与其他方式相比，问卷测试确实方便得多，但也有不足之处。
第一，你无法确定，测量到的究竟是人们真实的共情水平，还是人们觉得自己应该具有或者希望自己具有的共情水平。直截了当地说，有些共情水平很低的人可能会觉得自己共情能力很强，或者是希望被人们认为共情能力很强，因而会在作答时给自己打高分。
第二，这些研究很少会提出可能与高共情相关的其他特质，比如智力、自我控制能力或者更宏大的同情观。举个例子，牙齿发育好的儿童比牙齿发育不好的儿童更有可能考上好的大学，任何一个这方面的研究都会发现这样的结果。但如果因此就认为牙齿发育状况与考大学相关就大错特错了——牙医可帮不上这个忙。实际上，牙齿发育好的儿童之所以更有可能考上好大学，是因为他们通常来自富裕的家庭，生长环境更具优势。同样，造成良好结果的也可能并非共情，而是与共情具有相关性的其他特质。
第三，标准的共情量表对共情的测量并不准确。最流行的共情量表确实测量了共情中映射他人情感的面向，但同时有些问题也涉及了其他的能力，比如善良、同情或者对他人的兴趣。
举例而言，马克·戴维斯（Mark Davis）开发的人际反应指针量表（Interpersonal Reactivity Index，简称IRI）广为人知且被很多学者使用，我和我的学生也把它用在了一个与共情无关的对命运的观念的研究中。这个量表包括4个因子，每个因子的部分有7个陈述。用戴维斯的话说，这么设计是为了“测量‘共情’这个整体概念不同面向的情况”。这个量表的4个因子分别是：
• 想象力（Fantasy）：测量把自己想象成虚构角色的倾向；
• 观点采择（Perspective Taking）：测量人们用他人视角看问题的兴趣；
• 共情性关心（Empathic Concern）：聚焦于对他人感受的反应；
• 个人痛苦（Personal Distress）：测量一个人在观察到他人有消极体验时自己的焦虑程度。
想象力量表包括以下等陈述，被测试者需要用1~5的数字为每一个陈述打分，从“完全不符合我”到“非常符合我”，数字越大，与你越符合：
• 看到有趣的故事或小说时，我会想象如果这些事发生在我身上我会有什么感受。
• 我会非常投入地体会小说中角色的情感。
• 我经常幻想或做白日梦，想象自己身上可能会发生的事情。
如果是为了评估对虚构文学作品的投入程度，那这些陈述是非常精准的。但这与我们所讨论的共情却没有什么关系：有些共情程度高的人对小说并不感兴趣，也有些共情程度低的人非常喜欢做白日梦或幻想。
观点采择量表确实有一些与共情密切相关的陈述，但它同时也测量了在意见不一致时人们的思维开放性，例如：
• 我认为每个问题都有两面性，因而需要同时考虑这两个方面。
• 如果出现意见不一致的情况，我在做决定前会试着去考虑每个人的观点。
同样，一个毫无共情能力，甚至连认知共情都做不到的人，依然可以非常符合以上这两个陈述。反之，一个完全不符合这两个陈述的人也可能有非常强的共情能力。
剩下的两个量表，即共情性关心量表和个人痛苦量表，被很多人看作反映了共情的核心。但是，这两个量表并没有在感受他人痛苦和关心他人之间做出足够的区分。举例而言，共情性关心量表中的陈述包括：
• 我经常被自己看到的事情感动。
• 当他人处于麻烦之中，我有时并不会同情他们。（反向计分）
• 我非常关心我的朋友们。
• 当我在一群人里看到一个孤独者时，我会感到难过。
这些陈述当然与人的道德情感有关，却并非共情倾向性的指标，而只是表现了一个人对他人有多么在意。
个人痛苦量表的问题更加严重，因为它测量的基本只是一个人在紧急情况下惊慌失措的程度。举例而言，这个量表包括：
• 当我发现有人境况危急且非常需要我帮助的时候，我会紧张得不知所措。
• 在紧急情况下，我会大惊失色、局促不安。
• 在危急时刻，我很可能会失去控制。
这些现象可能与共情有一点点关系。或许共情能力强的人更有可能在危急时刻感到焦虑不安，但这种状况与共情之间的关系并不确定，尤其是危机是否与他人的痛苦有关这一点很不清楚。例如，有人会在下水道爆裂或者龙卷风来袭时惊慌失措，但这与共情毫无关系，与同情、利他或者任何类似的能力都不沾边。
另一个被广为使用的量表就是由西蒙·巴伦-科恩和萨莉·惠尔赖特（Sally Wheelwright）开发的共情商数量表（Empathy Quotient），以巴伦-科恩著名的共情-系统化理论为基础。巴伦-科恩认为，就平均水平而言，女性的共情能力较强，男性的系统化能力较强，即分析和建构系统的能力较强。自闭症患者具有“高度男性化的大脑”，因而只会专注于系统化过程，表现为强迫性地聚焦于列车时刻表或拼图玩具等特定的领域；同时，他们的共情能力很弱，这可能就是他们很难与他人建立关系的主要原因。
我认为巴伦-科恩的理论很有意思，但他用来测量共情的量表实在是令人不敢恭维。在这个量表中，有些陈述确实很好地把握住了共情，比如：
• 我发现自己很容易站在他人的立场上去感受事物。
• 看到他人哭泣的时候，我不太会受到影响。（反向计分）
但有很多陈述测量的其实是人际关系上的精明程度，跟共情或者同情没有什么关系，比如：
• 我善于了解他人是否愿意跟我谈话。
• 人们经常说我在谈话过程中过于固执己见。（反向计分）
• 我发现自己在社交场合经常不知所措。（反向计分）
巴伦-科恩是自闭症研究领域的专家，因而他的量表似乎也是为了捕捉某种与自闭症相关的特质而设计的，但想要测量共情显然有些力有未逮。毕竟，确实存在一些人虽然共情能力很强却不善交际，也存在一些人虽然在社交上八面玲珑却对他人毫无共情。
总的来说，现在所有用来测量共情的量表实际上测量到的东西五花八门——有共情，有关爱和同情，还有一些与共情无关的特质，比如在紧急情况下保持冷静的能力。
第四，那些针对共情和良善行为之间关系的研究，在文章的发表上存在一些偏见。那些研究共情的效果的研究者当然希望能够发现共情的确有一些影响，毕竟没人会愿意花心思去做一个觉得毫无结果的实验。同时，那些没有发现共情确有效果的研究很可能不会被提交，这也被称作“抽屉问题”（file drawer problem）。而且，即便这种研究文章被提交给了杂志社，它被发表的可能性也微乎其微，因为对评审和编辑而言，所有证明了假设效应并不存在的研究都无聊透顶。
自我报告中的偏见、其他特质也可能与高共情相关、共情测量量表的种种不足以及文章发表体系的偏颇，所有这些问题加在一起，就让被发布的研究夸大了共情和良善行为之间的关系。那么，两者之间的关系究竟是什么样的呢？
你可能会觉得惊讶，因为尽管大家都很希望发现一些共情的积极效果或影响，但真正找到的证据却寥寥无几。现在已经有了数百个关于共情的研究，但总体而言，得到的结论是：似是而非。有些研究发现了一些微弱的关系；有些研究要么是完全无法得出确切的结论，要么就是得出了自相矛盾的结论；还有些研究用元分析的方法汇总、分析了以往的所有研究，要么是得出共情和善行之间没有相关性的结论，要么就是得出两者之间存在非常微弱的关系的结论。目前，效果最显著的可能是之前提到的巴特森的研究，但他的研究中，共情是在实验室里被引入的；那些用调查问卷来进行的研究发现的相关性则要弱很多。