Общая психодиогностика

Рис. 3. Отрицательные (а, б) положительный (в) эксцессы распределения тестовых 
баллов 
Такая конфигурация распределения свидетельствует о том, что в основе пунктов лежит ка-
кой-то один общий им всем признак, соответствующий определенному свойству испытуемых: 
если у испытуемых есть это свойство (способность, умение, знание), то они справляются с боль-
шинством пунктов, если этого свойства нет - то не справляются. В некоторых редких ситуациях 
пункты могут отрицательно коррелировать друг с другом. В этом случае на кривой возникает 
положительный эксцесс (рис. 3, в): вся масса эмпирических точек собирается вблизи среднего 
значения. Такое возможно в двух случаях: 1) когда ключ составлен неверно -объединены при 
подсчете отрицательно связанные признаки, которые обусловливают взаимоуничтожение бал-
лов; 2) когда испытуемые применяют, разгадав направленность опросника, специальную тактику 
«медианного балла» - искусственно балансируют ответы «за» и «против» одного из полюсов из-
меряемого качества. 
Итак, когда в качестве единственного эталона измерения психодиагностами рассматривает-
ся сам тест, то в качестве меры измеряемого свойства выступает положение балла на кривой рас-
пределения. Применяется процентильная шкала. В качестве универсальной меры, пригодной для 
разных (по своей качественной направленности и количеству пунктов) тестов, используется 
«процентильная мера». Процентилъ — процент испытуемых из выборки стандартизации, кото-

---

51 
рые получили равный или более низкий балл, чем балл данного испытуемого. Таким образом, в 
качестве источника данной меры выступает нормативная выборка (выборка стандартизации), на 
которой построено нормативное распределение тестовых баллов. Процентильные шкалы лежат в 
основе всех традиционных шкал, применяемых в тестологии (Т-очки MMPI, баллы IQ, стены 16 
PF и др.). 
Подчеркнем, что с точки зрения теории измерений, процентильные шкалы относятся к по-
рядковым шкалам: они дают информацию о том, у кого из испытуемых сильнее выражено изме-
ряемое свойство, но не позволяют говорить о том, во сколько раз сильнее. Для того чтобы стро-
ить на базе таких шкал количественный прогноз, нужно повысить уровень измерения (популяр-
ное изложение представлений о теории измерений см. в книге: Клигер С. А. и др., 1978). Переход 
к шкалам интервалов производят либо на базе эмпирического распределения, либо на базе про-
извольной модели теоретического распределения. В абсолютном большинстве случаев в роли 
такой теоретической модели оказывается модель нормального распределения (хотя в принципе 
может быть использована любая модель). 
В целом кроме статистических, процентильных шкал следует отличать нередко используе-
мые в дифференциальной психометрике еще 2 вида шкал (и соответственно 2 вида тестовых 
норм). Это, во-первых, то, что можно условно назвать «абсолютными тестовыми нормами» — в 
роли шкалы для вынесения диагноза выступает сама шкала «сырых» очков, во-вторых, «крите-
риальные» тестовые нормы. Применение таких норм можно считать оправданным в двух случа-
ях: 1) когда сама тестовая «сырая» шкала имеет практический смысл (например, студент, изуча-
ющий иностранный язык, должен знать как можно больше слов этого языка, и сырой показатель 
лексического теста имеет практический смысл); 2) когда сырой балл по тесту в результате эмпи-
рических исследований связывается с заданной вероятностью успешности какой-либо практиче-
ской деятельности (вероятность успеха «критериальной» деятельности, каковой для упомянутого 
выше примера может быть синхронный перевод монолога в течение 30 минут). 
Процентильная нормализация шкалы. Выше Показано, что нормальность распределения 
достигается искусственным подбором пунктов теста с заданными статистическими свойствами: 
Опишем еще ряд процедур, которые также широко используются для искусственной нормализа-
ции. 
1. Нормализация пунктов. Ключ для данного пункта корректируется на базе нормальной 
модели. Если среди нормативной выборки с данным заданием справились только 16 % испытуе-
мых, то данному пункту на интервальной шкале «трудности» (при условии априорного принятия 
нормальной модели с параметрами М = 0 и а = 1) соответствует значение +1 (см. график в книге: 
Анастазй А., 1982, с. 181). Если справились 75 % испытуемых, то балл пункта на сигма-шкале 
равен-0,67. В результате суммирования по пунктам баллов, скорректированных нормализацией, 
суммарные баллы лучше приближаются к нормальному распределению. 
2. Нормализация распределения суммарных баллов (или интервальная нормализация). В 
этом случае по таблице нормального распределения (нормального интеграла) производится пе-
реход от процентильной шкалы к сигма-шкале: используется функция, обратная интегральной, - 
от ординаты производится переход к абсциссе нормального распределения. 

---

52