通过前面多篇文章对霍兰德职业兴趣理论核心内容的分享，相信各位对霍兰德职业兴趣理论已经有了比较深入的了解和理解。但因为中文环境里（包括书刊、网络）对霍兰德职业兴趣理论的肤浅和片面理解及宣传，让大家都觉得这是一个非常古老、静态、游戏式的兴趣测量工具。甚至认为霍兰德职业兴趣就是一个兴趣测量量表，很多人连自我指导SDS的完整版都没见过。还有网络你能看到的大部分都是自行改编的阉割版自我指导SDS（凡是测量量表中，每种类型都是10个问题的，都是自行改编版。）。
其实霍兰德的职业兴趣理论，包括六种类型来源和定型，自我指导SDS，霍兰德职业代码词典DHOC都是经过了大量的真实数据测量、收集、统计分析、因素分析、信效度验证的。而且有大量的学者、研究人员基于霍兰德的理论和测量量表、方法进行了多次的、多维度的测试和研究，其结论都是支持霍兰德理论的。
为了让更多人能了解霍兰德职业兴趣理论背后的科学依据，接下来，我会摘录一些证据及研究方法，以供参考。可能这些内容对一般爱好者或使用者、咨询师并不会有用，而且会比较枯燥。
在前面关于霍兰德职业兴趣理论的研究报告及方法的六篇文章里，分别分享了其理论的综合性检验（即霍兰德的类型定义和个体特征）、人格量表（SDS量表和类型特征的相关性及对霍兰德职业兴趣类型的支撑性）、自我描述/自我认知（个体的自我认知和类型的相关性）、价值观（价值观与类型的相关性）和能力（能力/才能与类型的相关性）的研究结论和方法。这是霍兰德职业兴趣理论关于人格模式的来源和基本构成，也是其核心内容之一，即人是可以被分类的，大多数人可以被归类为六种类型（现实型R、研究型I、艺术型A、社会型S、企业型E和常规型C）之一。
以上是对主要关注个体的研究的简要回顾和总结。下面继续分享关于区分度、一致性或认同的研究报告和研究方法。
区分度
只有少数关于区分度假设的验证是成功的。霍兰德将学生区分为高、中、低区分度（即六个类型得分中最高分与最低分之间的差值）的轮廓，然后比较他们职业选择的稳定性。对于男性，结果明确支持了该假设：区分度与稳定性呈正相关；也就是说峰值轮廓（即某个兴趣突出）是稳定的，而扁平轮廓（即兴趣广泛）是不稳定的（）。对女性的结果则不显著。同一研究中关于区分度假设的另一项检验，考察了VPI轮廓为
（a）"无并列"—某个单一量表分数明显高于其他任何量表；
（b）“两项并列”—两个最高分数量表分数相同；
（c）“三项或三项以上并列”
的学生的职业选择稳定性。这些分析结果对男性来说也是显著且符合预期的，对女性则不显著。在这些成功的分析中，区分度以线性的方式见预测效率提供了约8%-15%。
一项纵向研究为区分度假设的有效性提供最全面和最有说服的证据。霍兰德首先对406名女性和501名男性高中生施测了VPI和一份问卷；一年后，学生们又填写了SDS和另一份文件。
在第一次分析中，通过比较区分度良好和区分度不佳的学生（即上下各20%的群体），发现在自我认知、职业知识和业余兴趣方面的11项比较中，有9项具有统计学显著性（），且所有的结果方向都与区分度的定义一致。使用后续和初始评估数据进行的进一步比较显示，高区分度组所做的职业选择比地区分度组更稳定。此外，使用两个时间点都参与的896名学生数据，区分度在时间1和时间2间隔的1年期间显著增加。
在第二次分析中，仅使用在时间1获得的九个变量进行了逐步判别分析。判别函数不仅显著，而且非常有效。这八个变量正确地将这些极端组中87%的学生进行了分类。
最后一项分析评估了这九个初始变量在预测896名完成VPI学生的区分度分数方面的能力。回归分析预测了三分之一的方差。
另一项调查为区分度提供了明确的支持。霍兰德，Gottfredson和Nafziger发现，区分度（以及一致性）在预测一项决策任务得分方面，比任何其他竞争性预测变量都更有效。简单相关较小，但结果（好的决策者具有区分明显的兴趣轮廓）适用于1005名高中生、692名大学生和140名在职成人的样本。
这三项大规模研究的积极结果，与大多数研究中获得的父母或微不足道的发现形成了鲜明的对比。在某些情况下，负面结果可能是由于设计不佳或样本量小造成的。例如，在检验关于区分度的假设时，控制社会经济地位、智力和类型至关重要。此外，由于预期的关系较小，需要大样本量才能获得稳定且显著的结果。
最后，一些研究者和统计学家对区分度定义的朴素性感到沮丧，并推导出了更复杂的数学定义。Aul对霍兰德指数的缺陷进行了明确分析，但在对Aul指数进行的唯一一次实证检验中，证明并不比霍兰德指数更好或更差。最后，Iachan开发了另一个指标，该指标似乎与霍兰德指数和Aul指数都密切相关，并且在数学上更优。在一个小样本中，Iachan指数与霍兰德指数的相关系数为0.88。目前看来，用更大的样本同时评估新旧指标是有益的。很可能旧指标由于其简便性在临床工作中得以保留，而Iachan指标在计算更精确的公式不费力的情况下，可能成为研究中首选指标。
