爱华网6．智商和搜商实证研究为研究搜商、智商以及其他因素之间的相互关系，我们随机抽取了某IT公司的64人，以及某研究所的19人，对他们进行了智商搜商测试，智商测试选用了标准题目，搜商测试则用单位时间内的正确率来衡量（为容易比较起见，其尺度并转化成和智商相同），并请他们填写了包括性别、年龄、学历、工作类型等相关信息。人事部门提供了工资范围。 一，基本背景数据1， 性别上，男女之比为63%:37%.aihuau.com12， 学历上，大专及以下：本科：研究生及以上 之比为18%：49%：33%.3， 工作上，技术：非技术类=65%:35%.二，基本分析1、从表面上看，男性和女性，高学历和低学历在智商和搜商上的差别皆显著，前者比或者都要高，搜商的差别更大一些。对于技术类和非技术类，他们在智商上有差异，但是搜商上则没有显著差别。这说明，非技术人员需要有较好的情商而不是智商，但是对于搜索能力的培养和需求却和技术人员类似。这里的显著性是用t-检验和方差检验（ANOVA）得出。其中教育的对智商和搜商造成的差别尤其显著。考虑到教育和其他两个指标的相关性比较大，以及在我国高学历的男性比女性明显要多，因此我们用广义线性模型进一步研究在有教育因素影响的情形下，智商搜商的差别，结果发现工作类型不再有显著性差别，而且性别对搜商的差异仍然存在。结果如下。模型1：智商的GLM模型 =性别+职业+教育因变量: 智商 IQ来源 DF 平方和 均方 F 值 Pr > F模式 4 2184.97981 546.24495 5.28 0.0008错误 78 8075.23706 103.52868修正总数 82 10260.21687来源 DF 类型 III SS 均方 F值 Pr > F性别 1 150.4164450 150.4164450 1.45 0.2317教育 2 849.1709262 424.5854631 4.10 0.0203工作 1 121.8403697 121.8403697 1.18 0.2813模型2：搜商的GLM模型 =性别+工作+教育因变量: 搜商来源 DF 平方和 均方 F值 Pr > F模型 4 3632.97556 908.24389 4.78 0.0017错误 78 14817.02444 189.96185修正总数 82 18450.00000来源 DF 类型 III SS 均方 F值 Pr > F性别 1 995.731044 995.731044 5.24 0.0248教育 2 2412.395190 1206.197595 6.35 0.0028工作 1 275.668740 275.668740 1.45 0.23201、表面上看，搜商和智商相关性显著性相关 (相关系数=32%，显著性水平<0.001)，然而，由于教育和其他因素的高度相关性，我们需要控制工作和性别的干扰。结果表明：在有教育因素的修正下，搜商和智商不显著相关，彼此不能互相预测（模型3和4）。我们的结果比较符合传统理论，即智商和后天教育应该关系较弱（在模型三种其p-值是0.1038,不显著），但是教育程度和搜商在我们的数据中呈现较强的关系。进一步分析显示，使用计算机的年限和使用搜索引擎的年限不影响搜商和智商的高低，原因是与之高相关的教育因素冲淡了计算机的年限和使用搜索引擎的年限的作用，见模型5。结果如下：模型3：智商的GLM模型=搜商+性别+工作+教育来源 DF 类型 III SS 均方 F值 Pr > F工作 1 173.7720943 173.7720943 1.72 0.1942教育 2 472.6082790 236.3041395 2.33 0.1038性别 1 59.3335849 59.3335849 0.59 0.4464搜商 1 276.0371871 276.0371871 2.73 0.1028模型4：搜商的GLM模型=智商+性别+工作+教育
来源 DF 类型 III SS 均方 F值 Pr > F工作 1 369.532198 369.532198 1.99 0.1625教育 2 1658.981892 829.490946 4.46 0.0147性别 1 796.483053 796.483053 4.29 0.0418智商 1 506.492839 506.492839 2.73 0.1028模型5： 智商 = 性别+工作+教育 （搜商模型类似，略)来源 DF 平方和 均方 F值 Pr > F模式 6 2371.20256 395.20043 3.81 0.0023错误 76 7889.01431 103.80282修正总和 82 10260.21687来源 DF 类型 III SS 均方 F值 Pr > F工作 1 132.2928773 132.2928773 1.27 0.2625教育 2 646.8482803 323.4241402 3.12 0.0501性别 1 90.1838107 90.1838107 0.87 0.3542计算机 1 39.6643978 39.6643978 0.38 0.5383搜索 1 184.5950982 184.5950982 1.78 0.18632、和工资相关性最大的是年龄。在控制了教育和年龄的影响后，智商微弱影响工资，而搜商目前仍没有成为影响工资的因素。模型6：薪水的GLM 模型=搜商+智商+年龄+教育 来源 DF 平方和 均方 F 值 Pr > F模型 5 15.44558710 3.08911742 7.12 <.0001错误 58 25.16378790 0.43385841修正总和 63 40.60937500来源 DF 类型 III SS 均方 F值 Pr > F教育 2 0.88610147 0.44305073 1.02 0.3666搜商 1 0.13213715 0.13213715 0.30 0.5832智商 1 1.87386826 1.87386826 4.32 0.0421年龄 1 11.93514655 11.93514655 27.51 <.00013、于网络搜索在中国相对来说还是比较新颖的，我们发现年纪越大的人，其搜索能力要比较小的人要弱些。大约每大三岁，则其搜商要减少4分。关于智商的测试已有了许多相对成熟的方法，本次搜商测试的工具选用搜索引擎显然具有一定局限性。因为搜索引擎虽然是获取知识的最有力的工具，但毕竟不是全部，除传统的字典、图书等知识外，咨询热线、社交网络，各种互联网服务平台都有可能成为获取的新的知识的工具和方法。以寻找目标地点为例就有问路、查地图、使用电子地图到动态的GPS（全球卫星定位系统）等不同的知识获取方式。所以让受试者在更大范围内选择工具会进一步提高搜商测试的准确性，另一方面，从发现线索到有效地保留和使用线索的角度为受试者设题也会使搜商测试更加全面客观。总之关于搜商测试的科学方法的讨论，本书只是一个开始。相信随着更多的人参与搜商理论的研究和讨论，搜商测试会更加科学与权威，成为人们衡量人类智能的一个重要的参照因素。
