在社会可接受性方面的实质性个体差异：稳定性、变化性，以及与人格特质和工作满意度的关联——一项大规模纵向调查的结果

《Journal of Research in Personality》：Substantive individual differences in social desirability: stability, change, and associations with personality traits and job satisfaction in a large-scale longitudinal survey

　　恩里科·佩里内利
特伦托大学心理学与认知科学系，贝蒂尼大街31号，38068罗韦雷托，意大利

**摘要**
关于个体在社会吸引力方面的差异是反映了人格的实质性特征，还是某种风格化的回应偏差，目前仍存在争议。本研究利用了一个包含6个时间点的纵向数据集（时间间隔为1年；样本量N=2,648），其中包含一个10项的二分法量表，旨在探讨社会吸引力是否表现出与通常与适应能力相关的人格构念相似的稳定性和变化模式。研究采用了四分（自动）相关性和一系列针对分类变量的纵向结构方程模型。在验证了阈值/载荷不变性后，结果表明：
(a) 社会吸引力具有较高的等级顺序稳定性，平均水平呈正向变化，并且个体内部的变化存在显著差异；
(b) 基线水平与五大人格特质之间存在正相关；
(c) 个体层面的变化与工作满意度之间存在正相关。
总体而言，研究结果支持社会吸引力具有类似人格特质的本质。

**1. 引言**
社会吸引力被定义为“倾向于给出积极的自我描述”（Paulhus, 2002, p. 49），或者更近期地定义为“一种有意识或无意识的动机，旨在塑造符合社会规范和期望的积极自我形象”（Schr?der et al., 2025, p. 2）。然而，这种倾向在多大程度上代表了回应偏差（风格）或反映了真实的个体差异（实质），长期以来一直存在争议（Bou Malham and Saucier, 2016; L?nnqvist et al., 2007; McCrae & Costa, 1983; Perinelli and Gremigni, 2016; Ziegler et al., 2012）。本研究借鉴了Uziel（2010）关于人际导向自我控制的框架，以及Alexander等人（2025）提出的状态与特质成分之间的区分，利用大规模纵向面板调查的六年数据来探讨社会吸引力的稳定性和变化。具体来说，我们研究了社会吸引力是否以及在多大程度上表现出与其他（实质性）人格特征相似的稳定性、变化模式及其与外部变量的关联（Roberts & Yoon, 2022）。通过这项研究，我们试图填补现有文献中关于社会吸引力实质性价值的空白（McCrae & Costa, 1983）。

**2. 社会吸引力的测量及实质性与风格性的争论**
早期关于社会吸引力的研究主要集中在这种现象可能引入的自我报告评估偏差上，因此研究人员开发了旨在控制这种效应的量表（Crowne and Marlowe, 1960; Edwards, 1957）。事实上，社会吸引力可能与项目的评价内容（即哪个答案被认为是好或坏）有关，而与其描述内容（即是否准确描述了项目要求的特点）无关。这种评价性因素可能会扭曲受试者对各种刺激的反应（无论是在回答项目时还是在访谈中），尤其是在高压力情境下，如人才选拔过程中（Rau et al., 2025; Schr?der et al., 2025）。因此，早期的研究主要集中在开发描述理想但相对不常见行为的量表上。著名的例子包括Edwards社会吸引力量表（Edwards, 1957）、Marlowe–Crowne社会吸引力量表（Crowne & Marlowe, 1960）、Eysenck人格量表中的“谎言”量表（Eysenck & Eysenck, 1964）以及California心理量表中的“良好印象”量表（Gough, 1956）。这些量表的结果常用于根据预设阈值检测潜在的虚假回答者，或与其他心理测量结果进行关联，以检验后者是否受到社会吸引力偏差的影响（参见Paulhus, 1991; Ziegler et al., 2012）。

然而，在20世纪70年代和80年代，社会吸引力的研究经历了重大转变，这一转变由两个主要的研究方向推动，它们巩固并扩展了早期的工作。第一个方向关注社会吸引力的多维性质及其评估方法；第二个方向则探讨社会吸引力作为人格特质的实质性价值，而不仅仅将其视为一种回应风格偏差。

关于第一个研究方向，Paulhus（1984, 1991, 2002）基于Sackeim和Gur（1978）提出的有意识与无意识偏差的区分，进一步细化了对社会吸引力多维方面的研究，强调了印象管理（即有意识地调整自己的回答以给他人留下良好印象）与自我欺骗（即无意识地将自己描绘成过于积极的形象）之间的关键区别。后者又进一步分为自我中心偏差（即将自己描绘成具有“超级英雄”特质，如卓越的能力或勇气）和道德主义偏差（即将自己描绘成具有“圣人”特质，如极端诚实或利他主义；参见Paulhus & John, 1998）。这些概念进展促成了平衡理想回应量表（BIDR; Paulhus, 1991, 1998）及其相关工具（如双维印象管理指数BIMI; Blasberg et al., 2014）的开发，这些工具进一步完善了对社会吸引力的多因素评估。

关于第二个研究方向，McCrae和Costa（1983）通过考察自我报告和配偶评定的人格特质，证明了社会吸引力量表能够捕捉到人格中的真实个体差异（例如，与较低神经质水平的关联），而不仅仅是由于刻意扭曲回答而产生的虚假结果。在过去二十年里，大量研究推进并整合了这两个方向的研究。在某些情况下，这些研究被纳入了一个统一的框架中，将社会吸引力的多维方面与其与更高层次个体差异的实质性关联结合起来——例如人格的能动性和共情维度（Bakan, 1966）或Alpha和Beta高层次人格因素（Digman, 1997）。这种整合产生了更全面的模型，明确了社会吸引力与人格之间的结构关系（例如Blasberg et al., 2014, Vecchione and Alessandri, 2013）。因此，传统的社会吸引力量表如今不再被视为控制回应偏差的有效工具（Uziel, 2010, Ziegler et al., 2012）。相反，越来越多地采用替代方法来检测人格评估中的虚假回答问题和回应风格扭曲。例如，使用潜在变量双因子模型来分离评价因素（Kallio Strand et al., 2021, Persson et al., 2025），或利用深度学习方法分析视频记录（Lee & Ziegler, 2025）。此外，近年来还出现了新的社会吸引力量表。例如，Vecchione等人（2013）验证了自我增强量表（Egoistic and Moralistic Self-Enhancement Scale），该量表旨在捕捉个体在职场和组织环境中促进能动性（自我中心，“超级英雄”）和共情性（道德主义，“圣人”）自我呈现的倾向。Fisher等人（2024）开发了SDR-O量表，这是一种专门用于测量工作场所和组织环境中社会理想回应的印象管理成分的单维量表。

**3. 当代对社会吸引力的重新概念化**
在之前讨论的概念发展所带来的各种后果中，有两个最近的社会吸引力重新概念化值得提及。首先，Uziel（2010）在一篇广泛引用的综述中提出了对社会吸引力量表的重新界定，特别是印象管理（IM）维度，认为不应再将其仅仅视为一种偏差性的回应风格，而应视为一种类似人格特质的“人际导向的自我控制”。根据Uziel（2010）的观点，IM得分高的个体表现出更强的自我调节能力，尤其是在需要适应性和社会适当行为的社会情境中。他发现，高IM与生活中的许多积极结果相关，如减少负面情绪和更高的生活满意度。因此，IM并不表明对外部认可的依赖，而是反映了在社交评估情境中的内在自我调节能力。用Uziel的话来说：“当一个IM得分高的个体在社会情境中做出‘恰当’的行为时，这种行为并非源于对他人的认可，而是源于一种自我调节能力，使他/她能够做正确的事情（这通常是一种社会上可取的行为）”（Uziel, 2010, p. 256）。

其次，Alexander等人（2025）通过明确区分社会吸引力的稳定（类似人格特质的）和短暂（类似状态的）成分，推动了这一领域的发展。他们将社会吸引力定义为“一种将自己的思想和行为与感知到的期望相一致的稳定倾向”，并将社会理想回应定义为“在回答调查时有意按照显著期望进行评价的回应偏差”。为了实现这一区分，他们开发了两个独立的工具：一个四项的特质社会吸引力量表（例如，“我在意别人对我的看法”），以及一个七项的状态社会理想回应量表（例如，“在回答这个调查时，我确保我的回答符合他人的期望”）。他们的关键贡献在于澄清了社会吸引力是一种稳定的、人际导向的自我呈现倾向（与自我呈现理论一致），而社会理想回应是一种情境性的、特定于调查的行为，是直接测量的而非间接推断的（值得注意的是，所有七项都以“在回答这个调查时……”开头）。此外，在我们看来，Alexander等人（2025）的另一个关键贡献是他们强调了考察这些倾向的稳定性和变化的重要性。我们指出，以往关于社会吸引力的研究很少区分基于特质的成分和基于状态的成分（例如Haberecht et al., 2015, Schmitt and Steyer, 1993）。这种重新概念化使研究人员能够区分自我呈现中的持久性、与人格相关的倾向（这些倾向也可能表现出一定程度的不稳定性；例如Bleidorn, 2024, Roberts and Yoon, 2022, Wagner et al., 2020）和依赖情境的回应风格。

**4. 稳定性和变化：对社会吸引力的定义及其影响**
在当代人格心理学中，研究心理构念的稳定性和变化至关重要，因为区分个体差异中的稳定和可变成分（即使是在通常被认为高度稳定的构念中，如五大人格特质）对理论和实践都有重要意义（例如Bleidorn et al., 2019, 2021, Haehner et al., 2026）。

稳定性和变化可以沿着一个连续体来概念化。根据现有的分类体系，可以区分三种主要类型的稳定性和变化（参见Bleidorn et al., 2019, p. 1058; Newsom, 2024, Chapter 4）：相对稳定性/变化（或等级顺序稳定性/变化）指的是个体在时间上保持其相对位置的程度，通常使用自回归系数进行评估；绝对稳定性/变化（或平均水平稳定性/变化）指的是变量的平均水平随时间保持不变或变化的程度，通过重复测量时样本均值的差异来评估；个体层面的稳定性/变化（或个体内部变化的差异/相似性；Baltes and Nesselroade, 1979, Grimm et al., 2017）指的是个体轨迹随时间的变化，可以通过建模生长参数（如潜在生长曲线模型中的斜率方差）来研究。

**4.2. 社会吸引力的稳定性和变化**
尽管在将社会吸引力概念化为具有实质性价值的构念方面取得了显著进展，但关于其稳定性、变化及其概念网络的实证研究仍然较少。据我们所知，过去十年中唯一一篇适当研究社会吸引力稳定性和变化的研究是Haberecht等人（2015）的研究，他们使用潜在变化模型，在1,094名有酒精使用问题的求职者样本中进行了为期9个月的两个时间点的研究。他们的研究结果揭示了显著的时间（等级顺序）稳定性（r = 0.66）以及个体内部变化的显著个体间差异，其中学校教育被证明是变化的一个重要预测因素。这一发现对于人格心理学研究至关重要：理解个体差异的稳定性和变化（及其影响）是研究的核心目标（Bleidorn, 2024; Roberts and Yoon, 2022），最近的观点强调需要整合个体差异（关注个体内部变异）和普遍性方法（关注个体间差异）来全面把握人格发展过程（Kuper et al., 2025）。研究主要是稳定的个体差异的稳定性和变化（如社会可接受性）需要采用长时间跨度的纵向设计。这样的设计使研究人员能够区分持久性的倾向和平均水平的变化及其变异性（即个体内部变化的个体间差异），以及评估这些变化对远期结果的影响（Jackson & Wright, 2024）。到目前为止，还没有研究将这种方法论严谨性应用于社会可接受性。

5. 本研究
本研究通过分析一项大规模全国年度调查（LISS面板；2019-2024年波次）的纵向子集，旨在加深对社会可接受性实质性质的理解。也就是说，本研究的主要问题是社会可接受性是否表现出与那些与良好适应相关的“实质性”个体差异相似的稳定性和变化模式，例如自尊（Orth & Robins, 2014）、人格特质（Bleidorn et al., 2022）或基本个人价值观（Vecchione et al., 2016）。这些模式通常具有高等级顺序稳定性、随时间的正向平均水平变化、个体内部变化的显著个体间差异，以及与外部构念的有意义关联。为了解决这个问题，我们借鉴了两个关键贡献。首先，基于Alexander等人（2025）的研究，我们旨在通过实证检验其年度等级顺序、平均水平和个体水平的稳定性/变化来扩展他们对特质社会可接受性的概念化，这与已建立的人格差异框架一致（Roberts & Yoon, 2022）。其次，基于Uziel（2010）将印象管理视为适应性自我调节（或人际导向的自我控制）的观点，我们旨在测试（a）基线水平的个体间差异和（b）社会可接受性个体内部变化的个体间差异是否与人格特质和工作满意度相关。尽管先前的研究已经推测了社会可接受性自我呈现的适应性（Uziel, 2010），但关于社会可接受性个体内部变化的变异性是否转化为有意义的生活结果知之甚少，尤其是在已经确立的人格特质等预测因素之外（Judge et al., 2002; T?rnroos et al., 2019）。澄清这一联系对于确定社会可接受性是否真正反映了个体对社会世界的适应至关重要，正如Uziel（2010）所假设的。

5.1. 以工作满意度作为标准
选择工作满意度作为标准有几个考虑因素。首先，工作满意度——定义为“一个人对其工作的整体评价”（Judge et al., 2017, p. 357）——是工作态度文献中的一个核心构念。事实上，它被描述为“处于其核心”（Judge et al., 2017, p. 357），并且是“组织行为研究中最常研究的态度”（Judge & Kammeyer-Mueller, 2012, p. 348）。因此，它是一个广泛认可的个人在工作和社会领域适应性的指标。其次，我们关注的是整体工作满意度，将其操作化为一个由多个项目组成的潜在变量，这些项目捕捉了其不同方面（例如，对薪资、工作时间和当前工作的满意度）。这种方法有几个优点：首先，它捕捉了个人对其工作经历的整体评价，因此比单一方面的测量提供了更合适的工作环境适应性的指标（Judge et al., 2017; Judge and Kammeyer-Mueller, 2012）。其次，将工作满意度建模为潜在变量可以估计信度，并将真实分数方差与测量误差分开。第三，这种多方面的操作化具有良好的内容有效性，因为它与已建立的框架（如Job Descriptive Index (JDI; Smith et al., 1969)）一致；此外，与原始的JDI格式相比，LISS项目使用了从0到10的Likert型响应尺度，这提高了敏感性，并避免了传统“是-否-？”响应格式的局限性（参见Lee et al., 2023）。第三，工作满意度在组织研究中被广泛用作标准变量，特别是在旨在建立与工作态度、心理福祉和工作相关适应相关的构念的标准相关有效性的研究中。因此，大量研究在评估新开发测量的实质性相关性时使用工作满意度作为基准结果（例如，Bowling et al., 2024）。

综上所述，这些考虑因素使得工作满意度成为检验社会可接受性的基线水平和变化是否反映了具有个体适应其社会和组织环境意义的个体差异的合适结果。

5.2. 研究目标总结
总之，本研究旨在：（a）使用大规模纵向数据和稳健的心理测量程序（包括四元自相关、测量不变性测试和二阶潜在增长建模）来研究社会可接受性的各种稳定性和变化特征；（b）探讨五大人格特质与社会可接受性的基线水平和个体水平变化之间的关系；（c）测试社会可接受性的基线水平和个体水平变化是否与一个相关的生活结果（即工作满意度）有关，超出了人格特质的影响。

6. 方法
6.1. 预处理和样本数据
数据来自CentERdata（荷兰蒂尔堡大学）管理的Longitudinal Internet Studies for the Social Sciences (LISS)面板（见https://www.lissdata.nl/）。该面板是从荷兰人口登记册中抽取的真实概率样本，包括大约7,500名16岁及以上的个体，分布在5,000个家庭中（见https://www.lissdata.nl/how-it-works）。LISS档案涵盖了广泛的主题（见https://www.dataarchive.lissdata.nl/study-units/view/1）。对于本研究，我们使用了LISS数据档案中的“人格”（项目编号=7）和“工作与教育”（项目编号=6）数据集。为了最大化社会可接受性和五大人格数据的参与者保留率，我们对2008年至2024年的人格档案进行了预处理分析。分析表明，选择2019年至2024年的年度数据可以获得最高的保留率。这导致了一个包含N=2,648名参与者的数据集，这些参与者在所有六个波次中都有完整的社会可接受性和五大人格项目数据。然后，我们使用响应标识符（“nomem_encr”）将LISS背景变量数据集（项目编号=1）中的性别（“geslacht”）和年龄类别（“lftdcat”）变量合并到这2,648名参与者中。性别比例大致平衡，男性1,301人（49.13%），女性1,345人（50.79%）；只有两名参与者数据缺失（0.08%）。年龄分布如下：15-24岁（n=145，5.48%），25-34岁（n=204，7.70%），35-44岁（n=265，10.01%），45-54岁（n=435，16.43%），55-64岁（n=641，24.21%），以及≥65岁（n=956，36.10%），另有两例数据缺失（0.08%）。随后创建了一个包含单一年份（2019年）的五大人格项目和六个年份（2019-2024年）的社会可接受性项目的大格式数据集。这个数据集进一步与2024年工作与教育模块的工作满意度数据合并。最终用于涉及工作满意度分析的匹配子样本包含n=981名参与者。

6.1.1. 功效考虑
从功效角度来看，样本大小与之前使用二元/二分数据和潜在增长模型的研究的常见特征一致。例如，Wu和Estabrook（2016）在关于有序分类变量测量不变性的模拟研究中生成了1,000个样本大小的二元数据。Ye（2016）在关于二分项目的潜在增长曲线分析的模拟研究中，考察了50名参与者（小样本）和200名参与者（中等样本）的情况（见Ye, 2016, p. 48）。最后，Newsom和Smith（2020）在关于二元潜在增长曲线的模拟研究中，测试了3波、5波和7波以及100、200、500和1,000个样本大小的情况。

6.2. 测量方法
6.2.1. 社会可接受性
2019年至2024年，每年使用Strahan-Gerbasi简版Marlowe-Crowne社会可接受性量表（Strahan & Gerbasi, 1972）的10个二分项目来测量社会可接受性。最初，响应被编码为1=否，2=是。在反转了五个项目后，所有响应都被重新编码为0=否，1=是。项目内容见（附录（表A1）。

6.2.2. 五大人格特质
2019年，使用50项国际人格项目池（IPIP）版本（Goldberg, 1972）评估了外向性（α=0.88）、宜人性（α=0.83）、尽责性（α=0.78）、神经质（α=0.90）和开放性（α=0.76）。参与者被问到“下面的陈述在多大程度上描述了你（作为一个人）？”，并使用从1（非常不准确）到5（非常准确）的5点Likert型响应尺度进行回答。每个特质都用10个项目进行测量。

6.2.3. 工作满意度
2024年，使用LISS面板中的工作与教育模块的5个项目来评估工作满意度（α=0.83）。首先向参与者展示了以下引言性陈述：“我们想知道你对你的工作和某些工作方面有多满意。”这5个项目分别是：“你的工资或薪资或利润收入？”（LISS面板中的项目代码：cw24q128）、“你的工作时间？”（cw24q129）、“你所从事的工作类型？”（cw24q130）、“你同事之间的整体氛围？”（cw24q131）以及“你的当前工作？”（cw24q133）。响应记录在从0（完全不满意）到10（非常满意）的11点Likert型响应尺度上。

6.3. 数据分析计划
6.3.1. 描述性统计和项目响应模式一致性的初步分析
首先计算了描述性统计。对于社会可接受性项目（二分编码），在反向编码负键项目后，我们计算了每个时间点每个项目的“1”（即“是”，或社会可接受的答案）响应的比例。这项分析使我们能够检查在六个年度评估中，“不社会可接受”（0）与“社会可接受”（1）响应的比例是否保持稳定或发生变化。响应比例随时间的一致性可能提供了一个初步的稳定性阈值指示，可以解释为样本层面项目响应模式一致性的初步证据。更正式地说，这可能反映了每个项目阈值参数的时间一致性，这一可能性将在后续的测量不变性分析中更严格地检验（见图1中的示例，了解潜在变量模型中阈值参数的解释）。对于五大人格特质和工作满意度，通过平均项目响应来计算综合得分，然后获得标准的描述性统计。

下载：下载高分辨率图像（250KB）
下载：下载全尺寸图像

图1. 使用Probit链接函数的潜在变量模型中的阈值参数。注意：此示例基于T1时刻社会可接受性项目1（SocDes1_19）的观察频率。用于再现此图的R和LaTeX代码在补充材料中提供。y代表观察到的二元变量，而y?表示潜在的连续响应变量。阈值参数（τ1）定义了y?上观察到的响应取值为1的点，低于该点的响应取值为0。该图部分基于Grimm（2026, p. 105）。

6.3.2. 随时间变化的社会可接受性项目的一致性：四元自相关分析
其次，计算了六个时间点上社会可接受性项目的四元相关矩阵。四元相关估计了假设存在于观察到的二元响应背后的潜在连续变量之间的关联。因此，同一项目随时间的相关性（即四元自相关；McNeish et al., 2024）提供了项目层面相对稳定性的初步指示。具体来说，它们反映了个体在时间上保持每个项目所捕捉的潜在倾向的相对地位的程度。在稳定性和变化框架内，较高的四元自相关表明报告“社会可接受”行为的倾向具有更大的时间稳定性。相反，较低的相关性表明在测量场合之间的相对定位有更大的变化。然而，这些估计应被视为初步的，因为它们基于单个项目，并没有捕捉到在后续分析中检验的更广泛的潜在社会可接受性因素。四元相关性是使用psych包中的四元函数（版本2.6.1；Revelle, 2026）估计的。社会可取性潜在因子的测量不变性和等级顺序稳定性
第三步涉及评估潜在层面的测量不变性，随后是等级顺序稳定性，这通过在不同时间点上使用不变的测量参数估计的社会可取性潜在因子之间的相关性来操作化（见图2，该图展示了此步骤中估计的模型）。建立测量不变性是进行后续潜在增长建模的先决条件，并且能够更严格地检查社会可取性潜在因子之间的关联，而不受测量误差的影响（Little, 2024）。在这种背景下，同时考虑测量误差和不变测量参数时估计的潜在因子之间的相关性提供了对随时间变化的等级顺序稳定性的更准确评估。值得注意的是，这种方法解决了社会可取性文献中的一个空白，即对较长时间跨度（例如六年）内潜在层面稳定性的严格评估仍然有限。
下载：下载高分辨率图像（156KB）
下载：下载全尺寸图像
图2. 横向模型测试测量不变性和（潜在）等级顺序稳定性的路径图。注意：由于使用了theta参数化，残差方差Var(ε)被固定为1。有关Categorical Structural Equation Modeling中theta参数化和delta参数化之间差异的讨论，请参见Grimm（2016，第100页）和Kline（2023，第323页）。为了不使图表过载，没有显示同一项目在不同时间点的残差协方差。模型中强加了因子载荷（λ）和阈值（τ）的测量不变性；因此，同一项目的载荷和阈值被限制为随时间相等（例如，对于项目3：λ3,1 = λ3,2 = λ3,3 = λ3,4 = λ3,5 = λ3,6 和 τ3 = τ13 = τ23 = τ33 = τ43 = τ53 = τ63）。用于重现此图的LaTeX代码在补充材料中提供。
更详细地说，使用确认性因子分析（CFA）测试了六个时间点上社会可取性因子的测量不变性（MI），采用了（a）带均值和方差调整的对角加权最小二乘法（WLSMV）估计量和（b）theta参数化，这两种方法都推荐用于在probit链接函数下分析的二进制数据（Grimm, 2026；Millsap和Yun-Tein, 2004；Newsom, 2024；Wu和Estabrook, 2016）。比较了两个嵌套模型。在配置不变性模型中，每个时间点指定一个潜在因子，每个因子都加载在相同的十个社会可取性项目上。为了模型识别，潜在方差被固定为1，并且跨时间点的潜在因子之间的协方差被自由估计。没有施加跨时间的约束，相应项目之间的残差协方差也被自由估计。在阈值/载荷不变性模型中，因子载荷和项目阈值被限制为随时间相等，这对于具有二进制指标的模型识别是必需的（Wu & Estabrook, 2016）。潜在因子方差被固定为1，T1时的潜在均值被固定为0，其余时间点的均值被自由估计（Grimm等人，2017，第381页）。模型比较基于WLSMV估计量的加权差异检验（Newsom, 2024，第45页），使用lavaan包的lavTestLRT()函数中的satorra.2000方法。此外，由于没有建立评估具有二进制数据和大样本的纵向测量不变性中拟合指数变化的既定标准，我们采用了为多组变量不变性提出的更为保守的指导原则（Svetina, Rutkowski, & Rutkowski, 2020，第115页），使用RMSEA增加不超过0.010和CFI减少不超过0.002作为可接受不变性的阈值。

6.3.4. 二阶增长曲线模型：检查均值水平和个体水平的稳定性和变化
在第四步中，测试了不同的无条件二阶潜在增长曲线模型（也称为因子曲线模型；参见Geiser等人，2013），以检查（a）均值水平和变化以及（b）个体水平的稳定性和变化。在每个模型中，使用前一步建立的不变因子载荷和阈值，从十个二进制项目中估计了每个时间点（2019–2024）的社会可取性潜在因子（Grimm, 2026）。为了确保可比性和模型识别，一阶因子具有（a）残差方差相等，（b）截距固定为零，以及（c）残差协方差固定为零（Grimm等人，2017，第391页）。所有模型都包含了时间不变的阈值，并考虑了跨波次的项目特定残差相关性，如测量不变性步骤中所指定的。指定了四个竞争性增长模型：（a）仅包含截距的模型，其中一个潜在增长因子（截距）在所有时间点的载荷相等（值=1）；（b）包括截距和斜率的线性增长模型，斜率载荷反映了线性时间（0–5）；（c）潜在基础增长模型，其中斜率因子的第二个载荷固定为0，最后一个载荷固定为1，所有其他载荷自由估计；以及（d）二次模型，包括截距、线性和二次斜率因子，时间值相应编码。与前一步一样，模型比较使用加权差异检验（通过lavaan包的lavTestLRT()函数中的satorra.2000方法实现）进行。
重要的是，如果仅包含截距的模型比其他模型具有更好的拟合度，这将支持随时间的绝对稳定性。相反，如果包含斜率的模型提供更好的拟合度，则表明存在系统变化。在这种情况下，斜率因子的均值反映了平均（即绝对或均值水平）的变化，而斜率的显著方差则表明变化轨迹的个体差异（即个体水平的变化或个体内部的变化）。

6.3.5. 社会可取性基线水平和个体水平变化：与五大人格特质的相关性
在第五步中，指定了一个带有协变量的潜在增长曲线模型，以检查社会可取性潜在增长因子与基线时（即2019年）测量的五大人格特质之间的关联。潜在增长结构基于前一步中确定的最佳拟合潜在增长模型。具体来说，仅包含截距的模型包括一个潜在增长因子（截距），线性和潜在基础模型包括两个潜在增长因子（截距和斜率），二次模型包括三个潜在增长因子（一个截距和两个斜率因子）。每个五大人格特质都被建模为由三个项目包组成的潜在变量。社会可取性潜在增长因子与每个五大人格潜在因子之间的协方差被自由估计。此外，五个人格特质之间的协方差也被自由估计。

6.3.6. 社会可取性基线水平和个体水平变化：对工作满意度的影响，控制五大人格特质
第六步，在前一步估计的模型的基础上，测试了一个结构模型，以检查社会可取性潜在增长因子和人格特质对最终波次（2024年）测量的工作满意度的影响。工作满意度被建模为一个由五个观察指标（即项目）定义的潜在构念。潜在的工作满意度因子根据社会可取性的潜在增长因子以及基线时（即2019年）评估的五个五大人格特质进行了回归。

6.4. 软件和代码
所有分析都是在R（版本4.5.3）中进行的。补充材料（R脚本、用于重现某些图形的LaTeX代码和完整结果）可在以下GitHub仓库中找到：https://github.com/EnricoPerinelli/Soc-Desirability。

7. 结果
7.1. 描述性统计和项目反应模式一致性的初步分析
第一步包括对所有研究变量的描述性统计分析。表1报告了五大人格特质和工作满意度综合得分的描述性统计，而图3展示了随时间变化的社会可取性项目的描述性统计。如图3所示，所有10个社会可取性项目在时间点上的反应模式表现出显著的稳定性。例如，项目1和项目5显示出一致的高认可率（分别为79.0%至82.6%和89.0%至90.9%），而项目2和项目10的认可率明显较低（分别为34.4%至36.8%和32.1%至34.7%）。这一描述性发现提供了样本层面项目反应模式一致性的初步证据。具体来说，它表明认可项目中代表“社会可取”行为的个体比例随时间保持稳定。
表1. 五大人格特质和工作满意度综合得分的描述性统计
综合得分 n MSD Min Max Sk Ku
外向性 2019 26 48 3.19 0.66 1.25 ?0.08 ?0.15
宜人性 2019 26 48 3.84 0.52 1.85 ?0.40 0.34
尽责性 2019 26 48 3.77 0.51 1.75 ?0.25 ?0.09
神经质 2019 26 48 2.48 0.71 15 0.34 ?0.15
开放性 2019 26 48 3.48 0.50 1.65 0.13 0.01
工作满意度 2024 98 17 4.0 1.25 2.61 0.59 0.67
注意：Sk = 偏度。Ku = 峰度。
下载：下载高分辨率图像（295KB）
下载：下载全尺寸图像
图3. 社会可取性项目的描述性统计。注意：SocDes = 社会可取性项目。反向编码的项目被重新编码，以便“是”响应始终表示较高的社会可取性水平。N = 2,648。

7.2. 随时间变化的社会可取性项目的一致性：四元相关分析
其次，图4展示了随时间变化的社会可取性项目的四元相关矩阵。该相关图突出显示了每个项目的高时间稳定性模式，对角线块上的强相关性表明了这一点。实际上，图4清楚地显示了五条较深的蓝色对角线，分别对应于1年、2年、3年、4年和5年的四元相关性。具体来说，50个1年的四元相关性范围从0.51到0.83，平均值为0.71，标准差为0.085。同样，10个5年的四元相关性（即2019年测量的项目与2024年测量的相同项目之间的相关性）范围从0.47到0.77，平均值为0.64，标准差为0.098。因此，四元相关性的总体较大幅度，即使在5年的滞后期间也保持显著，支持了项目所描述行为的相对稳定性。
下载：下载高分辨率图像（527KB）
下载：下载全尺寸图像
图4. 2019–2024年社会可取性项目的四元相关矩阵。注意：SocDesi_YY = 社会可取性项目和年份（例如，SocDes3_21是2021年收集的社会可取性项目3）。N = 2,648。

7.3. 社会可取性潜在因子的测量不变性和等级顺序稳定性
第三，根据既定标准，支持了社会可取性因子随时间的测量不变性。尽管加权卡方差异检验具有显著性（p = 0.0157），但表2显示CFI的减少（< 0.002）和RMSEA的增加（< 0.010）远低于有意义变化的常规阈值。表3报告了配置不变性和阈值/载荷不变性模型的参数估计值，表明即使在配置模型中，载荷和阈值也随时间非常相似。这一点进一步得到了阈值/载荷不变性模型中受限估计值的证实，这些估计值与自由估计的参数非常接近。
表2. 二进制数据测量不变性结果
不变性模型 WLSMV 施测的χ2 缩放的CFI 缩放的TLI 缩放的RMSEA RMRE
空白单元格 WΔχ2(Δdf) pΔCFI ΔRMSEA
配置模型 46 4.40 21 45 0.96 70.96 20.02 70.06
阈值/载荷模型 45 31 1.85 01 64 0.96 80.06 60.06 81 7.04 (95) 0.015 0.001
注意：WLSMV = 带均值和方差调整的对角加权最小二乘法估计量。df = 自由度。CFI = 比较拟合指数。TLI = Tucker-Lewis指数。RMSEA = 近似均方根误差。SRMR = 标准化均方根残差。ΔCFI = CFI的增加。ΔRMSEA = RMSEA的减少。WΔχ2(Δdf) = 加权差异检验。

7.4. 二阶增长曲线模型：检查均值水平和个体水平的稳定性和变化
第四，表5展示了潜在增长曲线的结果。潜在基础增长模型提供了对数据的最佳拟合，如加权卡方差异检验所示。这些发现表明，社会可取性随时间的轨迹遵循非线性模式，而不是严格的线性或静态趋势。关于潜在基础增长的进一步见解详见表6（另见图5）。具体来说，斜率载荷表明从2019年（估计值=0.334 [95%CI=0.090, 0.577]，p=0.007）开始初始下降，到2020年（固定为0），随后显著增加，在2022年达到最高值（估计值=1.100 [95%CI=0.807, 1.392]，p<0.001），并在2023年（估计值=1.035 [95%CI=0.764, 1.306]，p<0.001）和2024年（固定为1）之间稳定。关于潜在的成长因素，截距均值被固定为0，以便于识别目的，而其方差具有显著性（估计值=0.132 [95%置信区间=0.090, 0.174]，p<0.001），表明基线水平存在显著的个体差异。斜率因子的均值也具有显著性（估计值=0.042 [95%置信区间=0.027, 0.057]，p<0.001），表明从2020年到2024年个体间存在平均增长趋势。此外，斜率方差也具有显著性（估计值=0.012 [95%置信区间=0.003, 0.020]，p=0.006），反映了个体成长轨迹的显著变异性（即个体内部变化的显著差异）。截距和斜率之间的协方差为负且具有显著性（标准化估计值=-0.213 [95%置信区间=-0.363, -0.062]），表明基线水平较高（较低）的个体倾向于随时间减少（增加）。表5. 二元数据无条件二阶潜在增长曲线模型的结果。

关于潜在的成长因素，截距均值被固定为0以便于识别目的，而其方差具有显著性（估计值=0.132 [95%置信区间=0.090, 0.174]，p<0.001），表明基线水平存在显著的个体差异。斜率因子的均值也具有显著性（估计值=0.042 [95%置信区间=0.027, 0.057]，p<0.001），表明从2020年到2024年个体间存在平均增长趋势。此外，斜率方差也具有显著性（估计值=0.012 [95%置信区间=0.003, 0.020]，p=0.006），反映了个体成长轨迹的显著变异性（即个体内部变化的显著差异）。截距和斜率之间的协方差为负且具有显著性（标准化估计值=-0.213 [95%置信区间=-0.363, -0.062]），表明基线水平较高（较低）的个体倾向于随时间减少（增加）。

表5. 二元数据无条件二阶潜在增长曲线模型的结果。

模型WLSMV
缩放χ2 df 缩放CFI 缩放TLI 缩放RMSEA SRMR WΔχ2(Δdf) p
仅截距 45 5 5.362 16 5.90 0.968 0.966 0.026 0.068 ?
线性增长 45 4 6.978 16 5.60 0.968 0.966 0.026 0.068 10.634 (3) 0.01388
潜在基础增长（非线性） 45 3 1.600 16 5.20 0.969 0.966 0.026 0.068 32.599 (4) < 0.001

注：WLSMV = 带有均值和方差调整的对角加权最小二乘法估计器。df = 自由度。CFI = 比较拟合指数。TLI = Tucker-Lewis指数。RMSEA = 近似均方根误差。SRMR = 标准化均方根残差。WΔχ2(Δdf) = 加权差异检验。对于二次模型，潜在变量的协方差矩阵不是正定的。最佳拟合模型以粗体显示。

表6. 二阶潜在基础增长模型的主要参数。

参数 符号 未标准化估计值 [95%置信区间] 标准化估计值 [95%置信区间]
Slope =～ SocDes 2019 λT1 0.334 [0.090, 0.577] 0.007 0.098 [0.014, 0.182]
Slope =～ SocDes 2020 λT2 0 0 0.756 [0.508, 1.003] < 0.001 0.223 [0.134, 0.312]
Slope =～ SocDes 2021 λT3 1.100 [0.807, 1.392] < 0.001 0.323 [0.228, 0.417]
Slope =～ SocDes 2022 λT4 1.035 [0.764, 1.306] < 0.001 0.304 [0.210, 0.399]
Slope =～ SocDes 2023 λT5 1 0 0 0 0 ?
Mean(Intercept) k1 10 0 0 0 0 ?
Variance(Intercept) φ1 10.132 [0.090, 0.174] < 0.001 1
Mean(Slope) k2 0.042 [0.027, 0.057] < 0.001 0.386 [0.246, 0.526]
Variance(Slope) φ2 0.012 [0.003, 0.020] 0.006 1
Covariance(Intercept-Slope) φ21 ?0.008 [-0.016, 0.000] 0.038 ?0.213 [-0.363, -0.062]

注：“Slope =～ SocDes”表示每个社会期望潜在因子的斜率载荷，同时施加了阈值和载荷不变性。为了识别潜在基础增长模型，(a) 2020年和2024年的斜率载荷分别被固定为0和1，(b) 潜在截距因子的均值被固定为0。未标准化估计值 = 未标准化的估计值。标准化估计值 = 标准化的估计值。95%置信区间 = 95%置信区间。“符号”列有助于解释图5中的参数。

下载：下载高分辨率图像（219KB）
下载：下载全尺寸图像

图5. 无条件二阶潜在基础增长曲线模型。注意：测量模型在图2中报告。主要参数的结果在表6中报告。残差方差（即ζ1、ζ2等的方差）被限制为相等。SocDes = 社会期望。

7.5. 社会期望基线水平与个体水平变化：与五大人格特质的相关性

第五，我们估计了一个模型，在该模型中，潜在的五大人格特质与社会期望的潜在截距和斜率因子之间的协方差是自由指定的。该模型对数据有很好的拟合（N=2,648；WLSMV-Scaled χ2(2662) = 9684.560，p<0.001；缩放CFI = 0.928；缩放TLI = 0.923；缩放RMSEA = 0.032；SRMR = 0.071）。表7中的结果显示，社会期望的潜在截距（捕捉2020年选择的基线水平的个体差异）与宜人性、尽责性和神经质性有中等程度的相关性（后者为负相关）。这三个特质通常被认为是更高阶或元特质Alpha/稳定性因子的指标。相比之下，社会期望的潜在斜率（捕捉个体水平变化）与任何五大人格特质均无显著相关性。这种模式表明，虽然社会期望的基线水平与人格特质（特别是反映Alpha/稳定性元特质的特质）有显著关联，但社会期望随时间的变化轨迹似乎独立于这些更广泛的人格特质。

表7. 潜在变量与五大人格特质（截距）和变化（斜率）之间的潜在相关性。

潜在变量 1 2 3 4 5 6 7
1. 外向性 1 2 3 4 5 6 7
1. 宜人性 0.348*** 1 2 3 4 5 6 7
2. 责任性 0.168*** 0.376*** 1 2 3 4 5 6 7
3. 神经质性 ?0.306*** ?0.147*** ?0.330*** 1 2 3 4 5 6 7
4. 开放性 0.396*** 0.330*** 0.316*** ?0.254***
5. 社会期望 ? 截距 0.072* 0.302*** 0.286*** ?0.482*** ?0.066*
6. 社会期望 ? 斜率 ?0.032 ?0.052 ?0.045 0.009 0.070 ?0.206*

注：五大人格特质被建模为潜在变量，每个变量由三个项目包组成，指的是2019年的基线测量值。“SocDes – 截距”和“SocDes – 斜率”分别代表社会期望的潜在截距（基线水平）和斜率（个体水平变化）因子，如二阶潜在基础增长模型中指定的，同时施加了时间上的阈值/载荷不变性。*p<0.05。**p<0.01。***p<0.001。

7.6. 社会期望基线水平与个体水平变化：对工作满意度的影晌

第六，使用可用数据的一个子集，我们研究了五大人格特质和社会期望的基线水平（潜在截距）以及个体水平变化（潜在斜率）对2024年工作满意度的影响。该模型对数据有很好的拟合（n=981；WLSMV-Scaled χ2(2995) = 5566.363，p<0.001；缩放CFI = 0.926；缩放TLI = 0.922；缩放RMSEA = 0.030；SRMR = 0.080）。表8中的结果显示，尽责性（β=0.141，p=0.001）、宜人性（β=0.093，p=0.029）和外向性（β=0.091，p=0.025）是工作满意度的显著正向预测因子，而神经质性与工作满意度呈负相关（β=?0.249，p<0.001）。相比之下，开放性与工作满意度无显著关联（β=?0.054，p=0.191）。关于社会期望的潜在斜率（反映随时间的变化），它与任何五大人格特质均无显著相关性。这一模式表明，虽然社会期望的基线水平与人格特质（特别是反映Alpha/稳定性元特质的特质）有显著关联，但社会期望随时间的变化轨迹似乎独立于这些更广泛的人格特质。

表8. 五大人格特质（2019年）和社会期望水平（截距）及变化（斜率）对工作满意度的纵向影响。

潜在预测因子 BSE z值 p β
外向性 0.147 0.066 2.239 0.025
宜人性 0.166 0.076 2.189 0.029
尽责性 0.360 0.105 3.413 0.001
神经质性 ?0.362 0.075 ?4.830 0<0.000
开放性 ?0.099 0.076 ?1.308 0.191 ?0.054
社会期望 ? 截距 0.213 0.203 1.052 0.293
社会期望 ? 斜率 1.154 0.520 2.221 0.026 0.180*

注：使用了可用数据的一个子集（n=981）。五大人格特质被建模为潜在变量，每个变量由三个项目包组成，指的是2019年的基线测量值。工作满意度被建模为一个潜在变量，由五个指标组成，在最终波次（2024年）进行评估。“SocDes – 截距”和“SocDes – 斜率”分别代表社会期望的潜在截距（基线水平）和斜率（个体水平变化）因子，如二阶潜在基础增长模型中指定的，同时施加了时间上的阈值/载荷不变性。B = 未标准化效应。SE = 标准误差。β = 标准化效应。*p<0.05。**p<0.01。***p<0.001。

7.7. 补充分析

作为补充分析，通过将年龄作为一个额外的协变量重新估计了最终模型（我们感谢一位匿名审稿人的这个建议）。年龄可能在社会期望的五大人格特质、基线水平变化和工作满意度之间的关系中是一个潜在的混杂因素。实际上，年龄较大的个体可能表现出更成熟的行为模式和对社会适当行为的更大意识，这可能与更高的社会期望水平、更大的社会期望变化以及更高的工作满意度相关。因此，一旦考虑到年龄，个体水平的社会期望变化对工作满意度的影响可能会减弱。该模型对数据有很好的拟合（n=979；WLSMV-Scaled χ2(3068) = 5778.888，p<0.001；缩放CFI = 0.922；缩放TLI = 0.918；缩放RMSEA = 0.030；SRMR = 0.081）。年龄与社会期望截距（φ=0.318，p<0.001）呈正相关，但与斜率（φ=0.127，p=0.093）无关。正如预期的那样，年龄对社会满意度有积极且显著的影响（β=0.080，p=0.021）。尽管如此，社会期望斜率对社会满意度的影响仍然具有统计学意义（β=0.182，p=0.037）。该模型解释了工作满意度潜在变量方差的22.5%（即与不包含年龄的先前模型相比仅增加了1%）。

8. 讨论

本研究旨在全面探讨个体在社会期望方面的差异。利用来自大规模全国调查（LISS面板）的六波年度数据，我们研究了社会期望随时间的稳定性和变化程度、其与人格特质的关联以及其对工作满意度的预测价值。我们的目标是为将社会期望视为一种实质性的个体差异而非仅仅是一种反应风格的假象的日益增长的研究领域做出贡献。如“本研究”部分所述，该研究有三个主要目标，下面将讨论每个目标的相关发现。

首先，我们的发现显示社会期望具有显著的时间稳定性。这通过随时间一致的项目认可率、四分相关性的高等级稳定性以及潜在因子之间的强纵向关联得到了证明。这些结果支持社会期望具有与其他人格特质相当的高等级稳定性的观点。此外，通过使用二元指标的二阶潜在增长建模，我们识别出一个非线性的发展轨迹，表明存在显著（尽管很小）的平均水平变化。重要的是，截距和斜率都显示出显著的个体间变异性，后者的发现表明个体水平的社会期望并非完全静态，而是在个体内部变化中可以表现出有意义的个体差异。这一发现推进了新兴研究，这些研究开始区分社会期望的稳定和可变组成部分（Alexander等人，2025年）并记录个体内部变化的个体差异（Haberecht等人，2015年）。

其次，我们的结果通过实证将社会期望的基线水平与变化水平与特定的人格特质联系起来，扩展了先前的研究。然而，只有与基线水平的关联得到了证据。有趣的是，社会期望基线水平与五大人格特质之间的潜在相关模式似乎反映了稳定性（Alpha）元特质和可塑性（Beta）元特质之间的区别（参见DeYoung等人，即将发表；更新的观点）。具体来说，我们发现社会期望与宜人性和尽责性有中等程度的正相关，与神经质性有负相关，这些特质构成了稳定性（Alpha）元特质。这种模式与Vecchione和Alessandri（2013年）的发现一致，他们表明道德偏见与Alpha（稳定性）维度一致，而自我中心偏见与Beta（可塑性）维度（即外向性和开放性）更为相关。鉴于Marlowe–Crowne社会期望量表最近的一个例子是Guenole等人（2023年）的研究，他们采用了一种混合的以个人为中心和以变量为中心的方法（即，被试内三因子混合模型）来分析在诚实和假装条件下的大脑成像数据反应（BIDR）。这种方法同时模拟了多个BIDR潜在因素（包括一般性和特定性因素），并识别了两种实验条件下受访者的潜在类别（遵从者与非遵从者）。更广泛地说，类似的分析策略也可以应用于其他在选择情境中常用的测量工具，这些工具可能容易受到社会期望反应的影响。最后，Fuechtenhans和Brown（2023年）提供了在高风险情境下（例如人员选拔）减少人格评估中假装行为的有用建议。

8.2. 局限性和未来方向
有几个局限性需要讨论。首先，我们使用了Strahan-Gerbasi版本的MCSDS简表，尽管该量表被广泛使用，但它没有区分社会期望性的多个方面（如印象管理、自我欺骗、利己主义偏见、道德主义偏见等），并且仅限于二元（是/否）的回答选项。未来的研究应该采用多维工具（如Blasberg等人，2014年；Fisher等人，2024年；Paulhus，1991年；Vecchione等人，2013年），并结合扩展的Likert型回答格式（Vispoel & Kim，2014年），以评估特定子成分是否表现出不同的发展轨迹和预测模式，并为参与者提供更准确的回答方式。

第二个更严重的局限性是社会期望性项目之间的相关性相对较低，这表明该量表可能捕捉到了一组异质性的理想行为。一个可能的解释是使用二进制编码的项目来评估一个潜在的连续特质，这可能减弱了项目之间的关联。正如Newsom（2024年）所指出的，“将连续变量二分化会导致相关系数减弱，与未二分化时的相关值相比”（Newsom，2024年，第13页）。尽管如此，两种方法学选择有助于缓解这个问题。首先，使用二阶潜在增长模型可以估计社会期望性潜在变量的增长因素（及相关参数），从而控制每个时间点的测量误差（Geiser等人，2013年；Isiordia和Ferrer，2018年）。其次，即使在存在二元指标的情况下也能证明纵向测量的不变性，这增强了纵向比较的有效性（Grimm，2026年）。

第三，虽然我们研究了一组时间不变的变量（第一波的五大人格特质，第六波的工作满意度），但未来的研究应该考虑社会期望性变化的时间变化预测因素，如生活事件或工作转换。探索这些情境因素有助于揭示驱动个体内部变化的机制，并更好地将这些变化与相关结果联系起来。此外，使用客观结果测量（例如，上级评估的工作表现）可以补充自我报告数据，增强推断的有效性。另外，年龄也可以被视为社会期望性随时间演变的潜在预测因素。尽管“补充分析”中的结果显示年龄与社会期望性斜率之间存在正相关但不显著的关系，但未来的研究应采用更先进的分析方法（例如局部结构方程模型；Liu等人，2025年），以更好地捕捉社会期望性在整个生命周期中的潜在非线性发展轨迹。确实，可以假设存在一种“成熟”效应，即随着年龄的增长，人际导向的价值观和社会责任感行为变得更加明显。这一过程可能导致社会期望性随时间的变化，即使这些动态不能被线性模型完全捕捉到。

第四，虽然我们使用年度面板调查来测试社会期望性的长期稳定性和变化，但未来的研究还应探讨更短期的动态过程（例如Uziel & Schmidt-Barad，2023年）。更频繁的评估有助于实施更细致的个体差异-普遍性方法来研究社会期望性，捕捉短期波动和情境响应性（参见Kuper等人，2025年）。使用密集的纵向数据，结合动态结构方程模型（DSEM；Hamaker等人，2023年）或连续时间结构方程模型（CT-SEM；Driver等人，2017年）等分析方法，可能对这些目的特别有用（参见Hamaker，2025年）。从高级数据分析的角度来看，鉴于对人格特质变化的兴趣日益增长（Bleidorn，2024年），未来的研究可以采用平行过程潜在增长曲线模型（参见Wickrama等人，2022年），来研究社会期望性的截距和斜率增长因素与人格特质之间的关联。

第五，尽管工作满意度是一个相关且重要的结果，但未来的研究应探索其他生活领域（如人际关系、健康行为或职业成果），以进一步扩展社会期望性水平和变化的普遍性网络。此外，由于工作满意度仅在最后一波测量，理论上可能存在那些在社会期望性上表现出更大增长的个体在早期就已经具有较高工作满意度的情况。因此，观察到的关联不应被解释为方向性因果关系的证据。我们纳入工作满意度的主要目的是为了考察社会期望性的水平和变化是否与心理社会适应性的实际世界指标相关。尽管如此，未来的研究应采用纵向设计，包括重复测量结果和适当的分析方法，以更好地研究这些关联的方向性（例如随机截距交叉滞后面板模型；参见Little，2024年，第9章的综述）。

最后，为了更好地理解社会期望性稳定性的机制，未来的研究应探讨时间变化变量的作用。实际上，Bailey等人（2026年）的最新理论贡献提醒我们不要将类似特质的稳定性视为稳定潜在特质的决定性证据，他们提出了所谓的“虚假特质假说”。根据这一观点，看似类似特质的模式可能是由于未包含在分析模型中的时间变化过程引起的。模拟结果表明，即使真实的数据生成过程不包含任何时间不变的特质成分，这些被忽略的时间变化混杂因素也可能产生与稳定特质一致的经验模式。此外，作者还表明，即使常用的估计特质效应的先进纵向模型（例如RI-CLPM）也可能在这些条件下检测到显著的特质方差。因此，纵向数据中出现的类似特质的稳定性不应被视为时间不变因果特质的决定性证据。Bailey等人（2026年）建议，“一个潜在的解决方案是提前明确和评估理论上有根据的时间变化混杂变量，并将这些变量作为协变量来准确估计目标变量的因果效应”（第182页）。在这方面，未来研究社会期望性个体差异的一个有前景的方向是识别和建模可能有助于我们结果中观察到的显著稳定性的理论相关时间变化过程。

9. 结论
自McCrae和Costa（1983年）发表开创性文章以来，已经过去了40多年，他们认为社会期望性反映的是实质而非风格，并且尽管越来越多的人同意不应使用这类量表来检测假装行为（Uziel，2010年；Ziegler等人，2012年），但从“实质”角度研究个体在社会期望性上的差异仍然受到有限的关注。现在是时候像研究其他人格特质一样来研究社会期望性了（Roberts & Yoon，2022年）。通过展示其（a）高相对（等级顺序）稳定性，（b）在均值和个体层面上的显著变化，（c）与五大人格特质和工作满意度的有趣关联模式，这项研究有望进一步加深我们对社会期望性反应如何成为与个体更广泛心理社会功能相关的类似特质组成部分的理解。

10. 作者注
本研究的资金来自欧盟-下一代EU – PRIN 2022 PNRR（DD 1409，2022年9月14日）– PNRR – M4 – C2 – INV1.1 – PRIN – 项目名称“初中生的孤独感、非认知技能和学业成就：基于大数据、纵向和密集方法的评估与干预”– 项目识别代码P2022ZPBYX – CUP特伦托大学E53D23019470001，CUP罗马智慧大学B53D23030050001；首席研究员：Enrico Perinelli，共同首席研究员：Stefania Sette。