吾人既已研究個性差異之原因，為研究職業心理學之背景，請再進而研究如何量度個性差異之程度。
量度個性差異之必要 吾人誠欲應用研究個性所得之結果，則在理論與實施各方麵，對於一群內某種特性，或幾種特性，皆須求得一種量度之方法。而且有時不但量度而已，並須比較各種特性。誠欲從事比較，苟僅知某人所得關於某種特性之測驗分數較一群中之“平均”或“中數”多若幹分，或少若幹分；而未知此一群中各人測驗分數之差別情形，則此人在此一群中所處之地位（指程度），仍無明確之表示也。試舉一例以明之。例如此一群中受同一測驗者有百分之五十，其所得之分數與“平均”比較之數，皆與此人所得之比較結果相似，則此人之程度不能有所超出。如此一群中僅有百分之五，所有與“平均”比較之數，與此人相似，則此人之程度即可視為超越矣。除此之外，關於量度個性，尚有一種需要，即尚須應用明確的方法，求出所謂“集中趨勢”（central tendency）（即測驗法中所稱“平均”mean“中數”median或“眾數”mode）之“可靠性”（reliability）。如所測驗之個性愈有變異，則所測驗之人數當愈多，始能獲得滿意之標準或“平均”。
關於量度某種個性之差異程度，已有數法最常用者，茲略述其概要如左：
1）次數分配曲線（frequency curve） 所謂次數分配曲線，例如下圖：平線代表全距離分數，由左向右，起自最低之分數，依次向右，結以最高之分數（此種種分數即由測驗一群兒童某種能力所得之結果）。在平線中每一分數之上，可依得此一級分數人數之多寡，根據所定之單位（如以一人為一單位之類），記一點。俟各點記畢，以一曲線連之，即成所謂次數分配曲線。此圖之功用，在能用圖表示分數之分配大概，由此得覘個性差異之大略情形。如吾人已測驗某人所得之分數，則察視此種曲線，一望而知此人在本群中所居之程度地位。就嚴格言之，此法尚不能稱為明確的量度，惟以其能藉圖畫表明分數分配之大概，用之者頗多，尤以人數在“平均”分數以上或以下者較多時更為有用。
上圖所示之曲線，乃一種“常態分配”（normal distribution），蓋此圖左右非常均勻也。受測驗之人數愈多，則此種曲線愈近常態。如所得之曲線左右差池不均，稱為“偏態分配”（skewed distribution）。
2）全距離分數（range of scores） 所謂全距離分數，即是從最小分數至數最大分數之距離。有時欲知所測驗之全群成績，僅須敘述全距離分數，即可知其中有無甚大之差異，並可知此群所具之大概程度。核算時，隻須從最大分數內減去最小分數。惟此隻能作為一種參考之量數，亦非精確之量度也。
3）二十五分差距離（semi-inter-quartile range） 較全距離分數更準確者為二十五分差距離，包含全體分數之中間50％，除去最高分數之四分之一與最低分數之四分之一。此法可表明全群中成績之中間一部分，占全部分之一半。
公式中之Q1係代表下二十五分點，為一種點數，在此點數以下有全體分數之25％，在此點數以上有全體分數之75％。Q3係代表上二十五分點，亦為一種點數，在此點數以上有全體分數之25％，在此點數以下有全體分數之75％。
4）平均差（average deviation, A. D. , or mean deviation, Mn. D.） 就嚴格言之，上述之三法，其功用隻能作為一種參考的量數；若“平均差”則比較的更為明確之量數矣。然平均差尚屬明確量數之最簡單者，乃計算“均方差” （standard deviation）或“機誤”（probable error）之第一步也。所謂平均差，蓋指個人所得之分數與一群中之平均或中數比較之平均差數。
甲）未歸類之分數：
a）將原來之分數列成順序分配。（此一步可省）
b）人數＝24，中數為57。（中數係由2除分數總數所得）
c）求各分數與中數之差數。第一個分數為20（為15－24.9之中點）與中數相差37，第三個分數相差17，第六個分數相差7，餘類推。負號可不用，因與實際上無關係。
d）差數之總數為346，正負號不計。
e）平均差等於人數除差數之總數。
乙）已歸類之分數：
a）將原來差數重行排列，求次數分配。
b）第一級15－24.9之離中差為37，第二級為27，餘類推。此差數並非級之差數，乃實際之差數。