Тестовые нормы: как сырой балл превращается в оценку

Студент набрал 34 балла из 60 по опроснику тревожности. Много это или мало? Пока рядом нет тестовых норм, число не значит ровным счётом ничего: сырой балл зависит от количества пунктов, формулировок и правил подсчёта, а не от свойства человека. Норма переводит балл на язык сравнения с другими людьми, и только после этого перевода результат можно интерпретировать. Разберём, как нормы устроены, чем процентиль отличается от Т балла и почему таблицы норм приходится пересматривать. Калькулятор ниже пересчитает сырой балл сразу во все основные шкалы.

Что такое тестовые нормы

Тестовые нормы это эмпирически полученная система отсчёта: таблица соответствия между сырыми баллами методики и производными, стандартизованными оценками. Норму нельзя вывести из теории теста, её можно только измерить, предъявив методику большой группе людей и описав полученное распределение.

Норма задаёт три вещи. Точку отсчёта: среднее арифметическое $M$ по выборке стандартизации. Единицу измерения: стандартное отклонение $\sigma$, в котором дальше меряют отклонение конкретного человека от среднего. И границы условных категорий: «низкий», «средний», «высокий» уровень, которые чаще всего нарезают по числу сигм от среднего.

Важно не путать два смысла слова «норма». Тестовая норма нормативно ориентирована: она сравнивает человека с людьми. Альтернатива это критериально ориентированная интерпретация, где балл сравнивают с эталоном освоения материала, и тогда неважно, как справились остальные. В школьном зачёте «решил 8 задач из 10» это критерий; «попал в верхние 15 процентов класса» это норма.

Выборка стандартизации: на ком строят нормы

Рассчитать для своей задачи

Норма ровно настолько хороша, насколько хороша выборка, на которой она получена. Требований к такой выборке три.

Репрезентативность. Состав выборки по полу, возрасту, образованию, типу населённого пункта должен воспроизводить состав той популяции, к которой потом будут применять тест. Нормы, снятые на студентах-психологах, не годятся для рабочих того же возраста. Общая логика перехода от генеральной совокупности к выборке здесь та же, что в статистике, только цена смещения выше: ошибка выборки навсегда впечатывается в таблицу норм.

Объём. Практическое правило руководств по психодиагностике это не менее 200 человек на каждую половозрастную ячейку, для которой строится отдельная таблица. Суммарно нормы солидной методики опираются на несколько сотен, а для тестов интеллекта на несколько тысяч протоколов.

Дифференцированность. Если тест чувствителен к возрасту или полу, единая норма усредняет то, что усреднять нельзя, и часть выборки систематически получает завышенные оценки. Тогда строят частные нормы: отдельно по возрастным группам, отдельно по полу, иногда по уровню образования.

Процентильные нормы: место в ряду

Самая наглядная форма нормы это процентиль: доля людей из выборки стандартизации, набравших балл не выше данного. Процентиль 84 значит, что 84 процента выборки показали такой же или более низкий результат.

Достоинство очевидно: процентиль понимает и непсихолог. Недостаток менее очевиден и куда серьёзнее. Процентильная шкала неравномерна. В середине распределения людей много, поэтому прибавка в один сырой балл может подбросить результат сразу на 10 процентилей. На хвостах людей мало, и там прибавка в несколько баллов почти не двигает процентиль. Из-за этого процентили нельзя складывать, усреднять и вычитать: разница между 50 и 60 процентилем в сырых единицах гораздо меньше, чем между 85 и 95.

Стандартные шкалы: z, Т баллы, стены, станайны

Рассчитать для своей задачи

Чтобы шкала была равномерной, сырой балл переводят в стандартную z оценку:

$z = \frac{X - M}{\sigma}$

где $X$ это сырой балл испытуемого, $M$ и $\sigma$ это среднее и стандартное отклонение по выборке стандартизации. Значение $z$ показывает, на сколько сигм результат отклонился от среднего, и уже не зависит ни от длины теста, ни от единиц подсчёта.

Работать с отрицательными дробями неудобно, поэтому z линейно растягивают в производные шкалы:

T &= 50 + 10z, &\quad IQ &= 100 + 15z,\\ \text{стены} &= 5{,}5 + 2z, &\quad \text{станайны} &= 5 + 2z. \end{aligned}$$ Т баллы это школьная шкала опросников MMPI и 16PF: среднее 50, сигма 10, практический диапазон от 20 до 80. Стены (от английского standard ten) дают десять градаций и удобны для профилей личностных факторов. Станайны укладываются в девять градаций и обычно используются в образовательном тестировании. Отдельно стоит шкала IQ с сигмой 15: именно к ней привязаны современные тесты интеллекта, в том числе те, что критикует [теория множественного интеллекта Гарднера](/blog/teoriya-mnozhestvennogo-intellekta-gardnera). Все эти шкалы это одно и то же число в разной упаковке. Один и тот же результат равен $z = 1$, $T = 60$, восьмому стену и 84 процентилю одновременно. ## Разбор примера Пусть по опроснику тревожности $M = 28$, $\sigma = 6$, испытуемый набрал $X = 34$ сырых балла. Считаем: $$z = \frac{34 - 28}{6} = 1{,}0$$ $$T = 50 + 10 \cdot 1{,}0 = 60, \qquad \text{стен} = 5{,}5 + 2 \cdot 1{,}0 = 7{,}5 \approx 8$$ Процентиль берём из таблицы нормального распределения: при $z = 1{,}0$ это примерно 84. Вывод для протокола звучит так: результат на одну сигму выше среднего, выше, чем у 84 процентов выборки стандартизации, что соответствует повышенному, но не клиническому уровню тревожности. Обратите внимание, что фраза «34 балла из 60» в этом выводе не участвует вовсе. ## Линейная и нелинейная нормализация Формулы выше корректны при одном условии: распределение сырых баллов близко к нормальному. Если оно скошено, а это обычная ситуация для коротких клинических шкал, линейный пересчёт даёт шкалу, которая только притворяется нормальной: в ней Т баллу 60 будет соответствовать вовсе не 84 процентиль. Тогда применяют нелинейную нормализацию. Сначала для каждого сырого балла считают процентиль по фактическому распределению, затем по обратной функции нормального распределения находят соответствующую этому процентилю z оценку и уже её переводят в Т баллы. Такая процедура принудительно приводит форму распределения к нормальной, но платой становится искажение исходных интервалов между баллами. В руководстве всегда указывают, какой способ использован. ## Почему нормы устаревают  Нормы не вечны. Популяция меняется: растёт средний уровень образования, меняется знакомство с форматом тестирования, культурный контекст пунктов. Классический пример это эффект Флинна, устойчивый прирост сырых результатов по тестам интеллекта примерно на 3 балла IQ за десятилетие. Если пользоваться таблицей тридцатилетней давности, средний современный испытуемый получит по ней завышенную оценку просто за счёт сдвига распределения. Отсюда практическое правило: нормы пересматривают каждые 5 лет, в крайнем случае каждые 10. По той же причине нельзя механически переносить зарубежные нормы на другую популяцию. При локализации методики требуется собственная рестандартизация, иначе систематический сдвиг уедет во все индивидуальные заключения. ## Частые ошибки - Сравнивать сырые баллы разных методик между собой. Сопоставимы только стандартные оценки, и только если обе методики нормировались на сходных выборках. - Усреднять процентили по субтестам. Усредняют z оценки или Т баллы, а процентиль считают уже от результата. - Использовать таблицу норм, не проверив год сбора и описание выборки. - Путать статистическую норму с психической нормой. Попадание в нижние 5 процентов это статистическая редкость, а не диагноз. - Сообщать оценку без учёта стандартной ошибки измерения. Корректный вывод это доверительный интервал, а не одно число. ## FAQ **Чем тестовые нормы отличаются от стандартизации теста?** Стандартизация это вся процедура унификации: единая инструкция, время, стимульный материал, правила подсчёта плюс сбор данных на репрезентативной выборке. Тестовые нормы это результат последнего этапа, конкретные таблицы перевода сырых баллов в стандартные оценки. **Сколько человек нужно, чтобы построить нормы?** Ориентир это 200 наблюдений на каждую отдельную таблицу, то есть на каждую половозрастную группу, для которой нормы строятся отдельно. Для скрининговых методик встречается порог в 100 человек, для тестов интеллекта требуются тысячи. **Можно ли пользоваться зарубежными нормами, если методика переведена?** Нет. Перевод не переносит нормы: распределение баллов зависит от популяции и культурного контекста пунктов. Требуется рестандартизация на локальной выборке, а до неё методика пригодна только для исследовательских, но не для диагностических выводов. ## Коротко Тестовые нормы превращают бессмысленный сам по себе сырой балл в интерпретируемую оценку, сравнивая испытуемого с выборкой стандартизации. Базовый перевод это z оценка, из которой линейно получаются Т баллы, стены, станайны и IQ, а процентиль показывает место в ряду, но имеет неравномерную шкалу. Качество нормы определяется репрезентативностью и объёмом выборки, соответствием формы распределения нормальному закону и свежестью данных: устаревшая на десятилетия таблица систематически искажает все заключения.