不用于个人变化计算。”
若这批人没有留任何可配对编码，就应报告两轮独立样本的差异，并说明无法判断个人变化，不能事后凭部门、性别或分数相似程度强行找人配对。下一轮在告知和编码设计阶段解决这一问题，比报表生成后补救可靠。
加了等候组，也需要说明两组怎样形成
变化案例二中，40人的培训组均分由6.0升至7.5，40人的等候组由6.1升至7.0。培训组增加1.5分，等候组增加0.9分，两组变化之差为0.6分。等候组也进步，说明把培训组全部1.5分都记在课程名下过于简单。
但这个案例按部门安排先后，没有随机分配，期间两组还接触了不同的内部学习材料。报告将0.6分写成“本次观察到的组间变化差”，并说明基线可比性、其他学习与测量误差尚需进一步处理。不能仅因有了一个对照栏，就宣称已经证明因果。
CDC项目评估框架区分结果描述与寻求因果关系的影响评估，并强调设计决定了能够支持的结论。实际项目如确需回答课程是否带来额外变化，应在实施前安排适当比较、样本与分析方案。CDC项目评估框架
预算规模较小的培训可以先把知识、使用机会和使用障碍报告清楚；若要据此决定长期采购，再提前讨论怎样获得更有说服力的效果证据，不必让一份满意度表承担全部判断。
资料来源
- CDC：Evaluate Training—Measuring Effectiveness，用于区分学习、满意度、延迟随访和工作应用。
- CDC：Program Evaluation Framework 2024，用于说明描述性结果与因果判断的差异，以及评估设计对结论的限制。