Автор настоящей книги при
разработке теста Ai3Q (Kline, 1971) использовал такую выборку уча-
щихся шестых классов школ севера Англии, в которой оказалось по
1000 мальчиков и 1000 девочек из двадцати восьми школ. Даже для
такого исследования понадобились большие ресурсы. Стоит отме-
тить, что мы были не в состоянии обеспечить какие-либо другие
нормативные группы. Ресурсы времени, денег и персонала были не-
достаточными.
ПРИМЕР 4: ОПРОСНИК МАЙЕРС-БРИГГС (МВТ1) - СПЕ-
ЦИФИЧЕСКИЕ НОРМЫ
Myers-Briggs Type Indicator (МВТ1) (Myers-Briggs, 1962), разра-
ботанный для классификации испытуемых по типологии К. Г. Юнга,
имеет обширные нормативные группы, некоторые из которых удов-
летворяют строгим критериям адекватной нормализации; строгим,
потому что на основании этих норм осуществляется имеющая реша-
249
ющее значение интерпретация. Например, существует выборка Реп-
па: соответствующим образом сформированная выборка из учащихся
одиннадцатого и двенадцатого классов - 3503 мальчика и 2511 дево-
чек из двадцати семи школ. Это может составить надежную норма-
тивную группу. Аналогично этому, есть также выборка из 4562 сту-
дентов гуманитарных и естественно-научных факультетов восьми
университетов, имевших среди университетов высокий рейтинг по
уровню подготовки абитуриентов. Для таких студентов это опять
превосходная выборка. Нет никакого сомнения, что эти две выборки
обеспечивают хорошую основу для норм. С другой стороны, три вы-
борки из творческих, менее творческих и наименее творческих архи-
текторов (объемом 40, 43 и 41 испытуемый, соответственно) вряд ли
могут быть адекватными для чего-либо. Аналогично, выборка из
одаренных детей - тридцать четыре мальчика и двадцать пять дево-
чек - слишком мала, чтобы быть полезной.
Тест Майерс-Бригге - это свидетельство того, что эффективные
нормы могут быть получены. На этом примере также явно видно,
насколько это трудно, и что обычно исследователи имеют дело с
менее, чем удовлетворительными данными.
Правила формирования выборок для специальных групп
(1) Найдите наиболее важные переменные, релевантные для дан-
ных групп, и используйте их как основание для стратификации вы-
борки.
(2) Подберите настолько большую выборку, насколько возможно:
как минимум из 300 испытуемых.
(3) Помните, что маленькая выборка (как у Wilson и Patterson,
1970) - это лучше, чем вообще ничего. Если использовались неболь-
шие выборки, акцентируйте внимание пользователей теста, на том,
чтобы они не использовали нормы, а если будут делать это - то с
предельной осторожностью.
Уже написано достаточно, чтобы стало ясно, что при установле-
нии норм нет никаких теоретических проблем. Наоборот, обычной
трудностью является отсутствие ресурсов: времени, денег, испытуе-
мых и помощников для проведения тестирования и обработки тестов.
Однако, если тест предназначен для практических целей профотбора
и профориентации, то естественно, что его нормы должны удовлет-
ворять высоким стандартам, описанным здесь. Существенно важно
использование стратифицированных и больших выборок.
При условии, что у нас есть хорошие нормативные группы, мы
должны теперь обратиться к следующей проблеме стандартизации:
каким образом лучше представить результаты.
220
Нормализация показателей
Обычно показатели некоторого индивидуума сравниваются с по-
казателями релевантной нормативной группы посредством некото-
рого преобразования, которое выявляет статус этого индивидуума
относительно данной группы. Для этого существуют различные ме-
тоды, наиболее общеупотребительный из которых будет здесь описан
и оценен.
Процентили
Ранг показателя в процентилях определяется процентным отно-
шением в нормативной группе тех испытуемых, которые получили
более низкий показатель. Это вид норм, легко понятный даже для
испытывающих фобию по отношению к математическим формулам.
Значение пятнадцать процентилей означает, что 15% из популяции
имеют показатели ниже данного. Процентили на деле имеют двойной
недостаток.
(1) Процентили не могут быть использованы для последующего
статистического анализа, как если бы мы использовали более мощ-
ные параметрические статистические показатели, просто потому,
что они являются значениями порядковой шкалы.
(2) Во-вторых, так как распределение процентилей равномерное
(прямоугольное), тогда как распределение для многих тестов при-
ближается к нормальному, то небольшие отклонения от среднего
значения сильно увеличиваются процентилями, в то время как отно-
сительно большие отклонения на краях кривой распределения будут
сжаты. Процентили могут таким образом исказить результаты, и по
этим причинам, вместе со статистическими ограничениями, их ис-
пользование не рекомендуется.
Различные типы стандартных показателей
Наилучший метод для представления норм - в виде стандартизо-
ванных показателей. Существует несколько типов стандартизован-
ных показателей, которые, как мы увидим, в общем подобны. Они
описаны ниже.
Z-ПОКАЗАТЕЛИ
Стандартизованный показатель - это отклонение необработан-
ного ("сырого") показателя от среднего значения, деленное на стан-
дартное отклонение распределения:
х- х
где Z - стандартизованный показатель, х - необработанный
("сырой") показатель, х - среднее.
Так, если у нас есть множество "сырых" показателей с х = 50 и
О = 10, то могут быть сделаны преобразования стандартизованного
показателя, представленные в таблице 8.1. Из примера, приведенно-
го в этой таблице, мы можем видеть, что показатели Z имеют среднее
значение 0 и, следовательно, принимают отрицательные или поло-
жительные значения.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114