研究的背景与初衷
我们常常认为，不同的认知能力之间会互相促进。例如，联想学习能力强的人，可能通过不断学习新知识来提升抽象推理能力；反过来，流体智力高的人也可能更善于发现事物之间的关联。这种观点在心理学中被称为“智力互惠理论”（mutualism theory），它认为智力测试成绩之间的正相关并非源于一个共同的“一般智力”因素，而是不同能力之间相互强化的结果。
2026年，Ren等人发表了一项研究，声称用纵向数据支持了这一理论。他们追踪了中国160名小学生，在三个时间点测量了联想学习和流体智力，并使用一种称为“随机截距交叉滞后面板模型”（RI-CLPM）的统计方法进行分析。结果表明，联想学习能够预测随后的流体智力，同时流体智力也能预测后续的联想学习，两者似乎“互为因果”。
方法上的隐患
RI-CLPM是近年来心理学中越来越流行的纵向数据分析工具，它试图分离人与人之间的稳定差异和个体内部随时间的变化。但这种方法并非完美。它有一个关键弱点：如果没有将随时间变化的混杂因素纳入模型，它可能产生虚假的因果效应。也就是说，即使两个变量之间没有真正的因果影响，RI-CLPM也可能错误地显示出“因果关系”。
来自瑞典卡罗林斯卡学院的研究者Sorjonen等人对此提出了质疑。他们认为，Ren等人的结论可能只是统计假象。为了验证这种可能性，他们采用了一种“多重宇宙分析”（multiverse analysis）的思路：对同一份数据拟合多种不同的统计模型，看结论是否一致。如果不同模型得出的效应方向各不相同，那就说明单一模型的结论很可能是靠不住的。
模拟数据的重新检验
由于无法获取Ren等人的原始数据，Sorjonen等人根据原文报告的数据结构（样本量、变量间相关等）模拟了一套数据。这看起来间接，但其实是可行的，因为结构方程模型的效应本质上是由相关系数决定的——只要相关系数相同，无论数据是真实还是模拟，分析结果都会一致。
他们拟合了五种不同模型（见图1），包括标准的RI-CLPM、反向RI-CLPM、潜在变化分数模型等。结果令人警惕：
- 在标准RI-CLPM中，联想学习对后续流体智力的正向效应显著（β = 0.293，p = 0.007），但流体智力对后续联想学习的效应不显著（β = 0.131，p = 0.251）。这已经与Ren等人声称的“相互促进”不完全一致。
- 在反向RI-CLPM中（即交换时间顺序），联想学习对同时流体智力也有正向效应（β = 0.235，p = 0.027），这看起来很奇怪——因为“未来”不能影响“过去”，这种效应只能被解释为残差相关或其他假象。
- 其他模型的结果更是出现了递增、递减或零效应的混杂情况。也就是说，没有一个统一的结论支持“两个能力之间互为因果”。
为什么这很重要？
这项分析并非要全盘否定联想学习与流体智力之间可能存在某种关联，而是要提醒我们：在观察性研究中，相关并不等于因果。RI-CLPM虽然比传统的相关分析更精细，但依然无法完全排除混杂变量的影响。当不同模型给出不一致的结论时，最谨慎的做法是不要急于宣布“发现了因果”。
对于普通读者来说，这个警示同样适用。我们常常在新闻中看到“某某训练能提升智力”“某种学习方式能改变大脑”之类的报道，但背后往往只是观察性研究中的相关性。真正的因果判断需要随机对照实验，需要多种方法交叉验证，更需要研究者保持谦逊。
未来的方向
研究者建议，在报告纵向数据分析时，最好同时汇报多种模型的结果，而不是只挑选最有利的一个。这样既能提高研究的透明度，也能让读者更好地判断结论的可靠程度。
尽管Ren等人的研究可能存在方法上的瑕疵，但这并不代表智力互惠理论就一定是错的。科学就是这样一步步演进的——每一个“被质疑”的结论都促使研究者用更严谨的方法去检验，最终让我们离真相更近。
#### 参考文献
- Sorjonen, K., & Melin, B. (2026). Inconclusive mutually reinforcing effects between associative learning and fluid intelligence: simulated reanalyses and a comment on Ren et al. (2026). *PsyArXiv*.