人格動態性：過程與特質整合視角

摘" 要" 人格動態性強調個體內人格過程及其與特質的關系， 是一種過程與特質整合的研究視角。隨著研究方法的進步， 相關理論與實證研究于近20年得到了快速的發展。人格動態性研究通常基于全特質理論、認知情感系統理論等理論， 采用密集追蹤數據與動態建模方法， 對個體內認知、情緒、動機、生理等交互過程、人與情境交互過程、或人格過程與特質的關系進行探究。未來研究者可從以下方面拓展現有研究： 理論上， 注意區分個體內與個體間人格結構、整合正常與異常人格理論、進一步討論時序效應; 實證研究中， 可結合多種測量方法， 提高測量效度以及個體內測量信度。

關鍵詞" 人格動態性， 人格過程， 密集追蹤數據， 整合

分類號" B848

1" 人格動態性概念發展與研究意義

人格動態性（Personality Dynamics; Kuper et al.， 2021）關注人格在一定文化或情境中的短期波動過程與潛在機制， 以及個體內人格過程與個體間人格結構的整合。20世紀早期， Allport就將人格定義為“能夠決定個體對環境獨特適應能力的個體內動態組織” （1937， p. 48）。Mischel （1968）進一步發現， 自我報告的人格特質與生活中行為的相關較低， 個體行為具有高度情境特異性。同一時期， Lewin （1951）表明， 理解行為的核心在于研究其動態性， 并將行為定義為狀態在時間維度上的變化; 研究方法上， 為了整合橫斷數據與時序信息， Cattell和Luborsky （1950）在傳統因素分析的基礎上提出了三維數據立方體（被試、變量、時間三維）， 將變量在個體內隨時間變化的動態信息納入模型中。這些早期人格動態性思想的共同點在于它們都強調人格在不同情境與時間維度下的變化， 關注狀態的延續性及波動性。然而， 21世紀前， 人格心理學研究大多關注個體間差異的普遍性結構， 采取人格特質的研究視角， 相比而言， Allport等人提出的個體內人格動態性思想并未在實證研究中被廣泛檢驗， 主要是由于實施與分析個體內重復測量數據的研究方法“費時費力， 實踐價值低。” （Baldwin， 1946， p.164） 盡管如此， 前人的理論思想仍為人格動態性研究構建了豐富的理論基礎。

近20年， 隨著數據收集與統計建模方法的發展， 越來越多研究者開始強調人格動態性的研究視角， 相關研究數量大幅上升， 研究者認為， 人格動態性研究能夠有效地對特質說進行補充， 是當前人格研究推進的重要方向（如： M?ttus et al.， 2020; Revelle amp; Wilt， 2020; Rauthmann et al.， 2019; Jayawickreme et al.， 2021; Rauthmann， 2021a）。首先， 人格動態性研究在個體間視角的基礎上進一步結合了個體內研究視角。人格特質研究常針對多個體在同一時間點的橫斷數據進行分析， 而非對個體在多個時間點的縱向人格表現進行研究（Mo?ttus et al.， 2017）， 然而， 基于橫斷數據得到的個體間人格結構并不能直接用于描述個體內人格結構（Molenaar， 2004）， 如有研究者對個體內重復測量數據進行分析發現， 不同個體的人格結構呈現出較大異質性， 并非都符合個體間的大五人格結構（Hamaker et al.， 2005）。此外， 人格動態研究在描述人格特質的基礎上進一步聚焦于理論解釋。人格特質說雖適用于描述結構， 卻難以對人格的形成和作用機制進行解釋（John et al.， 1988）， 以大五人格理論為例， 外向性水平高的個體在生活中會表現出社交活躍、果斷、追求刺激的傾向， 然而“外向性”本就是相關行為、動機、情緒表現的共變部分， 不獨立于上述表現， 因此無法作為相關行為的原因。如果研究者希望對人格進行解釋， 就需要對人格形成與作用過程（如外向性特質背后的生理與社會認知過程）進行研究。

2" 人格動態性理論框架

人格動態性理論聚焦于個體間人格變異與個體內人格過程的理論解釋（Kuper et al.， 2021）。其中， 有以下反復出現的主題： 對人格穩定與可變的部分進行區分（如： Mischel amp; Shoda， 1995; Fleeson amp; Jayawickreme， 2015; Rauthmann， 2021b）; 強調人格是一個具有自調節功能的系統（如： Mischel amp; Shoda， 1995; Corr， 2008; DeYoung， 2015; Wood et al.， 2017）; 關注人格在具體情境中的表現， 或強調環境的影響（如： Rauthmann， 2021b; Fleeson amp; Jayawickreme， 2015; DeYoung， 2015）; 強調人格是多種過程共同構成的組織（如： Mischel amp; Shoda， 1995; Fleeson amp; Jayawickreme， 2015; Sherman et al.， 2012）。

根據具體研究問題的側重， 又可將人格動態性理論分為兩類： 人格過程模型與人格整合模型。人格過程模型關注個體人格系統在不同情境中產生行為的具體過程， 聚焦于解釋行為的影響因素及產生機制。代表性思想包括以神經生理基礎、社會認知過程解釋行為， 以及強調人與環境相互作用產生行為的理論視角。過程模型的共性在于聚焦于闡述行為產生的過程， 因此在理論中通常不重點闡述人格特質的構成、成因， 或人格特質與過程之間的關系; 而人格整合模型則聚焦于解釋人格特質的成因及其作用機制， 此類模型通常整合了過程與特質模型， 關注過程與特質的關系， 理論中注重闡述人格系統中穩定與不穩定部分的本質與關系。研究問題如： 為什么會形成群體水平的人格特質， 為什么會形成個體水平的人格特質， 人格特質由什么人格過程構成等。以下將分別介紹上述兩類視角及其代表性理論模型。

2.1" 人格過程模型

人格研究的核心問題之一是如何對個體人格在情境中的波動進行解釋。人格過程模型針對人格表現的產生過程進行闡釋， 對個體內不同情境中行為波動的產生機制提供了理論假設（Baumert et al.， 2017）。代表性思想主要包括從信息加工、目標導向、自我調節、自組織系統等角度對人格表現進行解釋的社會認知人格模型（Cervone et al.， 2001）， 以及強調獎懲系統、行為趨近與回避、條件反射等的神經生理人格模型（DeYoung amp; Gray， 2009）， 此外， 由于人格過程必定發生在情境中， 也有研究者對情境與人格系統如何相互影響而產生行為的過程進行了梳理（Rauthmann， 2021b）。以下將分別介紹上述代表性理論。

2.1.1" 社會認知人格模型

社會認知人格模型具有以下三個特征： 首先， 認為個體與環境“交互決定” （reciprocal determinism; Bandura， 1978）， 共同構成一個復雜系統， 即不將個體與環境區分為兩類獨立變量; 其次， 與脫離情境的人格特質說不同， 社會認知人格模型將情境中的認知與情緒過程作為人格的基本分析單元; 最后， 社會認知人格模型認為人格是多種基礎認知與情緒過程交互作用而形成的自組織系統（Cervone et al.， 2001）。

認知情感系統模型（cognitive-affective personality system model， CAPS model; Mischel amp; Shoda， 1995）是社會認知人格模型中的代表性理論模型。CAPS模型認為， 人格是由不同認知?情感單元（cognitive affective units）構成的系統， 包括個體對情境的編碼與構建單元、期待/信念單元、目標/價值觀單元、情感單元以及自我調節/能力單元。各單元隨情境變化不斷交互， 從而產生具體的行為（Mischel amp; Shoda， 1995）。盡管具體行為存在很大變異性， 個體在特定情境中的行為卻存在一定穩定性， 即“如果……那么……”的情境?行為關聯模式（if-then contingency; Shoda et al.， 1994）。CAPS模型有助于解釋為何行為同時具有可變性與穩定性， 獲得了部分研究的支持， 相關研究表明， 情境的相似性在個體間與個體內水平上都可以預測行為的相似性（Sherman et al.， 2010）; 個體的狀態盡責性與當前情境中的任務緊急性與復雜程度顯著相關， 且個體內情境與人格狀態的相關性存在穩定的個體差異（Minbashian et al.， 2010）。

2.1.2" 神經生理人格模型

相比起社會認知模型， 神經生理人格模型從更底層的認知神經過程探究人格表現的成因。神經生理人格模型的共性在于都認為存在兩類基礎神經認知過程： 趨近與回避， 由環境中的懲罰與獎賞刺激強化而成， 而人格系統反映了個體對刺激的反應模式。各神經生理人格模型中， 以強化敏感性模型（reinforcement sensitivity theory， RST; Corr， 2008; Smillie， 2008）影響較為深遠。RST認為， 刺激通過不同生理行為系統的調節而產生行為， 并根據神經系統對不同類型刺激的反應模式劃分了3個子系統， 各子系統具有不同的神經生理基礎， 分別是： 戰?逃?僵化系統（Fight-Flight- Freeze System， FFFS）， 負責應對消極刺激， 在個體感到恐懼時被激活， 從而產生回避、僵化等防御性行為， 同時會抑制行為趨近系統; 行為趨近系統（Behavioural Approach System， BAS）， 負責處理積極刺激， 當獎勵刺激出現或懲罰刺激被撤銷時， 促使個體產生積極情緒， 與樂觀、沖動型人格相關， 激活時會抑制FFFS; 行為抑制系統（Behavioural Inhibition System， BIS）， 負責進行風險評估， 使個體能夠更謹慎地應對目標沖突情境， 該系統在FFFS與BAS系統同時活躍時被激活， 與焦慮、反芻等相關（Corr， 2008）。RST認為三系統是行為產生的原因， 且個體神經系統對懲罰與獎賞刺激的不同敏感程度構成了不同個體的人格差異。

2.1.3" 人?環境關系模型

人?環境關系模型（person-environment relations model， PERM; Rauthmann， 2021b）將個體與環境視為兩類獨立的變量， 聚焦于探討個體與環境間不同類型的關系。Lewin （1935）于上世紀初提出， 個體的行為由個體內部因素及外部環境共同決定。基于Lewin的理論思想， Rauthmann等人提出了PERM， 將個體與環境因素進一步區分為穩定的特質與波動的狀態， 并加入了時間維度， 在模型中對個體與環境間的關系類型、及其相互作用機制進行了總結。如圖1所示， PERM認為， 研究中關注的因變量（即行為）， 受穩定的環境特征e （如社會規范）、不穩定的環境特征E （如情境特征）、個體內穩定特質因素p （如個體外形）及個體內不穩定因素P （如情緒狀態）共同決定。人與環境間的相互作用關系表現為模型中的連線， 通過導引機制（navigation mechanisms）形成。

具體而言， 人?環境關系可分為4類（Rauthmann， 2021b， pp. 442?484）： （1）交互關系（如路徑c’與c’’）， 表示個體與環境的交互作用， 如特質激活理論（Trait activation theory; Tett et al.， 2013）認為， 特質只有在相關情境線索出現的情況下才會被激活; （2）相關關系（如路徑d）， 表示人與環境變量的同時相關關系， 如行為遺傳學發現， 個體的特定基因序列與所處環境存在顯著的相關（Dick et al.， 2015）; （3）匹配關系（交互關系與相關關系中的特例）， 體現為個體與環境的一致相容程度， 如個體?環境匹配模型（person-environment fit model; van"Vianen， 2018）認為不管個體系統與環境系統各自的水平如何， 只有當個體變量與環境變量水平相匹配時， 才會產生最優的行為結果; （4）滯后關系（如路徑n， o）， 指不同時間點上個體因素與環境因素的交叉滯后關系， 可以理解為環境對個體人格的塑造或個體對環境的塑造能力。

2.2" 人格整合模型

有研究者提出， 完整的人格模型應包括個體間人格結構與個體內人格過程兩部分（Baumert et al.， 2017）。人格整合模型結合人格過程， 聚焦于解釋人格特質的成因與作用機制。其中， 常用代表性理論模型如結合社會認知人格過程的全特質理論（whole trait theory， WTT; Fleeson amp; Jayawickreme， 2015， 2021; Jayawickreme et al.， 2019）與認知評估的人格構造論（knowledge-and-appraisal model of personality architecture， KAPA; Cervone， 2004）， 以及基于控制論視角的大五人格控制論（cybernetic big five theory， CB5T; DeYoung， 2015）。

2.2.1" 全特質理論

全特質理論（WTT; Fleeson amp; Jayawickreme， 2015， 2021）嘗試將特質理論與人格的社會認知過程進行整合。如圖2所示， WTT認為特質應包括兩部分內涵， 分別是描述人格表現的部分， 稱為特質描述性（TRAITDES）， 以及解釋人格表現的部分， 稱為特質解釋性（TRAITEXP）。特質解釋性構成特質描述性的原因， 兩部分內涵相互補充， 共同構成完整的特質內涵， 稱為“全特質”。

特質描述性表現為人格狀態的頻率分布。WTT認為傳統大五人格特質雖然可以用于描述個體人格的一般水平， 卻難以反應日常生活中的人格表現， 因此提出以重復測量人格狀態構成的頻率分布來描述人格， 分布的各參數均可用于描述個體人格（如峰值可表示個體典型的人格狀態， 標準差表示個體人格的變異性等）， 相比傳統特質說， 特質描述性能夠提供更加豐富的信息， 即使不同個體具有相同的大五特質水平， 在生活中的人格狀態分布也可能呈現出不同的模式。而特質解釋性具體為引發某一時刻人格表現的內在認知、情感、生理與動機過程的集合， 可見特質解釋性的內涵直接引薦了社會認知人格理論的思想（Fleeson， 2017）， 認為人格表現由不同社會認知過程交互產生。

WTT的創新之處在于將特質的描述性內涵與與解釋性內涵進行整合， 特質解釋性形成特質描述性的過程被稱為積聚過程（accretion; Fleeson amp; Jayawickreme， 2015）， 積聚過程強調， 人格表現不是由單一過程形成的， 而是由不同認知、情感、生理與動機過程交互影響形成， 且人格表現不是總體人格傾向， 而是人格在某一具體時刻中的表現。部分實證研究支持了特質解釋性形成特質描述性的理論假設， 研究表明， 個體當下的動機過程能夠解釋當下相應人格狀態50%的變異（McCabe amp; Fleeson， 2016）; 個體當下的主觀情境特征也能夠系統且顯著預測當下的人格狀態（Zachry et al.， 2018）。

WTT中特質描述性的概念拓寬了傳統人格特質的概念， 提供了將人格過程與人格表現聯系起來的理論框架， 且頻率分布的概念易理解、好操作， 是至今應用最多的人格動態性理論框架。有研究者檢索Academic Search Complete， Business Search Complete， PsychINFO， PsychARTICLES 數據庫， 對1994至2021年間以個體內人格過程為研究對象的英文實證研究進行梳理發現， 有82項研究以個體內人格過程為研究對象， 其中， 大部分研究采用WTT （56.68%）及CAPS （19.23%）作為理論框架（Ness et al.， 2021， p.325）， 相比而言， 以其他理論為基礎的實證研究均較為少見。

2.2.2" 認知評估的人格構造論

與WTT相似， 認知評估的人格構造論（KAPA; Cervone， 2004; Cervone amp; Little， 2019）同樣基于社會認知人格理論進行拓展， KAPA認為， 以CAPS理論為代表的社會認知人格理論的缺陷在于沒有明確的區分過程與結構， 如CAPS理論中目標與價值觀單元可代表長時間穩定的目標， 也可代表隨情境動態變化的目標評估過程（Bandura amp; Cervone， 1986）， 這導致應用研究者難以操作化定義社會認知人格變量， 且使得社會認知人格理論常被批判為忽略了人格中穩定的結構（Cervone， 2004）。

對此， KAPA理論的創新之處在于對人格系統進行重新劃分， 從定義上區分了穩定與不穩定兩類變量體系： 人格系統中穩定的部分是個體對自我、他人以及環境的心理表征與信念， 稱為知識結構（Knowledge）， 換言之， 自我圖式與情境信念構成知識結構。而人格系統中動態的部分是個體對自身與特定情境間關系的判斷， 稱為評估過程（Appraisal）。人格系統的作用過程如圖3所示： 個體當下所處情境激活知識結構并直接影響個體對情境的解讀; 當下情境也可直接激活某些評估過程（如特定情境中的社會規范促使個體按照相應規范行事）; 此外， 近期情境對個體當下認知與情緒狀態的啟動也會影響知識結構的提取與評估過程。KAPA理論在實證研究中得到了一定的支持， 如Lisa等人（2017）基于KAPA理論測量了個體特異的自我知識結構與個體在不同情境下的評估過程發現， 個體對自我應對能力的評估具有情境特異性， 依賴于個體的知識結構; 且并非所有個體間人格特質結構都能影響情境中的評估， 只有個體特異的知識結構才能夠顯著影響個體在相應情境中的評估過程。

2.2.3" 大五人格控制論

人格動態性領域中另一十分具有影響力的元理論視角是控制論。控制論的核心在于通過信息的傳播與反饋達到主體功能改善與發展的目的（Wiener， 2019）。在控制論的視角下， DeYoung提出了大五人格控制論（CB5T; 2015）， CB5T認為， 人格反映了人類進化過程中受基因與環境影響形成的普遍性行為控制機制， 是一個具有自調節功能的適應性系統， 系統的功能是讓個體在充滿威脅與挑戰的環境中更好的生存適應、達成自我的需求（DeYoung， 2010）， 具有一定神經生理基礎（邊緣系統與基底神經節）。

為了維持控制系統運行， 人類發展出兩部分機制： 人格特質與適應性特征。如圖4所示。人格特質（personality traits）是對穩定的情緒、動機、認知與行為模式的概率性描述。人類為了應對進化過程中反復出現的不同類型的刺激， 形成了與不同刺激對應的普遍性反應模式。CB5T中的人格特質與傳統大五人格特質意義不同， 大五特質代表行為的一般傾向， 是去情境化的特質， 而CB5T中的人格特質具有情境特異性， 不同人格特質分別響應不同類型的刺激， 具有相應的生理基礎， 如神經質代表應對威脅刺激的防御系統、開放性代表對信息的探索與使用等; 適應性特征（characteristics adaptations）是個體記憶中存儲的一系列情境特異的目標、解釋與策略。適應性特征反應了個體由于所處具體情境的不同而形成的個體特異的反應過程。人格特質與適應性特征是兩個相互影響的獨立系統， 個體可根據情境表現出與穩定特質水平不一致的適應性行為， 如內向個體在社交情境中表現出外向的狀態等（Safron amp; DeYoung， 2021）。

2.3" 人格動態性其他相關理論

除上述介紹的理論視角， 也有部分針對某一具體領域的人格動態性理論（Kuper et al.， 2021）， 如強調人格與社交雙向關系的人格社會關系模型（PERSonality and SOCial Relationships framework， PERSOC; Back et al.， 2011）、關注人格如何在不同情境下產生情緒的人格情緒解釋理論（personality affect construal theory; Thapa et al.， 2020）等。此外， 由于本文聚焦于人格短期波動過程， 對與人格長期發展相關的模型缺少論述， 這并不代表人格發展在理論整合中不重要， 或與人格動態或人格特質研究無關， 有研究者認為， 只有將人格短期動態、人格特質與人格長期發展作為一個整體進行研究， 才能真正對波動、結構與發展做出解釋（Baumert et al.， 2017）。現有部分理論關注人格長期發展與短期波動的整合， 如敘事理論視角下人生故事模型（life story model; McAdams amp; McLean， 2013）、以及情境期待狀態反應模型（Triggering situations， Expectancy， States/State Expressions， and ReActions， TESSERA; Wrzus amp; Roberts， 2017; Wrzus， 2020）等。更多關于人格動態性相關理論介紹可參考《人格動態與過程手冊》（Handbook of Personality Dynamics and Processes; Rauthmann， 2021a）與《個體與情境測量與建模》（Measuring and Modeling Persons and Situations; Wood et al.， 2021）。

3" 人格動態性研究方法

根據以上理論視角可以看出， 人格動態性研究重點在于人格的作用過程與機制， 顯然單次測量的橫斷數據難以滿足需求， 研究中需要對個體人格狀態及情境進行重復測量。重復測量縱向數據可分為測量時間間隔較長的面板數據以及密集追蹤數據（Intensive longitudinal data; Hamaker amp; Wichers， 2017）， 其中， 面板數據適用于研究人格的發展趨勢， 卻難以捕捉到短期內人格變量的波動及變量間的相互作用過程; 而密集追蹤數據以測量頻率高（一天一次到多次）為特點（Walls amp; Schafer， 2006）， 適用于探索個體內變量的作用過程。近年來， 密集追蹤數據分析方法的更新直接引起了人格動態性研究復興， 使研究者能夠從個體內的視角去考慮人格過程、人格系統與情境的交互關系等問題。以下部分將從數據收集方式、測量工具、與數據分析三方面論述人格動態性研究方法的現狀。

3.1" 數據收集

經驗取樣法（Experience sampling method， ESM）， 即對生活經驗進行系統性采集的數據收集方式（Csikszentmihalyi amp; Larson， 2014）， 近年來在人格動態性研究中得到了廣泛的運用（Conner" "et al.， 2009; Horstmann amp; Ziegler， 2020）。經驗取樣法所獲得的數據可以對每個個體狀態的波動進行建模， 也可將個體水平的數據進行匯總， 再在個體間水平上進行比較， 是現有人格動態研究中最常見的數據收集方法。

經驗取樣法中， 具體取樣方法可分為兩類： 間隔相關取樣法（interval contingent sampling）或事件相關取樣法（event contingent sampling; Horstmann， 2021）。間隔相關取樣法中， 研究者在固定或隨機測量時間間隔后對被試狀態進行測量， 間隔時間從每天一次到每天多次不等。由于測量點僅與時間相關， 被試報告時所處的情境是隨機的， 可在短時間內收集到大量不同情境中的人格狀態數據， 然而由于測量中的情境是被試真實生活的反映， 可能會造成某些情境反復出現， 變異小的情況， 如學生被試可能在研究期間大量測量點都與學習情境有關， 因此可能無法測到其他研究者關心的情境， 不適用于針對某種特定情境下人格變化的問題; 而事件相關取樣法則要求被試在某特定事件發生時進行報告， 因此適用于針對特定情境或事件的研究， 比如要求被試在發生社交行為的同時對自己的狀態進行報告（Geukes et al.， 2017）。

3.2" 測量工具

短期人格波動與個體所處情境密不可分， 根據測量對象的不同， 可將相關測量工具分為兩類： 人格過程測量工具， 以及情境測量工具。

為了研究過程， 研究者通常會對人格狀態進行測量。人格狀態是描述個體外部行為與內部認知、情緒、動機等心理過程在特定時間水平的量化指標（Horstmann amp; Ziegler， 2020）。部分研究針對人格總體傾向， 如測量大五人格（如： Fleeson amp; Law， 2015）、大六人格（如： Horstmann et al.， 2021）在日常生活中的波動情況， 常用量表包括十題版人格問卷（Ten-Item Personality Inventory; Gosling et al.， 2003）及簡版國際大五人格測量題庫（Mini International Personality Item Pool; Donnellan et al.， 2006）等， 一般會改變指導語將特質測量變為狀態測量（如將“請根據您通常的狀況進行選擇”改為“請根據過去三小時的情況進行選擇”）， 也有部分研究從測量人格特質的標準化量表中選擇部分題項（如選擇因子載荷較高的題項; Fleeson， 2001）進行測量。此外， 也有研究將與特定人格特質相關的單一心理過程作為測量單元， 如自我控制過程（Hofmann et al.， 2012）、消極情緒（Pihet et al.， 2017）、動機過程（Hart amp; Albarraci?n， 2009）等。

部分研究也同時測量狀態發生的情境。情境， 即個體當下所處的環境， 在個體狀態解釋和預測中有著不可忽視的作用（Fleeson， 2004; Furr amp; Funder， 2004）。情境信息可被分為三類（Rauthmann et al.， 2015）： 情境線索（環境中的物理特征， 如一把椅子）、情境特征（情境線索的心理意義， 如椅子意味著工作）、情境類別（相似情境特征的一類情境， 如工作相關情境）， 其中， 對個體行為最有預測效力的是情境特征， 而針對情境特征的測量工具于近年來才開始受到關注。常用量表如鉆石情境量表（DIAMONDS， Rauthmann amp; Sherman， 2016b）， 該量表將情境特征分為： 責任、腦力、逆境、親密關系、積極、消極、欺騙、社交8個維度， 其簡版每個維度僅有1題（Rauthmann amp; Sherman， 2016a）， 因此在密集追蹤研究中最為常用。其他情境特征測量問卷如情境五項量表（Situational Five; Ziegler et al.， 2019）、情境六項量表（Situational Six; Oreg et al.， 2020）、以及情境說明量表（CAPTION; Parrigon et al.， 2017）等。情境特征測量手段的更新使研究者能夠系統的研究生活中情境特征與人格狀態的關系。如研究表明， 情境特征與人格狀態具有顯著的相關， 但沒有明顯的影響方向（Rauthmann et al.， 2016）; 當被試認為情境中“友善”特征更高的時候， 會表現出更高的外向性水平（Fleeson， 2007）; 人格特質與情境特征能夠獨立預測個體相應維度的人格狀態等（Sherman et al.， 2015）。

3.3" 數據分析

分析密集追蹤人格過程數據需采用與橫斷研究不同的分析方法， 基本要求是能夠對數據中的嵌套結構和時間效應進行建模。首先， 密集追蹤數據中包含多個體的多次狀態信息， 構成個體內（狀態水平）與個體間（特質水平）兩水平的數據結構， 忽略嵌套結構進行分析可能會帶來嚴重的結果偏倚; 其次， 由于測量時間間隔短， 狀態間的時間效應（如自回歸效應、交叉滯后效應）不可忽視， 且往往是研究中的重點。

據此， 適用于人格過程數據的分析方式大致可以分為： （1）為應對數據多層結構而產生的模型： 多層模型（Multilevel Model， MLM; Nezlek， 2008）、多層結構方程模型（Multilevel Structural Equational Model， MSEM; Sadikaj et al.， 2021）; （2）適用于分析變量間交互關系的模型： 自上而下的動態結構方程模型（Dynamic Structural Equation Model， DSEM; Asparouhov et al.， 2018）、以及自下而上的組迭代多模型估計（Group Iterative Multiple Model Estimation， GIMME; Beltz amp; Gates， 2017）等; （3）適用于多變量建模與可視化的方法： 網絡分析（Network Analysis; Borgatti et al.， 2009）; （4）適用于抽取動態特征的模型： 動態系統模型（Dynamic System Model， DSM; Sosnowska et al.， 2019， 2020）等。需要注意的是， 以上劃分以分類為主要特征， 但并非互斥， 各類模型是相互包含與補充的關系。如DSEM、多層網絡模型均可以用于處理嵌套數據; 除DSM， 網絡模型也可在變量層面與系統層面兩個水平提取動態特征; 網絡模型可與DSEM結合， 用于探討多變量間交互關系等。以下將針對這4類建模方法及其拓展模型在人格動態性研究中的應用進行介紹。

3.3.1" 多層模型（MLM）與多層結構方程模型（MSEM）

MLM是實證研究中最為常用的分析方法， 能夠分離個體間變異與個體內變異， 對測量點嵌套于個體的多層數據能夠提供更準確的參數估計結果（Nezlek， 2008）。有研究者對Academic Search Complete， Business Search Complete， PsychINFO， 以及PsychARTICLES 數據庫中， 1994至2021年間主題為個體內人格變異的82項實證研究進行綜述發現， 大部分研究使用了MLM進行分析（50%） （Ness et al.， 2021， p.340）。

也有少數研究應用了MSEM， MSEM結合了多層模型與結構方程模型的優勢， 相較于MLM更為靈活， 可在模型中囊括測量模型、多個因變量、中介變量或調節變量（Hox， 2013）。在人格動態性研究中， 使用MSEM能夠允許研究者同時對個體內的認知、情緒、行為與情境的相關關系、個體間人格變量的調節作用進行考察（Sadikaj et al.， 2021）， 如有研究者利用MSEM發現， 個體積極與消極情緒能夠調節當下任務需求與狀態盡責性的關系， 且個體的情商能夠顯著預測這種調節效應（Minbashian et al.， 2018）。同時， MSEM還可以用于探究個體內狀態變化過程與個體間特質差異的關系， 如研究者利用MSEM探究了父母每日對子女的自主支持教養方式水平及父母自主需要被滿足程度之間的交互作用， 并發現這種交互作用與父母的主觀幸福感存在顯著相關（Neubauer et al.， 2022）。

3.3.2" 動態結構方程模型（DSEM）與組迭代多模型估計（GIMME）

現存較新的針對密集追蹤變量間交互關系進行建模的方法包括： 基于群體進行建模的DSEM， 以及基于個體進行建模的GIMME， 相比傳統多層模型， 這類模型更加靈活， 參數估計結果更加準確（鄭舒方 等， 2021）。

DSEM是基于多層模型、時間序列模型、結構方程模型和時變效應模型的整合模型（Asparouhov et al.， 2018）。可針對個體特異性的變異、個體內時間序列、多變量、以及時間點特異的變異進行建模。DSEM全模型表示為： Yit=Y1， it+ Y2，i+Y3，t，其核心在于將個體當下狀態的變異（Yit）分離為個體穩定的特質（Y2， i）、當前時間點的特征（Y3，t）、以及個體在當前時間點的狀態波動（Y1，it）三部分變異。通常， 當研究中不存在或不關注時間點特征時（如周一這一時間點對個體壓力水平的特殊影響）， 研究者也可舍棄Y3，t這一成分， 使用兩水平DSEM模型（鄭舒方等， 2021）， 可探討個體內上一時間點狀態對當前狀態的滯留效應， 以及不同狀態的交叉滯后效應等問題。相關實證研究如Pavani等（2017）通過構建兩水平DSEM探究了個體內情緒與情緒管理的雙向影響過程; 由于模型將變異分為個體間與個體內兩部分， 因此也可用于探究個體內過程與個體間特質的關系， 如有研究發現， 人際壓力對情緒反應的滯后效應的變異性與邊緣型人格障礙顯著相關（Dixon-Gordon amp; Laws， 2021）。

DSEM分離了個體內和個體間變異， 同時在兩個水平建模; 而GIMME則采用了個體化的視角， 對每個個體的時間序列進行估計， 再將在大部分個體模型中都顯著的路徑納入群體模型中， 以得到群體水平的估計， 換言之， 部分只在少數人的時間序列中顯著的路徑將不會被納入群體模型（Beltz amp; Gates， 2017）。可見， GIMME更適用于希望針對個體進行建模的研究。如有實證研究使用GIMME發現， 個體內人格狀態結構與抑郁特質在一部分被試中有顯著相關， 而在另一部分被試中不存在顯著相關（Jackson amp; Beck， 2021）。

由于部分理論中的人格過程包括多變量的交互過程， 如WTT認為認知、情感、生理與動機過程交互影響形成人格特質表現， 大部分研究需要對兩個以上的變量同時進行建模， 因此會產生大量雙變量間的同時與滯后效應系數， 此時通常的做法是將DSEM或GIMME與網絡分析進行結合， 從而利用可視化網絡模型更為清晰的觀察變量間相互影響關系， 同時也可以進行網絡層面的特征提取。

3.3.3" 網絡分析

網絡由節點與節點間連邊構成， 人格動態性研究中， 節點通常代表認知、情緒、行為等人格過程變量， 節點間的邊則代表狀態的同時相關、自回歸、交叉滯后關系。網絡分析可用于揭示多變量網絡系統層面的特征（如網絡密度與中心性）、以及節點層面的特征（如各節點在系統中的相對貢獻度） （Newman， 2018）。

向量自回歸圖模型（Graphical Vector Autoregressive Model， GVAR; Epskamp， 2017; Epskamp et al.， 2018）結合了向量自回歸模型與網絡模型， 多層GVAR能夠同時對多變量間交互作用進行估計， 并對個體內滯后效應（滯后網絡）、個體內同時效應（同時網絡）、以及個體間效應（個體間網絡）進行分離， 模型概念圖參見圖5。實證研究中可對每個個體構建個體化向量自回歸圖模型， 以得到每個個體獨特的網絡結構與參數， 如Beck和Jackson （2020）利用多層GVAR對被試的個體化人格網絡及其穩定性進行了探究， 發現人格系統存在較大的個體差異， 表現為不同個體網絡中的同時與滯后關系強度及網絡核心節點不同。

利用網絡對人格過程進行建模不僅是方法上的進展， 在理論上也有創新之處， 網絡將研究的關注點從變量的共變轉換到變量間的關系上。傳統因素分析模型中， 人格特質被定義為不同認知、情緒與行為測量指標的共變部分， 即潛變量， 如外向性被認為是“我喜歡去聚會”、“我喜歡與人交往”等測量變量共變的原因， 然而這一假設不一定準確， 測量指標之間的共變可能是由變量間直接交互造成的（Costantini et al.， 2015）， 即人格是由不同認知、情緒、行為變量相互影響而形成的一個網絡， 在這種視角下， “我喜歡與人交往”與“我喜歡去聚會”之間的相關是因為兩者間存在直接的因果關系， 即“我喜歡與人交往所以我喜歡去聚會” （Cramer et al.， 2012）， 基于此， 也有研究者認為網絡分析可用于整合人格過程與結構， 人格可被看作多過程網絡形成的弱涌現系統， 代表基于底層元素的相互作用而產生的系統新特性（Baumert et al.， 2017）。

3.3.4" 動態系統模型

動態系統模型（DSM; Fishwick， 2007）也具有一定理論基礎， DSM將人格視作一個具有自調節功能的復雜系統， 認為個體人格存在一個穩態狀態水平， 當個體受環境或內部因素影響偏離穩態水平時， 人格系統會進行自調節直至重新恢復穩態， 具體應用包括人格動態模型（Personality Dynamics Model， PersDyn; Sosnowska et al.， 2019， 2020）與變化因變量模型（Change as Outcome Model; Danvers et al.， 2020）。

PersDyn基于微分方程模型進行建模， 能夠提取系統層面的人格參數， 模型中， 人格狀態的變化值被個體當前人格狀態與基線水平的差值、代表個體自調節能力的參數、以及隨機部分共同預測（Sosnowska et al.， 2020）。研究者可利用PersDyn提取新的動態特征來描述個體的人格狀態系統， 如： 基線人格， 即個體人格狀態的平均水平; 人格變異性， 即人格狀態圍繞基線水平隨時間與情境的變異; 人格吸引子水平， 即個體偏離基線狀態后調整回基線狀態的速度， 代表了人格系統的自調節能力。同樣， 變化因變量模型（Danvers et al.， 2020）的核心思想也是人格狀態的自調節與穩態， 與PersDyn不同的是， 變化因變量模型基于線性回歸的框架， 將個體當前狀態水平作為自變量、下一時間點狀態水平與當前狀態水平的差值作為因變量進行建模， 更易理解。模型中， 當因變量（即狀態差值）為0時， 自變量（人格狀態）水平就是該人格變量的穩態水平， 通常而

圖5" 向量自回歸圖模型 固定效應模型示意圖。圓圈為網絡節點， 即變量， P1至P5為研究中所關注的不同人格過程變量。邊代表節點間的關系， 如偏相關系數， 邊的粗細一般代表聯系的強度， 實線或虛線表示關系的正負。多層GVAR能夠在給出每個被試個體化滯后網絡與同時網絡的基礎上， 得到如圖所示群體水平的滯后網絡、同時網絡、以及個體間網絡。以此為基礎， 研究者可進一步對各節點特征， 以及網絡水平特征進行考察。

言， 系統總是趨向于穩態水平， 表現為當狀態水平高于穩態水平時， 狀態的變化為負， 反之， 狀態的變化為正。實證研究如Danvers等（2020）利用變化因變量模型對大五人格狀態的重復測量數據進行建模發現， 個體的人格系統具有很大的異質性， 少部分個體的特質具有兩到三個穩態水平， 生活中可能表現為在不同情境中總是表現出不同的人格狀態。可見相比傳統人格特質說， 以復雜系統構建人格能夠揭示更多新信息。

然而， 通過復雜系統理論構建人格也有明顯的缺陷， 由于尚在發展初期， 吸引子、穩態水平等新參數的理論意義尚不明確， 仍需進一步在實證研究中進行驗證。且建模方式較為復雜， 尚不能對多變量同時構建多維模型， 無法反映出不同維度的人格狀態在個體內的交互， 得到的結果往往缺少推廣性。

3.3.5" 數據分析方法小結

以上介紹的多層模型、動態結構方程模型、網絡分析和動態系統模型等均可被用于研究人格動態性。由于以上模型大多屬于前沿方法， 研究者可參考鄭舒方等人（2021）對密集追蹤數據模型的綜述， 以及《密集追蹤數據分析》一書（Intensive longitudinal methods; Bolger amp; Laurenceau， 2013）對此類研究方法進行進一步的學習。此外， 由于從中選擇合適的模型對很多研究者來說是一個挑戰， 這里我們提出一個基礎選擇流程（圖6）， 研究者可根據具體研究問題， 參考流程圖進行決策。如WTT認為各人格過程交互影響形成人格表現， 研究者可通過構建認知、情緒、動機等心理過程的網絡模型， 提取網絡的動態系統特征以探究其與特質描述性的關系。又如研究者可基于PERM中對個體與環境關系機制的假設， 利用DSEM構建個體變量與環境變量的動態模型等。需要注意的是， 以往實證研究多采用MLM、MSEM對人格過程變量進行建模， 盡管能夠對過程數據的個體內與個體間效應進行分離， 但本質仍然是不考慮時間依賴性（即過去狀態對未來狀態的影響）的靜態模型， 無法對人格動態性理論中機制解釋與動態關系的部分進行建模， 因此未來研究中研究者應盡可能采用動態模型進行建模。

4" 國外應用研究現狀

人格動態性相關應用研究主要聚集在工業/組織心理學與臨床心理學領域中（Kuper et al.， 2021; Sosnowska et al.， 2021）， 研究內容包括人格是否存在變異性、人格變異性是否具有預測效力、人格變異性的影響因素、人格干預等。

工業/組織心理學中的人格動態性研究較多， 大多關注對工作表現存在預測效力的人格因素。研究表明， 人格狀態、人格狀態的變異、人格狀態變異的個體間差異均可對一系列工作行為與表現產生影響， 如盡責性人格狀態能夠顯著正向預測個體的工作表現與組織公民行為（Debusscher et al.， 2016， 2017）; 盡責性變異能夠顯著正向預測反生產工作行為等（Vossen amp; Hofmans， 2021）; 也有研究基于CAPS理論發現人格?情境關系的個體間差異在傳統人格特質的基礎上對任務表現仍具有顯著的預測效力（Minbashian et al.， 2010）。同時， 研究者也對工作情境中人格波動的影響因素進行了探索， 包括情境因素與人際交往因素， 如情境因素中的工作壓力（Hofmans et al.， 2015）、人際矛盾（Judge et al.， 2014）能夠顯著影響人格狀態的變異， 又如Dóci等人（2021）通過構建個體內成對關系（dyads）模型， 發現領導者核心自我評價的波動與員工的核心自我評價波動同步等。

人格動態的思想在臨床心理學的應用主要體現在人格障礙與人格干預研究中。個體內變異模式在人格障礙的描述中十分重要， 如邊緣型人格障礙的核心之一是情感、認知和行為上的不穩定性; 自戀型人格障礙表現為外部評價影響自尊管理與行為的動態過程（Hopwood， 2018）。實證研究如Wright等（2017）發現， 個體感知到的他人支配感與個體自身對抗性的關系在自戀型人格障礙患者中更強; 又如研究者利用不同消極情緒過程構建網絡模型發現， 消極情緒網絡越密集的被試， 神經質特質水平越高（Bringmann et al.， 2016）。并且， 人格動態的思想也為人格干預研究提供了支撐（Rebele et al.， 2021）， 已有部分實證研究支持了人格干預的效力， 如青少年問題飲酒行為干預（Conrod et al.， 2008; Conrod et al.， 2013; O'Leary- Barrett et al.， 2016）， O'Leary-Barrett等人（2016）針對青少年問題飲酒行為的風險人格因素（如沖動性、焦慮敏感性）進行了為期兩年的干預研究， 顯著的改善了青少年的問題飲酒行為。

5" 本土人格動態心理學

以上理論發展與應用研究均聚集于國外， 以下對國內人格動態性相關研究進行梳理。進入中國知網（https：//www.cnki.net/）進行高級搜索， 文獻分類目錄選擇醫藥衛生科技中臨床醫學、神經病學、精神病學; 哲學與人文科學中心理學; 社會科學II輯中社會科學理論與方法、社會學及統計學、教育理論與教育管理; 經濟與管理科學中管理學。發表時間選擇2000年1月1日至2022年6月17日。篇名關鍵詞固定為“人格”， 主題關鍵詞根據以下分類分別進行檢索： （1）檢索采用個體化研究視角的人格研究， 關鍵詞： “個體視角、個體內”， 共7篇; （2）檢索針對人格狀態波動過程的研究， 關鍵詞： “人格狀態、人格波動、人格動態”， 共101篇; （3）檢索采用人格動態性相關理論視角的研究， 關鍵詞： “全特質理論、WTT、認知情感系統理論、CAPS”， 共5篇; （4）檢索對人格特質與情境同時進行討論的研究， 關鍵詞： “特質*情境”， 47篇; （5）檢索采用密集追蹤數據相關研究方法的研究， 關鍵詞： “經驗取樣法、密集追蹤、日記法”， 1篇。共計161篇。閱讀上述161篇文獻摘要進行進一步篩查： 實證研究要求人格過程變量的重復測量間隔至少在一天之內。理論綜述需在文中重點論述人格短期動態變化過程、機制與相關理論， 或人格狀態與人格特質的關聯與整合。最后符合要求的文獻僅9篇， 見表1。

可見人格動態性的理論思想在國內尚未得到充分的討論與應用， 只有少數研究者對人格可變性以及人格過程與特質的整合進行了系統的討論， 如于淼等（2020）的綜述中對部分人格動態理論以及經驗取樣法的使用進行了介紹; 郭永玉和胡小勇（2015）對人格敘事、人格動機過程與人格特質的整合進行了討論; 于淼和許燕（2018）研究摘要中表明， 人格狀態存在顯著的變異且能夠與人格特質相互轉換等。相比而言， 國際上人格動態性領域已有近15年的發展， 近年來更是有越來越多的人格心理學家開始強調突破大五人格特質框架、強調人格特質與狀態的整合、人格描述到人格解釋的視角轉變等（如： Blum et al.， 2021; Quirin et al.， 2020; Cervone amp; Little， 2019; Rauthmann et al.， 2019; Jeronimus amp; Reitsema， 2018）; 研究方法上， 現有實證研究多采用密集追蹤數據及多層模型， 相比而言， 動態建模方法（如DSEM， GIMME， DSM等）發展更晚， 在國際范圍內也尚未得到廣泛的應用。本文就人格動態性概念與歷史發展、解釋與整合模型、密集追蹤數據收集與研究方法進行了簡要介紹。未來研究者可基于國內樣本， 結合動態建模方法對人格特質、人格過程以及人格發展間的關系進行探究， 或結合國內傳統人格思想進一步拓展人格動態性領域研究， 也可在研究中加入跨文化比較的部分對現有理論的普適性進行驗證。總之， 人格動態性研究領域在深度和廣度上都有較大的拓展空間， 未來研究有望解構/重構人格概念， 整合/架構新的理論體系。

6" 未來發展方向

6.1" 理論發展

人格動態性理論關注人格作用過程與形成機制， 將人格理論從描述推進到解釋， 是人格研究發展的重要方向。未來研究者可從以下幾方面繼續整合與發展現有理論。

研究者在理論中應注意區分個體內人格結構與個體間人格結構。WTT， CAPS理論， KAPA理論等均通過社會認知過程解釋人格作用機制， 但對群體層面人格結構的進化與基因起源， 人體神經與激素如何塑造人格的形成與表現等均未涉及; 相比而言， CB5T認為人格反映了人類進化過程中受基因與環境影響形成的控制系統， 從進化論的角度闡述了群體層面人格特質（即個體間人格結構）的成因與功能， 雖在理論中指出個體的適應性特質因人而異， 但較少涉及個體的認知、情緒、動機等在生活中的具體作用過程。換言之， 社會認知人格整合模型（如WTT）更適用于闡述個體內人格結構的形成與作用機制， 而控制論視角下的人格整合模型（如CB5T）更側重闡述個體間人格結構的成因與功能。未來理論可進行進一步整合。

人格動態性理論可進一步與心理病理學理論進行整合。人格理論多基于正常人格， 且傳統人格理論傾向于關注穩定的特質， 而心理病理學研究與臨床實踐總是處于一定情境與動態變化過程中（Ringwald et al.， 2021）， 因此與人格理論通常分屬兩種研究體系。然而， 有研究者提出， 對患有人格障礙的個體進行個案概念化的關鍵之一就在于如何把靜態的特質評估結果與個體在生活中波動的表現有效關聯起來（Hopwood et al.， 2015）。可見， 人格動態性理論是異常心理與人格研究相結合的一次機遇， 如CB5T將控制機制的變異視為連續譜， 認為人格障礙是人格功能極端的表現。未來研究者可結合臨床實踐與心理病理學理論繼續拓展現有理論框架。

此外， 未來研究者也可在理論中進一步探討時間效應。現有人格動態性理論尚未系統討論時間因素的影響， 不能完整體現出動態的內涵。如WTT將描述性人格特質定義為人格狀態的概率密度分布， 并以分布的均值、峰值、標準差等參數表示個體人格系統的特征， 然而這種定義方法并沒有考慮狀態先后的時序關系。對此， 有研究者提出將人格表現的周期性或行為反應的速度作為人格特質（Beck amp; Jackson， 2021）， 也有研究者將人格狀態的變化作為因變量構建動態系統模型（Sosnowska et al.， 2020）， 但這些嘗試更多涉及人格狀態的前沿建模方法， 在理論基礎上有所欠缺。未來理論可結合實證研究與研究方法的發展進一步豐富“動態”的內涵。

6.2" 實證研究測量形式

未來研究可通過自評、他評、生理指標、電子足跡等各渠道進行數據收集。現階段人格動態性測量大多采用自我報告的形式， 然而自我報告與密集追蹤研究并不十分契合， 密集的自我報告會給參與者帶來很大的負擔， 這使得研究者不得不在減少對被試生活的侵入性與最佳采樣間隔間進行取舍; 并且， 事后進行自我報告無法擺脫事后偏見的影響， 也無法對客觀環境等變量進行測量; 同時， 對單一測量方法的依賴也可能會帶來共同方法偏差等問題（Mo?ttus， 2016）。

研究者可結合他人評價對自我報告進行補充， 他評的視角可將情境特征中個體主觀解釋與多人共建的社會事實進行分離。現僅有少數研究采用了他人評價的測量手段， 如Abrahams等人（2021）在研究中收集了青年教師自評情境特征與旁觀督導員的他評情境特征， 通過結合自評與他評， 將情境特征的變異源分解成相對主觀的個體情境特征解釋與相對客觀的群體情境特征共識。

另一新興測量方法是基于傳感器的人格測量。人格計算（Personality Computing; Phan amp; Rauthmann， 2021）是人格心理學與計算機科學的交叉學科， 研究者往往利用手機、手環等便攜式電子設備傳感器被動采集參與者的生活數據， 如利用傳感器（加速器、藍牙、定位系統等）與元日志（電話、短信、應用信息等）， 收集有關個體（活動軌跡、社交行為、睡眠等）與環境（地點、聲音、濕度等）的客觀信息（Vaid et al.， 2021）。相比經驗取樣法， 被動采集的測量手段能夠提供研究期間連續、客觀的數據信息， 且不依賴于被試的依從性， 可將被試的負擔縮減至最輕。如Kalimeri等人（2019）結合手機與電腦數據與自我報告數據發現， 個體網站訪問記錄與應用的使用信息能夠以低到中等的準確性預測個體道德立場、價值觀與人格傾向。

6.3" 實證研究測量內容

未來研究中， 研究者首先需考慮所使用的人格狀態測量是否適用于所關注的研究問題。盡管當下已有一些實證研究聚焦于人格狀態， 但人格狀態的操作化定義在各研究中并不一致且不清晰， 少有專門針對人格狀態測量開發的問卷， 因此各研究使用的具體測量題項各不相同。

在構建測量方法時， 需要先考慮所測量構念的本質以及研究目的。不同理論視角下， 人格狀態的意義并不相同， 如WTT認為人格狀態是相應人格特質的表現， 常見測量方法如直接將測量人格特質的題項進行改編作為相應人格狀態的測量， 然而， 這種測量方法所得到的人格狀態并不能直接被解釋為相應人格特質的表現， 首先， 構成個體當下人格狀態的原因通常不是單個人格特質， 而是多種人格特質的表現， 如個體當下表現出外向性的行為， 可能是由于該個體外向性特質水平較高， 也可能是因為該個體盡責性特質水平高， 因此在要求個體外向的社交情境下表現出更高的狀態外向水平（Fleeson， 2017）; 此外， 個體的人格狀態還受到當下情境等因素的影響（Sherman et al.， 2015）。

可見， 依賴于大五人格或其他人格特質問卷所得到的人格狀態變異反映了多種心理過程（如認知、情緒或動機）交互的結果。對此， 若研究者希望研究某一具體特質的作用過程， 可考慮測量更為底層的知、情、意過程; 也可盡可能精細化測量特質的某一分維度， 以確保該題項測得的變異能夠代表所測特質; 或在正式測驗開始前詢問被試對各特質維度的理解， 使用被試特異的題項對狀態進行測量， 如有研究者要求被試自我報告與自身最顯著相關的人格特質， 并在預設情境中對特異性人格表現進行評估（Lisa et al.， 2017）; 或以個體化測量數據為基礎， 開發適用于測量狀態的問卷， 如Zimmermann等（2019）以日記法采集密集追蹤數據， 通過多層驗證性因素分析構建了短版人格動態日記問卷， 并在獨立樣本中對該量表的個體間與個體內信效度進行了驗證。

此外， 研究者如果希望對人格系統的作用機制進行考察， 可同時對多種心理過程進行測量。人格作為多變量系統的理論思想在多個人格模型中都有所體現， 如CB5T認為人格是一個自組織系統; CAPS理論認為不同認知?情感單元交互影響共同塑造個體人格表現， 而相關實證研究多只關注單變量過程（如： Mogg amp; Bradley， 2016; Wendt et al.， 2020）。然而， 只有同時對多變量作用過程進行考察， 才能夠檢驗各過程交互關系及其中各自獨特的效應， 如以WTT為理論框架， 研究者可比較不同情境中相似行為或相同情境中不同行為背后的認知、情感、動機過程， 以探究不同人格表現背后的積聚過程集合是否具有情境或行為特異性（Baumert et al.， 2017）。

最后， 研究者需注意狀態水平的信效度問題。現階段常見構建信度的方法是將個體內測量點進行平均， 并計算內部一致性系數作為信度指標， 但這種做法得到的是平均狀態的信度， 即個體間層面的信度， 而忽略了狀態的信度， 且大部分研究并沒有對所使用的題項在獨立樣本中的信效度進行檢驗（Horstmann amp; Ziegler， 2020）。未來研究需注意個體內測量水平信度的驗證（Nezlek， 2017）， 可使用多層驗證性因素分析（Bolger amp; Laurenceau， 2013， p.138; Bolger et al.， 2012）進行報告。

參考文獻

郭永玉， 胡小勇. （2015）. 特質、動機和敘事： 人格研究的三種范式及其整合. 心理科學， 38（6）， 1489?1495.

魏佳. （2019）. 人格心理學中特質與情境的爭論、整合與應用. 集寧師范學院學報， 41（2）， 95?98+103.

肖崇好. （2001）. 人格研究的新動態： 認知情感人格系統. 韓山師范學院學報， （3）， 96?101.

修巧艷， 高峰強. （2005）. CAPS理論與人格心理學的整合. 南京師大學報（社會科學版）， （2）， 89?93.

于淼， 許燕. （2018， 11月）. 內隱人格觀與情緒對人格狀態變化的影響研究. 見： 第二十一屆全國心理學學術會議摘要集（pp.734?735）. 北京.

于淼， 許燕， 葉勇豪， 張和云， 趙歡歡， 高紅梅. （2020）. 人格可變性： 個體視角下的人格變化研究. 中國特殊教育， （2）， 83?90+75.

楊慧芳， 郭永玉. （2006）. 從人際關系看人格——認知?情感系統理論的視角. 心理學探新， （1）， 13?17.

楊子云， 郭永玉. （2004）. 人格分析的單元——特質、動機及其整合. 華中師范大學學報（人文社會科學版）， （6）， 131?135.

張開荊. （2006）. 人格心理學中的特質論與情境論之爭述評. 遼寧教育行政學院學報， 23（1）， 35?37.

鄭舒方， 張瀝今， 喬欣宇， 潘俊豪. （2021）. 密集追蹤數據分析： 模型及其應用. 心理科學進展， 29（11）， 1948? 1972.

Abrahams， L.， Rauthmann， J. F.， amp; Fruyt， F. D. （2021）. Person-situation dynamics in educational contexts： A self-and other-rated experience sampling study of teachers’ states， traits， and situations. European Journal of Personality， 35（4）， 598?622.

Allport， G. W. （1937）. Personality： A psychological interpretation. New York： Holt.

Asparouhov， T.， Hamaker， E. L.， amp; Muthén， B. （2018）. Dynamic structural equation models. Structural Equation Modeling， 25（3）， 359?388.

Back， M. D.， Baumert， A.， Denissen， J. J. A.， Hartung， F.-M.， Penke， L.， Schmukle， S. C.， ... Wrzus， C. （2011）. PERSOC： A unified framework for understanding the dynamic interplay of personality and social relationships. European Journal of Personality， 25（2）， 90?107.

Baldwin， A. L. （1946）. The study of individual personality by means of the intraindividual correlation. Journal of Personality， 14（3）， 151?168

Bandura， A. （1978）. The self system in reciprocal determinism. American Psychologist， 33（4）， 344?358.

Bandura， A.， amp; Cervone， D. （1986）. Differential engagement of self-reactive influences in cognitive motivation. Organizational Behavior and Human Decision Processes， 38（1）， 92?113.

Baumert， A.， Schmitt， M.， Perugini， M.， Johnson， W.， Blum， G.， Borkenau， P.， ... Wrzus， C. （2017）. Integrating personality structure， personality process， and personality development. European Journal of Personality， 31（5）， 503?528.

Beck， E. D.， amp; Jackson， J. J. （2020）. Consistency and change in idiographic personality： A longitudinal ESM network study. Journal of Personality and Social Psychology， 118（5）， 1080-1100.

Beck， E. D.， amp; Jackson， J. J. （2021）. Within-person variability. In J. F. Rauthmann （Ed.）， Handbook of personality dynamics and processes （pp. 75?100）. Amsterdam， The Netherlands： Elsevier.

Beltz， A. M.， amp; Gates， K. M. （2017）. Network mapping with GIMME. Multivariate Behavioral Research， 52（6）， 789?804.

Blum， G. S.， Baumert， A.， amp; Schmitt， M. （2021）. Personality processes—From description to explanation. In J. F. Rauthmann （Ed.）， Handbook of personality dynamics and processes （pp.33?55）. Amsterdam， The Netherlands： Elsevier.

Bolger， N.， amp; Laurenceau， J.-P. （2013）. Intensive longitudinal methods. New York， NY： Guilford.

Bolger， N.， Stadler， G.， amp; Laurenceau， J.-P. （2012）. Power analysis for intensive longitudinal studies. In M. R. Mehl amp; T. S. Conner （Eds.）， Handbook of research methods for studying daily life （pp. 285?301）. New York， NY， US： The Guilford Press.

Borgatti， S. P.， Mehra， A.， Brass， D. J.， amp; Labianca， G. （2009）. Network analysis in the social sciences. Science， 323（5916）， 892?895.

Bringmann， L. F.， Pe， M. L.， Vissers， N.， Ceulemans， E.， Borsboom， D.， Vanpaemel， W.， Tuerlinckx， F.， amp; Kuppens， P. （2016）. Assessing temporal emotion dynamics using networks. Assessment （Odessa， Fla.）， 23（4）， 425?435.

Cattell， R. B.， amp; Luborsky， L. B. （1950）. P-technique demonstrated as a new clinical method for determining personality and symptom structure. The Journal of General Psychology， 42， 3?24.

Cervone， D. （2004）. The architecture of personality. Psychological Review， 111（1）， 183?204.

Cervone， D.， amp; Little， B. R. （2019）. Personality architecture and dynamics： The new agenda and what's new about it. Personality and Individual Differences， 136， 12?23.

Cervone， D.， Shadel， W. G.， amp; Jencius， S. （2001）. Social- cognitive theory of personality assessment. Personality and Social Psychology Review， 5（1）， 33?51.

Conner， T. S.， Tennen， H.， Fleeson， W.， amp; Barrett， L. F. （2009）. Experience sampling methods： A modern idiographic approach to personality. Social and Personality Psychology Compass， 3（3）， 292?313.

Conrod， P. J.， Castellanos， N.， amp; Mackie， C. （2008）. Personality-targeted interventions delay the growth of adolescent drinking and binge drinking. Journal of Child Psychology and Psychiatry， 49（2）， 181?190.

Conrod， P. J.， O'Leary-Barrett， M.， Newton， N.， Topper， L.， Castellanos-Ryan， N.， Mackie， C.， amp; Girard， A. （2013）. Effectiveness of a selective， personality-targeted prevention program for adolescent alcohol use and misuse： A cluster randomized controlled trial. JAMA Psychiatry， 70（3）， 334?342.

Corr， P. J. （2008）. Reinforcement sensitivity theory （RST）： Introduction. In P. J. Corr （Ed.）， The reinforcement sensitivity theory of personality （pp. 1?43）. Cambridge： Cambridge University Press.

Costantini， G.， Epskamp， S.， Borsboom， D.， Perugini， M.， Mo?ttus， R.， Waldorp， L. J.， amp; Cramer， A. O. J. （2015）. State of the aRt personality research： A tutorial on network analysis of personality data in R. Journal of Research in Personality， 54， 13?29.

Cramer， A. O.， van der Sluis， S.， Noordhof， A.， Wichers， M.， Geschwind， N.， Aggen， S. H.， ... Borsboom， D. （2012）. Dimensions of normal personality as networks in search of equilibrium： You can't like parties if you don't like people. European Journal of Personality， 26（4）， 414?431.

Csikszentmihalyi， M.， amp; Larson， R. （2014）. Validity and reliability of the experience-sampling method. In Csikszentmihalyi， M. （Eds.）， Flow and the foundations of positive psychology （pp. 35?54）. Dordrecht： Springer.

Danvers， A. F.， Wundrack， R.， amp; Mehl， M. （2020）. Equilibria in personality states： A conceptual primer for dynamics in personality states. European Journal of Personality， 34（6）， 999?1016.

Debusscher， J.， Hofmans， J.， amp; de Fruyt， F. （2016）. Do personality states predict momentary task performance？ The moderating role of personality variability. Journal of Occupational and Organizational Psychology， 89（2）， 330?351.

Debusscher， J.， Hofmans， J.， amp; de Fruyt， F. （2017）. The multiple face （t）s of state conscientiousness： Predicting task performance and organizational citizenship behavior. Journal of Research in Personality， 69， 78?85.

DeYoung， C. G. （2010）. Toward a theory of the Big Five. Psychological Inquiry， 21（1）， 26?33.

DeYoung， C. G. （2015）. Cybernetic big five theory. Journal of Research in Personality， 56， 33?58.

DeYoung， C. G.， amp; Gray， J. R. （2009）. Personality neuroscience： Explaining individual differences in affect， behavior， and cognition. In P. J. Corr amp; G. Matthews （Eds.）， The Cambridge handbook of personality psychology （pp. 323?346）. New York： Cambridge University Press.

Dick， D. M.， Agrawal， A.， Keller， M. C.， Adkins， A.， Aliev， F.， Monroe， S.， ... Sher， K. J. （2015）. Candidate gene-environment interaction research： Reflections and recommendations. Perspectives on Psychological Science， 10（1）， 37?59.

Dixon-Gordon， K. L.， amp; Laws， H. （2021）. Emotional variability and inertia in daily life： Links to borderline personality and depressive symptoms. Journal of Personality Disorders， 35（Suppl. A）， 162?171.

Dóci， E.， Hofmans， J.， amp; Judge， T. A. （2021）. Personalities in sync： The covariation of psychological resources in leader-follower dyads. European Journal of Personality， 35（4）， 466?479.

Donnellan， M. B.， Oswald， F. L.， Baird， B. M.， amp; Lucas， R. E. （2006）. The mini-IPIP scales： Tiny-yet-effective measures of the Big Five factors of personality. Psychological Assessment， 18（2）， 192-203.

Epskamp， S. （2017）. graphicalVAR： Graphical VAR for experience sampling data （R package version 0.1.6）. Retrieved from http：//CRAN.R-project.org/package=graphicalVAR.

Epskamp， S.， Waldorp， L. J.， M?ttus， R.， amp; Borsboom， D. （2018）. The Gaussian graphical model in cross-sectional and time-series data. Multivariate Behavioral Research， 53（4）， 453?480.

Fishwick， P. A. （2007）. The languages of dynamic system modeling. In Fishwick， P. A. （Ed.）， Handbook of dynamic system modeling （pp. 1?10）. Florida： CRC Press.

Fleeson， W. （2001）. Toward a structure- and process-integrated view of personality： Traits as density distributions of states. Journal of Personality and Social Psychology， 80（6）， 1011?1027.

Fleeson， W. （2004）. Moving personality beyond the person-situation debate： The challenge and the opportunity of within-person variability. Current Directions in Psychological Science， 13（2）， 83?87.

Fleeson， W. （2007）. Situation-based contingencies underlying trait-content manifestation in behavior. Journal of Personality， 75（4）， 825?862

Fleeson， W. （2017）. The production mechanisms of traits： Reflections on two amazing decades. Journal of Research in Personality， 69， 4?12.

Fleeson， W.， amp; Jayawickreme， E. （2015）. Whole trait theory. Journal of Research in Personality， 56， 82?92.

Fleeson， W.， amp; Jayawickreme， E. （2021）. Whole trait theory puts dynamics at the core of structure. In J. F. Rauthmann （Ed.）， Handbook of personality dynamics and processes （pp. 579?599）. Amsterdam， The Netherlands： Elsevier.

Fleeson， W.， amp; Law， M. K. （2015）. Trait enactments as density distributions： The role of actors， situations， and observers in explaining stability and variability. Journal of Personality and Social Psychology， 109（6）， 1090?1104.

Furr， R. M.， amp; Funder， D. C. （2004）. Situational similarity and behavioral consistency： Subjective， objective， variable- centered and person-centered approaches. Journal of Research in Personality， 38（5）， 421?447.

Geukes， K.， Nestler， S.， Hutteman， R.， Dufner， M.， Küfner， A. C.， Egloff， B.， ... Back， M. D. （2017）. Puffed-up but shaky selves： State self-esteem level and variability in narcissists. Journal of Personality and Social Psychology， 112（5）， 769.

Gosling， S. D.， Rentfrow， P. J.， amp; Swann Jr， W. B. （2003）. A very brief measure of the Big-Five personality domains. Journal of Research in Personality， 37（6）， 504?528.

Hamaker， E. L.， Dolan， C. V.， amp; Molenaar， P. C. M. （2005）. Statistical modeling of the individual： Rationale and application of multivariate stationary time series analysis. Multivariate Behavioral Research， 40（2）， 207?233.

Hamaker， E. L.， amp; Wichers， M. （2017）. No time like the present： Discovering the hidden dynamics in intensive longitudinal data. Current Directions in Psychological Science， 26（1）， 10?15.

Hart， W.， amp; Albarraci?n， D. （2009）. The effects of chronic achievement motivation and achievement primes on the activation of achievement and fun goals. Journal of Personality and Social Psychology， 97（6）， 1129-1141.

Hofmann， W.， Baumeister， R. F.， F?rster， G.， amp; Vohs， K. D. （2012）. Everyday temptations： An experience sampling study of desire， conflict， and self-control. Journal of Personality and Social Psychology， 102（6）， 1318?1335.

Hofmans， J.， Debusscher， J.， Doci， E.， Spanouli， A.， amp; De Fruyt， F. （2015）. The curvilinear relationship between work pressure and momentary task performance： The role of state and trait core self-evaluations. Frontiers in Psychology， 6， 1680

Hopwood， C. J. （2018）. Interpersonal dynamics in personality and personality disorders. European Journal of Personality， 32（5）， 499?524.

Hopwood， C. J.， Zimmermann， J.， Pincus， A. L.， amp; Krueger， R. F. （2015）. Connecting personality structure and dynamics： Towards a more evidence-based and clinically useful diagnostic scheme. Journal of Personality Disorders， 29（4）， 431-448.

Horstmann， K. T. （2021）. Experience sampling and daily diary studies： Basic concepts， designs， and challenges. In J. F. Rauthmann （Ed.）， Handbook of personality dynamics and processes （pp. 791?814）. Amsterdam， The Netherlands： Elsevier.

Horstmann， K. T.， Rauthmann， J. F.， Sherman， R. A.， amp; Ziegler， M. （2021）. Unveiling an exclusive link： Predicting behavior with personality， situation perception， and affect in a preregistered experience sampling study. Journal of Personality and Social Psychology， 120（5）， 1317.

Horstmann， K. T.， amp; Ziegler， M. （2020）. Assessing personality states： What to consider when constructing personality state measures. European Journal of Personality， 34（6）， 1037?1059.

Hox， J. J. （2013）. Multilevel regression and multilevel structural equation modeling. In T.D. Little （Ed.）， The Oxford handbook of quantitative methods， （Vol. 2， pp. 281?294）. Oxford， UK： Oxford University Press.

Jackson， J. J.， amp; Beck， E. D. （2021）. Using idiographic models to distinguish personality and psychopathology. Journal of Personality， 89（5）， 1026?1043.

Jayawickreme， E.， Fleeson， W.， Beck， E. D.， Baumert， A.， amp; Adler， J. M. （2021）. Personality dynamics. Personality Science， 2， 1?18.

Jayawickreme， E.， Zachry， C. E.， amp; Fleeson， W. （2019）. Whole trait theory： An integrative approach to examining personality structure and process. Personality and Individual Differences， 136， 2?11.

Jeronimus， B. F.， amp; Reitsema， A. M. （2018）. Yes， let’s enrich the Big Five personality taxonomy！ But how far do we go. European Journal of Personality， 32（5）， 552?553.

John， O. P.， Angleitner， A.， amp; Ostendorf， F. （1988）. The lexical approach to personality： A historical review of trait taxonomic research. European Journal of Personality， 2（3）， 171?203.

Judge， T. A.， Simon， L. S.， Hurst， C.， amp; Kelley， K. （2014）. What I experienced yesterday is who I am today： Relationship of work motivations and behaviors to within-individual variation in the five-factor model of personality. Journal of Applied Psychology， 99（2）， 199?221.

Kalimeri， K.， Beiró， M. G.， Delfino， M.， Raleigh， R.， amp; Cattuto， C. （2019）. Predicting demographics， moral foundations， and human values from digital behaviours. Computers in Human Behavior， 92， 428?445.

Kuper， N.， Modersitzki， N.， Phan， L. V.， amp; Rauthmann， J. F. （2021）. The dynamics， processes， mechanisms， and functioning of personality： An overview of the field. British Journal of Psychology， 112（1）， 1?51

Lewin， K. （1935）. A dynamic theory of personality. New York， NY： McGraw-Hill.

Lewin， K. （1951） Problems of research in social psychology. In Cartwright， D. （Ed.）， Field theory in social science. （pp. 155?169）. New York： Harper amp; Brothers.

Lisa， D. B.， Michele， G.， Andrea， C.， Donatella， F.， amp; Domenico， C. （2017）. Within-person and between-people variability in personality dynamics： Knowledge structures， self-efficacy， pleasure appraisals， and the Big Five. Journal of Research in Personality， 70， 84?92.

McAdams， D. P.， amp; McLean， K. C. （2013）. Narrative identity. Current Directions in Psychological Science， 22（3）， 233?238.

McCabe， K. O.， amp; Fleeson， W. （2016）. Are traits useful？ Explaining trait manifestations as tools in the pursuit of goals. Journal of Personality and Social Psychology， 110（2）， 287-301.

Minbashian， A.， Beckmann， N.， amp; Wood， R. E. （2018）. Emotional intelligence and individual differences in affective processes underlying task-contingent conscientiousness. Journal of Organizational Behavior， 39（9）， 1182?1196.

Minbashian， A.， Wood， R. E.， amp; Beckmann， N. （2010）. Task-contingent conscientiousness as a unit of personality at work. Journal of Applied Psychology， 95（5）， 793?806.

Mischel， W. （1968）. Personality and assessment. Psychology Press.

Mischel， W.， amp; Shoda， Y. （1995）. A cognitive-affective system theory of personality： Reconceptualizing situations， dispositions， dynamics， and invariance in personality structure. Psychological Review， 102（2）， 246?268.

Mogg， K.， amp; Bradley， B. P. （2016）. Anxiety and attention to threat： Cognitive mechanisms and treatment with attention bias modification. Behaviour Research and Therapy， 87， 76?108.

Molenaar， P. C. M. （2004）. A manifesto on psychology as idiographic science： Bringing the person back into scientific psychology， this time forever. Measurement， 2（4）， 201?218.

Mo?ttus， R. （2016）. Towards more rigorous personality trait-outcome research. European Journal of Personality， 30（4）， 292?303.

Mo?ttus， R.， Epskamp， S.， amp; Francis， A. （2017）. Within- and between-individual variability of personality characteristics and physical exercise. Journal of Research in Personality， 69， 139?48.

M?ttus， R.， Wood， D.， Condon， D. M.， Back， M. D.， Baumert， A.， Costantini， G.， ... Zimmermann， J. （2020）. Descriptive， predictive and explanatory personality research： Different goals， different approaches， but a shared need to move beyond the Big Few traits. European Journal of Personality， 34（6）， 1175?1201.

Ness， A. M.， Foley， K. O.， amp; Heggestad， E. （2021）. Intra- individual variability in personality： A methodological review. In Wood， D.， Read， S.， Harms， P.， and Slaughter， A.， （Eds.）， Measuring and modeling the person and situation. （pp. 313?353）. Amsterdam， The Netherlands： Elsevier.

Neubauer， A. B.， Brose， A.， amp; Schmiedek， F. （2022）. How within-person effects shape between-person differences： A multilevel structural equation modeling perspective. Psychological Methods. Advance online publication. https：//doi.org/10.1037/met0000481

Newman， M. （2018）. Networks. Oxford university press.

Nezlek， J. B. （2008）. An introduction to multilevel modeling for social and personality psychology. Social and Personality Psychology Compass， 2（2）， 842?860.

Nezlek， J. B. （2017）. A practical guide to understanding reliability in studies of within-person variability. Journal of Research in Personality， 69， 149?155.

O'Leary-Barrett， M.， Castellanos-Ryan， N.， Pihl， R. O.， amp; Conrod， P. J. （2016）. Mechanisms of personality-targeted intervention effects on adolescent alcohol misuse， internalizing and externalizing symptoms. Journal of Consulting and Clinical Psychology， 84（5）， 438-452.

Oreg， S.， Edwards， J. A.， amp; Rauthmann， J. F. （2020）. The situation six： Uncovering six basic dimensions of psychological situations from the Hebrew language. Journal of Personality and Social Psychology， 118（4）， 835?836.

Parrigon， S.， Woo， S. E.， Tay， L.， amp; Wang， T. （2017）. CAPTIONing the situation： A lexically-derived taxonomy of psychological situation characteristics. Journal of Personality and Social Psychology， 112（4）， 642?681.

Pavani， J.-B.， Le Vigouroux， S.， Kop， J.-L.， Congard， A.， amp; Dauvier， B. （2017）. A network approach to affect regulation dynamics and personality trait-induced variations： Extraversion and neuroticism moderate reciprocal influences between affect and affect regulation strategies. European Journal of Personality， 31（4）， 329?346.

Phan， L. V.， amp; Rauthmann， J. F. （2021）. Personality computing： New frontiers in personality assessment. Social and Personality Psychology Compass， 15（7）， e12624.

Pihet， S.， de Ridder， J.， amp; Suter， M. （2017）. Ecological momentary assessment （EMA） goes to jail. European Journal of Psychological Assessment， 33（2）， 87?96.

Quirin， M.， Robinson， M. D.， Rauthmann， J. F.， Kuhl， J.， Read， S. J.， Tops， M.， amp; DeYoung， C. G. （2020）. The dynamics of personality approach （DPA）： 20 tenets for uncovering the causal mechanisms of personality. European Journal of Personality， 34（6）， 947?968.

Rauthmann， J. F. （Ed.）. （2021a）. Handbook of personality dynamics and processes. Amsterdam， The Netherlands： Elsevier.

Rauthmann， J. F. （2021b）. Capturing interactions， correlations， fits， and transactions： A Person-Environment Relations Model. In J. F. Rauthmann （Ed.）， Handbook of personality dynamics and processes （pp. 427?522）. Amsterdam， The Netherlands： Elsevier.

Rauthmann， J. F.， Beckmann， N.， Noftle， E. E.， amp; Sherman， R. A. （2019）. Personality dynamics： A new frontier in personality psychology. Personality and Individual Differences， 136， 1.

Rauthmann， J. F.， Jones， A. B.， amp; Sherman， R. A. （2016）. Directionality of person-situation transactions： Are there spillovers among and between situation experiences and personality states？. Personality and Social Psychology Bulletin， 42（7）， 893?909.

Rauthmann， J. F.， amp; Sherman， R. A. （2016a）. Ultra-brief measures for the Situational Eight DIAMONDS domains. European Journal of Psychological Assessment， 32（2）， 165-174.

Rauthmann， J. F.， amp; Sherman， R. A. （2016b）. Measuring the Situational Eight DIAMONDS characteristics of situations. European Journal of Psychological Assessment， 32（2）， 155?164.

Rauthmann， J. F.， Sherman， R. A.， amp; Funder， D. C. （2015）. Principles of situation research： Towards a better understanding of psychological situations. European Journal of Personality， 29（3）， 363?381.

Rebele， R. W.， Koval， P.， amp; Smillie， L. D. （2021）. Personality-informed intervention design： Examining how trait regulation can inform efforts to change behavior. European Journal of Personality， 35（4）， 623?645.

Revelle， W.， amp; Wilt， J. （2020）. The history of dynamic approaches to personality. In J. F. Rauthmann （Ed.）， Handbook of personality dynamics and processes （pp.3?25）. Amsterdam， The Netherlands： Elsevier.

Ringwald， W. R.， Hopwood， C. J.， Pilkonis， P. A.， amp; Wright， A. G. （2021）. Dynamic features of affect and interpersonal behavior in relation to general and specific personality pathology. Personality Disorders： Theory， Research， and Treatment， 12（4）， 365?376.

Sadikaj， G.， Wright， A. G.， Dunkley， D. M.， Zuroff， D. C.， amp; Moskowitz， D. S. （2021）. Multilevel structural equation modeling for intensive longitudinal data： A practical guide for personality researchers. In J. F. Rauthmann （Ed.）， Handbook of personality dynamics and processes （pp. 855?885）. Amsterdam， The Netherlands： Elsevier.

Safron， A.， amp; DeYoung， C. G. （2021）. Integrating cybernetic big five theory with the free energy principle： A new strategy for modeling personalities as complex systems. In Wood， D.， Read， S.， Harms， P.， and Slaughter， A.， （Eds.）， Measuring and modeling persons and situations （pp. 617?649）. Amsterdam， The Netherlands： Elsevier.

Sherman， R. A.， Nave， C. S.， amp; Funder， D. C. （2010）. Situational similarity and personality predict behavioral consistency. Journal of Personality and Social Psychology， 99（2）， 330?343.

Sherman， R. A.， Nave， C. S.， amp; Funder， D. C. （2012）. Properties of persons and situations related to overall and distinctive personality-behavior congruence. Journal of Research in Personality， 46（1）， 87?101.

Sherman， R.， Rauthmann， J.， Brown， N.， Serfass， D.， amp; Jones， A. （2015）. The independent effects of personality and situations on real-time expressions of behavior and emotion. Journal of Personality and Social Psychology， 109（5）， 872?888.

Shoda， Y.， Mischel， W.， amp; Wright， J. C. （1994）. Intraindividual stability in the organization and patterning of behavior： Incorporating psychological situations into the idiographic analysis of personality. Journal of Personality and Social Psychology， 67（4）， 674-687.

Smillie， L. D. （2008）. What is reinforcement sensitivity？ Neuroscience paradigms for approach‐avoidance process theories of personality. European Journal of Personality， 22（5）， 359?384.

Sosnowska， J.， Hofmans， J.， Rauthmann， J.， amp; Wille， B. （2021）. Personality is dynamic and it matters： The role of personality dynamics in applied contexts. European Journal of Personality， 35（4）， 418?420.

Sosnowska， J.， Kuppens， P.， de Fruyt， F.， amp; Hofmans， J. （2019）. A dynamic systems approach to personality： The Personality Dynamics （PersDyn） model. Personality and Individual Differences， 144， 11?18

Sosnowska， J.， Kuppens， P.， de Fruyt， F.， amp; Hofmans， J. （2020）. New directions in the conceptualization and assessment of personality—A dynamic systems approach. European Journal of Personality， 34（6）， 988?998.

Tett， R. P.， Simonet， D. V.， Walser， B.， amp; Brown， C. （2013）. Trait activation theory： Applications， developments， and implications for person-workplace fit. In N. D. Christiansen amp; R. P. Tett （Eds.）， Handbook of personality at work （pp. 71?100）. New York， NY： Routledge.

Thapa， S.， Beck， E. D.， amp; Tay， L. （2020）. Personality affect construal theory： A model of personality and affect in the workplace. In L. Q. Yang， R. Cropanzano， C. S. Daus amp; V.， Martínez-Tur （Eds.）， The Cambridge handbook of workplace affect （pp. 37?51）. Cambridge， UK： Cambridge University Press.

Vaid， S. S.， Abdullah， S.， Thomaz， E.， amp; Harari， G. M. （2021）. Ubiquitous computing for person-environment research： Opportunities， considerations， and future directions. In Wood， D.， Read， S.， Harms， P.， and Slaughter， A.， （Eds.）， Measuring and modeling persons and situations （pp. 103?143）. Amsterdam， The Netherlands： Elsevier.

van Vianen， A. E. （2018）. Person-environment fit： A review of its basic tenets. Annual Review of Organizational Psychology and Organizational Behavior， 5， 75?101.

Vossen， J.， amp; Hofmans， J. （2021）. Relating within-person personality variability to organizational citizenship behavior and counterproductive work behavior： A resource- based perspective. European Journal of Personality， 35（4）， 450?465.

Walls， T. A.， amp; Schafer， J. L. （Eds.）. （2006）. Models for intensive longitudinal data. Oxford， UK： Oxford University Press.

Wendt， L. P.， Wright， A. G.， Pilkonis， P. A.， Woods， W. C.， Denissen， J. J.， Kühnel， A.， amp; Zimmermann， J. （2020）. Indicators of affect dynamics： Structure， reliability， and personality correlates. European Journal of Personality， 34（6）， 1060?1072.

Wiener， N. （2019）. Cybernetics or control and communication in the animal and the machine. Cambridge， Massachusetts： MIT press.

Wood， D.， Spain， S. M.， amp; Harms， P. D. （2017）. Functional approaches to representing the interplay of situations， persons， and behavior. In J. F. Rauthmann， R. A. Sherman amp; D. C. Funder （Eds.）， The Oxford handbook of psychological situations. Oxford， UK： Oxford University Press.

Wood， D.， Stephen， J. R.， Harms， P. D.， amp; Slaughter， A. （Eds.）. （2021）. Measuring and modeling persons and situations. Amsterdam， The Netherlands： Elsevier.

Wright， A. G. C.， Stepp， S. D.， Scott， L. N.， Hallquist， M. N.， Beeney， J. E.， Lazarus， S. A.， amp; Pilkonis， P. A. （2017）. The effect of pathological narcissism on interpersonal and affective processes in social interactions. Journal of Abnormal Psychology， 126（7）， 898?910.

Wrzus， C. （2020）. Processes of personality development： An update of the TESSERA framework. In J. Rauthmann （Ed.）， The handbook of personality dynamics and processes. （pp. 100?119）. Amsterdam， The Netherlands： Elsevier.

Wrzus， C.， amp; Roberts， B. W. （2017）. Processes of personality development in adulthood： The TESSERA framework. Personality and Social Psychology Review， 21（3）， 253?277.

Zachry， C. E.， Phan， L. V.， Blackie， L. E.， amp; Jayawickreme， E. （2018）. Situation-based contingencies underlying wisdom-content manifestations： Examining intellectual humility in daily life. The Journals of Gerontology： Series B， 73（8）， 1404?1415.

Ziegler， M.， Horstmann， K. T.， amp; Ziegler， J. （2019）. Personality in situations： Going beyond the OCEAN and introducing the Situation Five. Psychological Assessment， 31（4）， 567?580.

Zimmermann， J.， Woods， W. C.， Ritter， S.， Happel， M.， Masuhr， O.， Jaeger， U.， Spitzer， C.， amp; Wright， A. G. C. （2019）. Integrating structure and dynamics in personality assessment： First steps toward the development and validation of a personality dynamics diary. Psychological Assessment， 31（4）， 516?531.

Abstract： Personality dynamics studies personality from a dynamic perspective， emphasizing intra- individual differences in personality and their relationship to traits， thus reflecting the integration of process and trait. Conventional personality research has largely focused on stable inter-individual differences and structural trait models. With advances in research methods， theoretical and empirical research on personality dynamics has developed rapidly over the past two decades. These studies are typically based on theories that focus on personality processes， such as the whole trait theory and the cognitive-affective personality system model， and use intensive longitudinal data and dynamic modeling methods to investigate personality processes， such as the intra-individual interplay of cognitive， affective， and motivational processes， person-situation interactions， and dynamic features of personality. This article reviews early ideas， contemporary theoretical frameworks and methodological approaches in personality dynamics， and suggests that future research distinguish between intra- and inter-individual personality structures， integrate normal and abnormal personality theories， discuss temporal effects， and incorporate multiple measures to improve the reliability and validity of intra-individual measures.

Keywords： personality dynamics， personality process， intensive longitudinal data， integration