天花板效应也叫高限效应，是在心理学教育测量实验研究当中常见的一种现象，指测试题目或者任务难度偏低，绝大多数受试者得分都集中在高分区间，大量数据触碰满分上限，分数出现饱和堆积，无法继续向上拉开差距，这种情况会造成组间真实差异被掩盖，数据区分度下降，后续统计分析的时候很难判断不同组别之间能力水平是否存在差别，理解这个概念第一步区分天花板效应和地板效应，地板效应是题目太难普遍低分，第二步识别数据特征，也就是高分扎堆接近满分，第三步分析实验或者测验设计环节，第四步掌握对应的优化调整思路，整体来看天花板效应本质是测量工具量程上限设置不合理，任务难度低于被测群体真实能力水平，测量工具已经没有办法继续区分更高水平的个体差异。

一 天花板效应核心定义

天花板效应属于测量偏差的一类，类比就是测量高度的时候尺子最大刻度太低，所有被测对象都已经超过尺子最高刻度，读数全部顶到最大值，没办法测出真实的高度差距，在考试测验场景，试卷太简单，大部分考生都考 95 分以上，大家分数挤在高分段，就出现天花板效应，在实验研究场景，实验组对照组任务都很容易，两组全部完成任务得分接近满分，就无法观察实验干预带来的效果差异。

二 天花板效应产生的原因对照表

表格

三 分场景产生原因深度说明

测验考试场景

命题阶段没有提前预估被测群体能力，试卷基础题占比过高，缺少拔高难题，考生普遍可以拿到接近满分，分数集中在顶端，试卷区分度指标下降，排名和能力分辨效果变弱。

心理学实验场景

实验任务设置难度偏低，不管是对照组还是实验组，被试都可以轻松完成任务，因变量指标全部达到最大值，实验处理带来的提升空间已经被提前耗尽，实验结果看不到组间差异，研究者容易误判成实验干预没有效果。

量表问卷场景

自评量表选项设置不合理，所有题目正向程度太高，受访者全部选择最高等级选项，回答结果全部集中在最高分值，数据饱和，量表的区分能力失效，无法区分受访者之间程度差别。

四 识别与优化思路

拿到数据之后观察分数分布，如果直方图大量样本堆积在最高分值附近，就可以判断出现天花板效应，优化方式是提升任务难度，增加高阶题目，扩展量表评分区间，提前开展预测试，根据预测试结果调整题目难度梯度，让分数可以在更大区间分布，保留足够区分度。

【相关 FAQ】

问题 1 天花板效应和地板效应是一样的吗

回答 1 天花板效应和地板效应不一样，天花板效应是任务太简单普遍高分顶到上限，地板效应是任务太难普遍低分触底，二者都属于测量饱和偏差，但是方向相反。

问题 2 出现天花板效应会影响实验结果吗

回答 2 出现天花板效应会影响实验结果，因为分数已经饱和，组间真实差异被掩盖，统计分析很难识别实验处理带来的效果，属于实验设计需要规避的问题。

问题 3 天花板效应产生的原因里面预测试缺失是不是重要因素

回答 3 天花板效应产生的原因里面预测试缺失是重要因素，没有预测试就无法提前掌握被测群体能力，容易设计出难度偏低的任务，最终引发天花板效应。

问题 4 问卷量表也会出现天花板效应吗

回答 4 问卷量表同样会出现天花板效应，题目设计偏正向，受访者大量选择最高等级选项，分值集中在顶端，就是量表类的天花板效应。

【免责申明】

本文内容仅作为统计学与心理学概念科普参考，相关理论应用请结合具体研究设计，按照学术规范开展数据分析。