哪个国家平均智商最高（以及为什么数据一团糟）

国家智商排名的吸引力

国家智商排名令人无法抗拒。它们提供了一种简单、看似客观的方式来比较整个人口的智力。像"新加坡拥有世界最高智商"这样的标题感觉是确定的——对一个复杂问题的干净、可量化的答案。但这些排名背后的现实远比标题暗示的更加混乱。

最广泛引用的国家智商估计来自理查德·林恩和塔图·万哈宁的工作，发表在他们的著作《智商与国民财富》（2002）和《智商与全球不平等》（2006）中。他们汇编了185个国家的智商分数，并论证国家智商水平是经济结果的主要决定因素。他们的工作被引用了数千次——也受到了同样严厉的批评。

1. 数据从何而来——又从何不来

国家智商排名最大的问题是数据可用性。实际、系统收集的智商测试数据只存在于世界上少数国家。对于大多数国家，研究人员依赖估计、外推和代理指标。

数据缺口

• 真实数据存在于约80个国家——主要在欧洲、北美和东亚
• 估计数据填补了剩余的100多个国家，通常基于邻国或区域平均值
• 缺乏标准化测试：不同国家使用不同的测试，在不同条件下进行，面向不同年龄组，在不同年份
• 样本量差异巨大：一些估计基于几百名测试者；其他基于数万人

"估计"在实践中意味着什么

当林恩和万哈宁没有某个国家的数据时，他们使用几种方法来填补空白：

• 最近邻法：将邻国的智商分配给该国
• 区域平均：使用周边国家的平均值
• 经济代理：从人均GDP推断智商，假设更富裕的国家智商更高

这创造了一种循环逻辑：因为经济地位而假设某些国家有特定的智商水平，然后用同样的智商水平来"解释"其经济地位。

2. 弗林效应和时间扭曲

智商测试定期重新标准化以保持平均分在100。由于弗林效应——20世纪原始智商分数的稳步上升——1960年的100分代表的认知能力绝对水平与2020年的100分不同。

为什么这对国际比较很重要

• 如果A国在1980年测试其人口，B国在2010年测试，B国看起来智商更低——即使他们的人口在认知上完全相同——因为测试被重新标准化到更高的标准
• 不同国家在不同时间采用了更新的测试版本，创造了人为差距
• 弗林效应在一些国家比其他国家更大，这意味着国家之间的差距随时间在缩小
• 一些国家（特别是斯堪的纳维亚）自1990年代以来出现了弗林效应的逆转，进一步复杂化了比较

问题的规模

弗林效应通常每十年增加约3个智商点。这意味着两个国家测试项目之间30年的差距可能创造9分的人为差异——大于国际排名中报告的许多"真实"差异。

3. 测试偏见和文化特异性

智商测试是在西方、受过教育的、工业化的、富裕的、民主的（WEIRD）社会中设计的。虽然现代测试已大幅改进，但假设单一测试在所有文化中测量相同的构念仍然有问题。

文化偏见的来源

• 语言：以非母语进行的测试使测试者处于不利地位，即使他们很流利
• 对测试格式的熟悉：选择题、限时和抽象推理任务在西方教育中很常见，但在某些文化中不熟悉
• 教育内容：即使是"文化无关"的测试如瑞文渐进矩阵也需要对抽象视觉模式的熟悉，这在有正式几何教育的社会中更常见
• 动机和考试文化：在某些文化中，标准化测试是高风险和熟悉的；在其他文化中，它们很少见并被冷漠对待
• 社会经济背景：营养不良、疾病负担和缺乏正式教育降低了测试分数，无论先天认知能力如何

"文化无关"测试的神话

瑞文渐进矩阵常被称为"文化无关"的，因为它使用抽象几何模式而非语言或文化知识。但研究表明：

• 对视觉抽象的熟悉（在有正式艺术和几何教育的社会中常见）提高了表现
• 考试策略（知道何时猜测、如何管理时间）因文化而异
• 即使是抽象模式识别也受特定文化中常见视觉刺激类型的影响

4. 教育、健康和经济混淆因素

国家智商分数与国家财富、教育水平、健康结果和营养密切相关。这创造了一个根本性的模糊性：高智商分数导致国家繁荣，还是国家繁荣创造了提高智商分数的条件？

混淆因素

• 教育：义务教育年限更多的国家得分更高——但正如我们所见，教育直接使智商分数每年增加2-4分
• 健康：疾病负担较低、营养较好、婴儿死亡率较低的国家得分更高——因为大脑发育对这些因素敏感
• 财富：更富裕的国家能负担更好的教育、医疗保健和营养——所有这些都提高了智商分数
• 碘缺乏：单一微量营养素缺乏可使平均智商降低10-15分；碘缺乏在贫穷的内陆国家很常见

因果方向

国家智商与国家财富之间的关系是双向的：

• 更高智商 → 更高生产力 → 更多财富（林恩-万哈宁论点）
• 更多财富 → 更好的教育、健康、营养 → 更高智商（替代观点）
• 两者可能都正确，创造了一个反馈循环，使得从横截面数据中无法理清因果关系

5. 最佳研究实际显示的内容

尽管存在所有这些问题，一些研究仍试图进行更严格的跨国比较。这些研究使用了更好的方法，但得出了更温和的结论。

PISA方法

OECD的国际学生评估项目（PISA）每三年在80多个国家测试15岁学生的阅读、数学和科学能力。虽然PISA不是智商测试，但它测量与智商高度相关的认知技能——并使用标准化、精心翻译和严格管理的测试。

PISA主要发现：

• 东亚国家（新加坡、中国、韩国、日本、台湾）始终位居排名前列
• 欧洲国家聚集在中间
• 顶部和底部之间的差距很大但一直在缩小
• 社会经济因素解释了很大一部分方差

世界银行人力资本指数

世界银行的人力资本指数衡量在当前健康和教育条件下，今天出生的孩子预期可以获得的人力资本量。它与国家智商估计密切相关——但将差异框架为可改变的政策结果而非固定特征。

6. 东亚优势——什么是真实的，什么不是

东亚国家始终在智商和PISA排名中名列前茅。这是跨国认知评估中最稳健的发现之一。但什么导致了这种优势？

可能贡献的因素

• 教育系统：东亚国家拥有高强度、高压力的教育系统，有长课时、课后辅导和对学业成就的文化强调
• 考试熟悉度：这些国家的学生在整个教育过程中参加许多标准化测试，使他们非常熟悉格式
• 教育投资：这些国家将高比例的GDP用于教育
• 文化价值观：儒家文化传统对教育和学术成就给予极大重视
• 营养和健康：这些国家拥有出色的公共卫生、低疾病负担和良好营养

可能不是原因的因素

• 遗传差异：虽然一些研究者提出了遗传解释，但证据薄弱且被环境差异混淆。20世纪东亚智商分数的快速上升（远快于遗传变化所能产生的）指向环境因素
• 先天优越性：优势特定于智商和学术测试测量的技能类型；它不延伸到所有认知能力
• 固定差异：东亚和西方国家之间的差距一直在缩小，因为西方国家改善了教育和健康

7. 排名的问题

即使我们有完美的数据，按智商对国家进行排名仍然是有问题的，原因有几个。

统计问题

• 重叠分布：最高和最低国家平均值之间的差异（约15-20分）小于国内变异（约40分）。这意味着"低智商"国家中最聪明的人比"高智商"国家中的普通人更聪明
• 置信区间：每个国家估计周围的不确定性足够大，使得得分相近的国家的排名本质上是随机的
• 辛普森悖论：当子群体得分差异很大时，一个国家的总体平均值可能具有误导性

伦理问题

• 本质主义：排名暗示国家智商是人口的固定、本质特征——而非当前条件的产物
• 滥用：国家智商数据被用来为种族主义政策、移民限制和优生学计划辩护
• 污名化：低排名污名化整个国家，可能成为自我实现的预言
• 忽视背景：排名去除了产生分数的历史、经济和政治背景

8. 我们可以负责任地得出什么结论

尽管有所有这些警告，研究确实支持一些关于跨国认知能力差异的谨慎结论。

证据支持的内容

• 环境因素占主导：教育、健康、营养和经济发展是国家智商差异的主要驱动因素
• 趋同正在发生：随着全球生活水平提高，高和低国家之间的差距正在缩小
• 东亚教育系统产生更高的考试分数：这是真实的，但这是教育政策和文化投资的产物，而非先天优越性
• 健康干预有效：碘补充、驱虫和营养计划已证明能提高发展中国家的认知表现
• 弗林效应是真实的：原始认知表现全球大幅提高，证实"智力"（由测试测量）是可塑的

证据不支持的内容

• 遗传决定论：没有可信证据表明人群之间的遗传差异解释了国家智商排名
• 固定的国家智力：国家智商分数在几十年间发生了巨大变化，证明它们不是固定的
• 政策宿命论：智商分数的可塑性意味着政策干预（教育、健康、营养）能够而且确实提高了国家认知表现
• 个人层面的推断：国家平均值不能告诉你该国家任何个人的情况

如何批判性地阅读国家智商排名

当你看到关于国家智商排名的标题时，问问自己：

1. 数据从何而来？ 该国是否真的进行了测试，还是分数是估计的？
2. 测试何时进行？ 30年前的分数不能与今天的分数相比
3. 使用了什么测试？ 不同的测试测量不同的东西
4. 测试了谁？ 大学生的样本不能代表一个国家
5. 在什么条件下测试的？ 语言、熟悉度和动机都很重要
6. 置信区间是多少？ 2-3分的差异没有意义
7. 哪些因素可能解释差异？ 教育、健康、营养和财富是通常的嫌疑

结论