TL;DR： MBTI 的四个量表与 Big Five 五个因素中的四个高度相关，但 MBTI 缺少情绪不稳定性（neuroticism）这一维度，并把受测者切成 16 个离散类型，而心理测量数据显示性格各维度呈连续分布。因此心理学研究几乎都以 Big Five 为标准框架：它的因素结构稳定、量表连续，预测效度也得到更广泛的验证。本文并不认为 MBTI「错误」，它是自我探索工具，而非诊断工具。
简答：MBTI 与 Big Five 差别在哪里？
MBTI 与 Big Five 并非两套完全对立的系统。直接对照时，MBTI 的四个量表与 Big Five 五个因素中的四个高度相关，而第五个因素情绪不稳定性（neuroticism）在 MBTI 中没有对应量表[1]。核心差别在于切分方式：MBTI 把每个维度切成两个离散的极端，拼成 16 个类型，而 Big Five 在一条连续带上保留得分，不给每个人贴类型标签[2][3]。
换句话说，两套工具在内容上测得差不多，差别在测量模型。正是这个模型上的差别，解释了为什么学术心理学研究几乎只用 Big Five。
对照表：MBTI 量表与对应的 Big Five 因素
| MBTI 量表 | 对应的 Big Five 因素 | 来源注释 |
|---|---|---|
| 外向（E）／内向（I） | 外向性（Extraversion） | 据 Furnham 1996 高度相关[1] |
| 实感（S）／直觉（N） | 开放性（Openness） | 据 Furnham 1996 高度相关[1] |
| 思考（T）／情感（F） | 宜人性（Agreeableness） | 据 Furnham 1996 高度相关[1] |
| 判断（J）／知觉（P） | 尽责性（Conscientiousness） | 据 Furnham 1996 高度相关[1] |
| （无对应量表） | 情绪不稳定性（Neuroticism） | MBTI 缺少这一维度[1][2] |
上表反映了两项直接对照研究的结论。在一个成人样本上，Furnham（1996）把 MBTI 与 NEO-PI 量表并置，发现 MBTI 各量表与 Big Five 中的外向性、开放性、宜人性、尽责性四个因素高度相关；这一结果进一步支持了把 MBTI 视为缺少情绪不稳定性维度的「Big Four」的看法[1]。McCrae 与 Costa（1989）以 468 名成人为样本，把 MBTI 与五因素模型相匹配，同时收集自评和熟人评价，得出了类似结论：这四个量表归根结底就是 Big Five 四个因素中的四个连续维度[2]。
为什么心理学界选择 Big Five 而非 MBTI？
答案在三点：因素结构、数据的连续性，以及预测效度。
第一，Big Five 是在描述性格的词汇量表上做因素分析得出的结果，因此它的结构能在不同样本、不同文化中重复出现。MBTI 并非按这种方式构建：它源自 Carl Jung 的心理类型理论，再由 Katherine Briggs 和 Isabel Myers 发展为问卷。这是方法论来源上的差别，不是流行程度的差别。
第二，心理测量数据显示性格得分呈连续分布，并不会聚成两个离散的簇。如果真存在彼此分离的「内向型」和「外向型」，那么得分分布图就应该有两个峰。实际上，大多数人落在中间区域。在《Review of Educational Research》上发表的一篇综述中，Pittenger（1993）用 Messick 的统一效度框架审视 MBTI，得出结论：现有证据不足以支撑 MBTI 的基本假设，其中包括每个人都属于某一离散类型的假设[3]。
第三，Big Five 的预测效度在招聘、教育和行为研究中得到广泛验证，MBTI 则没有这样的基础。Boyle（1995）在《Australian Psychologist》上的文章中，审查了 MBTI 在信度、效度和常模参照方面的心理测量局限，并不建议在澳洲情境中常规使用 MBTI[4]。
MBTI 的心理测量局限有哪些？
心理测量文献中提到的局限集中在四点。
- 把连续维度一分为二。 MBTI 在每个维度上取一个切点，然后贴上二分标签。得分贴近切点的人，可能仅因微小差距就被归入这一组或那一组，而处在两个极端的人却被视为同一类型。这是忽略数据连续性的直接后果[3]。
- 重测信度。 Boyle（1995）在澳洲情境下提出了 MBTI 的信度问题[4]。这一问题在为什么重做 MBTI 测试会得到另一个类型一文中也已讨论过，所以这里只作为一个已知局限提及，不再重新分析。
- 缺少情绪不稳定性维度。 MBTI 没有与 Big Five 的 neuroticism 相对应的量表[1][2]。这一维度在心理健康与压力应对研究中很重要，缺少它便是测量内容上的一块空白。
- 常模参照与效度。 Boyle（1995）也提出了常模参照的问题[4]。Pittenger（1993）则得出结论：关于 MBTI 实际用途的各种主张，证据尚不充分[3]。
Big Five 在研究里是怎么被使用的？
一个能说明 Big Five 在研究实践中如何运作的具体例子，是 Kachur 等（2020）发表在《Scientific Reports》上的机器学习研究。研究团队在一个大型数据集上训练了一个人工神经网络序列，用静态人像照片预测自报的 Big Five 得分。参与者为 12,447 名志愿者，提供了 31,367 张面部照片，并完成了 Big Five 自评量表[5]。
结果：观测得分与预测得分之间相关最高的是尽责性因素（男性 0.360，女性 0.335），平均效应量为 0.243，高于此前使用自拍照片的研究结果[5]。研究团队得出结论：结果支持用在大规模有标注数据集上训练的人工神经网络，从静态面部照片预测多维性格画像的可能性[5]。
对这一结果需要恰如其分地解读：这属于 B 级证据，即一项单一研究，效应量不大，尚未在同等规模上被独立重复。0.243 这个数字并不意味着看一眼照片就能知道一个人的性格；它的意思是模型以统计上显著的方式优于随机水平。此外，数据在俄罗斯采集，参与者是自愿提交照片的，因此在没有重复研究之前，不能外推到其他人群[5]。
方法上值得注意的一点是：正因为 Big Five 对每个因素给出连续得分，研究团队才能把它用作预测模型的目标变量并计算 Pearson 相关。如果使用一套离散分类系统，模型的训练和评估会难解释得多。这个例子说明，测量框架的选择会直接影响能提出哪一类研究问题。
关于信念效应可以说些什么？
有一点需要说清楚：MBTI 可以产生真实的效应，但这种效应来自信念，而不是来自工具猜中了本质。当一个人相信自己属于内向型，他可能会主动寻找更安静的环境、读更多书，或在发言前准备得更充分。这些行为随着时间推移，可能正好造出该类型被描述的那种行为。这是自我应验预言（self-fulfilling prophecy）的一种形式，已在关于外貌与性格关系的研究中被记录过[5]。
换句话说，既不该称之为「MBTI 猜对了」，也不该否认这种体验对使用者来说是真实的。这里讨论的是检验和数据，不是相信的人。
证据尚缺之处
需要明确指出一块空白：本文的来源清单中没有任何一项研究是在越南人样本上比较 MBTI 与 Big Five 的。上文引用的结果来自西方成人样本（Furnham 1996；McCrae 与 Costa 1989）、澳洲样本（Boyle 1995）或俄罗斯样本（Kachur 等 2020）[1][2][4][5]。因此不能推断在这些样本中发现的因素结构或相关系数会在越南人身上原样重现。这是留给本国研究的开放问题。
MBTI 被视为错误吗？
不。本文并不给 MBTI 打上「错误」的分数。MBTI 是一种结构清晰的自我探索工具，有数百万人使用，在引发关于性格差异的对话方面有其自身用处。问题在别处：MBTI 不是诊断工具，也不是被设计来作为比较心理学研究的基础。
如果你想了解 MBTI 是什么、16 个类型是如何确定的，请看MBTI 是什么？。如果你关心的是为什么重做测试会换类型，为什么重做 MBTI 测试会得到另一个类型一文已分析了重测信度这一侧面。你正在读的这篇文章则聚焦于另一个侧面：测量结构以及两套系统在研究中的位置。
结论保持不变：MBTI 测的东西与 Big Five 四个因素大体相近，但以离散类型的形式呈现，且缺少情绪不稳定性维度；Big Five 之所以是研究标准，是因为它的因素结构稳定、量表连续，预测效度也得到更广泛的验证。两套工具服务于两个不同目的，选择哪一套取决于你想回答什么问题。
