从汉L和su7u的直播测试讨论中发现很多人混淆了测试的一些相关概念

我也不站哪一方，只是单纯从测试的角度。大学的时候修过measurement这门课，虽然只是和心理测量问卷相关的一部分内容，但依然清晰记得两个概念：信度和效度。信度是指测量的稳定性，也就是说状态完全相同的被试A，今天测和隔了很长一段时间再测，理论上结果要一致。当然这个指标的衡量也不可能是简单的重测(涉及到记忆)，一个经典解决办法就是大家熟知的AB卷。效度则更抽象一些，描述的是测量(测试、问卷)实际测出来的变量和你的目标变量的一致程度。物理学还好，心理学很多变量都没有具体的物理量，例如经典的智商，一份智商量表的结果，那个所谓的IQ值，到底是不是真的反应人的智商，这个就要涉及到更加复杂的衡量方式(其实我是忘光了)，例如相近潜变量的会聚性(比如你假定智商高的人收入高，那就同时测这两个看正相关度)，异类潜变量的差异性(忘了那个英文单词叫啥，大概就是跟前面的反过来)，等等等等。

回归到这次的直播测试，cltc是最能说明这两个概念的一个测试了。它的信度很高，只要你尽可能复原它的测试条件，你的测试结果就会非常靠近cltc的值，汉L和su7u的cltc值本来就很接近，这次测试又是全程中低速，所以预期结果来看就应该差不多，实际上也是误差范围内的差异。但为什么大家对cltc一直嗤之以鼻？很简单，因为它的效度不怎么样，它所谓的续航，虽然有真实的物理量衡量，但实际上每个人对续航的定义不一样的，大家嘴上说的都是续航，实际上一个说(高速)续航，一个说(低速)续航，那这个效度就很难保证了。

汽车之家的测试本身也是同样的问题，它的标准很简单，依我看信度也很高，按照结果来看，比亚迪就是喜欢5%就不显示里程，那跑100次汉L也赢不了su7u一次。但它的效度是很有问题的，它测出来的续航跟大众认知的趴窝续航实际上差异很大，大部分人质疑的也是这个点。有人可能会说，大家都是同样的测试，凭什么要对汉L网开一面。其实很简单，公平的测试是否完全等价于有效的测试？试想一下，你用数学系的数学分析试卷去给小学一年级学生做，人人平等，都是0分，测一百次，最多有个一两分的。题目都一样，很公平吧？测一百次成绩也很稳定，信度很高吧？那有效么？区分度都没了你有什么效。同样的，汽车之家要是不要脸，它往自己的测试标准里面额外加一条三元锂电池额外在最终成绩上加500公里，那考核标准是不是也对所有车都一样？测试结果是不是也会很稳定？那有用么？脸都不要了有什么用。所以本质上有质疑的声音是很正常的，大部分测试都不可能效度100%，想想就好了。