Норми психологічного тесту: як створюють референтні значення і чому вони залежать від популяції

6 днів тому

Читати 14 хв

Оновлено: 6 днів тому

Автор: Український психологічний ХАБ · Опубліковано: 23 вересня 2026 · Редакційна політика

Норма психологічного тесту — це статистична система відліку, яка показує, де розташований результат конкретної людини відносно результатів визначеної референтної популяції. Вона перетворює сирий бал на порівнюваний показник: процентиль, z-бал, T-бал, станайн або іншу стандартизовану шкалу. Ключове слово тут — «визначеної». Бал має сенс лише відносно тієї популяції, для якої норми були створені.

За визначенням NCME Assessment Glossary, норми — це статистики або табличні дані, що підсумовують розподіл тестових балів для визначених груп і мають представляти референтну популяцію. Нормативна інтерпретація відповідає на запитання «як цей результат співвідноситься з результатами релевантних інших людей?», а не «чи є в людини розлад?».

Саме тому норми не можна переносити між популяціями механічно. Якщо тест нормували на іншій країні, віковій групі, освітній системі, клінічній вибірці або в іншу історичну епоху, той самий сирий бал може отримати інше відносне значення. Сучасні Standards for Educational and Psychological Testing розглядають коректне визначення популяції, вибірки, умов тестування та інтерпретації балів як частину відповідального тестування.

Що таке норми психологічного тесту

Тестовий результат часто починається із сирого бала: суми відповідей, кількості правильних завдань, часу виконання, середнього за пунктами або іншого первинного показника. Сам по собі сирий бал не говорить, наскільки результат типовий, високий чи низький. Для цього його порівнюють із розподілом балів у референтній популяції.

Референтна популяція — це популяція, відносно якої планують тлумачити результат. Вона може бути широкою, наприклад дорослі певної країни, або вузькою: діти певного віку, студенти конкретного освітнього рівня, пацієнти з визначеним клінічним статусом, претенденти на певний вид роботи. У сучасному нормуванні один тест може мати кілька референтних популяцій, якщо його цілі або очікувані відмінності між групами цього потребують. Це прямо підкреслюють Timmerman, Voncken і Albers у методологічному посібнику з регресійного нормування. Джерело.

Нормативна вибірка — це конкретна група людей, у якої збирають дані для оцінювання розподілу балів у референтній популяції. Популяція — це те, про кого ми хочемо робити висновок; вибірка — ті, кого фактично виміряли. Якість норм залежить від того, наскільки добре вибірка дозволяє відтворити потрібну популяцію.

«Норма» в психометрії не означає «нормальна людина»

Слово «норма» легко сплутати з медичним або побутовим поняттям нормальності. У психометрії нормативний бал насамперед описує відносне положення в розподілі. Наприклад, 10-й процентиль означає, що результат розташований приблизно на рівні, нижче або дорівнює якому лежать результати близько 10% відповідної референтної популяції — залежно від прийнятої конвенції обчислення процентиля.

Низький або високий процентиль не є автоматично ознакою патології. Деякі психологічні риси природно розподіляються широко, а клінічний сенс результату залежить від призначення тесту, доказів валідності, надійності, похибки вимірювання, контексту людини та інших даних оцінювання.

Це особливо важливо в психодіагностиці: нормативне порівняння, скринінговий результат, клінічна оцінка і діагноз є різними операціями. Окрема стаття ХАБу про психологічну оцінку й оцінювання пояснює, чому тестовий бал працює як частина ширшого процесу, а не як самодостатній діагноз.

Як створюють норми психологічного тесту

Нормування починається не з таблиці процентилів, а з рішення, для кого і для чого має працювати інтерпретація. Сучасні рекомендації GRoNC пропонують спочатку визначити цільову популяцію тесту, спосіб отримання сирих балів та тип інтерпретації, а вже потім визначати референтну популяцію й нормативну вибірку. GRoNC.

1. Визначають ціль тесту і референтну популяцію

Розробник описує, хто буде проходити тест, у якому контексті, для яких рішень і з якою інтерпретацією. Якщо результат має залежати від віку, освіти або іншої характеристики, це повинно бути закладено в дизайн нормування, а не додано постфактум після перегляду результатів.

2. Планують нормативну вибірку

Вибірка має забезпечувати достатнє представлення релевантних сегментів популяції. Репрезентативність не зводиться до великої кількості учасників. Важливі рамка вибірки, спосіб набору, частки підгруп, критерії включення й виключення, недовідповідь, географія, мова, освіта, соціально-демографічні характеристики та інші фактори, які можуть бути пов’язані з тестовим балом.

3. Проводять тестування за стандартизованою процедурою

Нормативні дані мають бути отримані в умовах, сумісних із подальшим використанням тесту. Якщо норми створені за однієї форми інструкції, часу, пристрою або способу адміністрування, а реальне тестування відбувається інакше, частина різниці може походити від процедури, а не від психологічного конструкта.

4. Перевіряють якість самого вимірювання

Норми не рятують слабкий тест. До інтерпретації нормативних балів потрібно мати належні докази надійності та валідності для передбаченого використання. Нормативний розподіл лише каже, де перебуває результат відносно інших; він не доводить, що тест точно і коректно вимірює заявлений конструкт. Докладніше про це — у статті «Надійність психологічного тесту».

5. Оцінюють розподіл і створюють шкалу

Для нормативної вибірки оцінюють розподіл сирих балів і будують перетворення у вибрану шкалу. Це можуть бути емпіричні процентилі, стандартизовані z- або T-бали, станайни, нормалізовані шкали або модельні оцінки, що враховують безперервні предиктори на кшталт віку.

6. Документують норми

Користувач тесту має знати, хто входив у нормативну вибірку, коли й де збирали дані, як набирали учасників, які були критерії включення, які підгрупи використовували, який метод нормування застосовано, якою є статистична невизначеність і для яких популяцій та рішень ці норми призначені. Нові рекомендації GRoNC виникли саме тому, що тестові посібники дуже нерівномірно повідомляють ці деталі, що ускладнює оцінювання якості стандартизованих балів.

Чому норми залежать від популяції

Нормативний бал є відносним за своєю природою. Якщо змінюється референтна популяція, змінюється й розподіл, відносно якого розташовується людина. Тому одна цифра не має «вбудованого» універсального процентиля.

Вік

Багато когнітивних, мовленнєвих, моторних і розвиткових показників змінюються з віком. Для дитячих тестів різниця навіть у кілька місяців може бути психометрично важливою. Грубе поділення на вікові групи створює стрибки на межах категорій: майже однакові за віком люди можуть отримати різні нормативні інтерпретації лише через перехід у сусідню таблицю. Одне з рішень — безперервне або регресійне нормування, де вік входить у модель як безперервна змінна. Огляд.

Освіта і досвід

Освітній рівень, якість навчання, професійний досвід і знайомство з форматом завдань можуть бути пов’язані з результатами, особливо у когнітивних і знаннєвих тестах. Якщо тест призначено для популяцій із різним освітнім досвідом, нормативна система повинна обґрунтувати, чи потрібні окремі норми, модельне коригування або інший спосіб інтерпретації.

Мова і культура

Переклад тексту тесту не створює автоматично еквівалентного вимірювання. Може змінитися складність формулювань, культурна знайомість стимулів, значення відповідей, спосіб використання шкали та зв’язок пунктів із конструктом. International Test Commission розглядає переклад лише як частину ширшої адаптації, яка потребує емпіричної перевірки еквівалентності, надійності, валідності, шкал і правил інтерпретації.

Клінічний статус і контекст

Для одного й того самого інструмента різними можуть бути норми загальної популяції, пацієнтів певного профілю, реабілітаційної групи або людей після конкретної події. Вибір референтної популяції має відповідати меті. Порівнювати клінічного пацієнта з іншими пацієнтами і з населенням загалом — це два різні запитання, які можуть давати різні інтерпретації.

Стать, гендер та інші демографічні характеристики

Демографічні змінні інколи статистично пов’язані з тестовими балами, але наявність різниці ще не означає, що автоматичне створення окремих норм є найкращим або справедливим рішенням. Потрібно оцінювати призначення тесту, механізм різниці, структуру конструкта, інваріантність вимірювання, потенційний bias і наслідки використання окремих нормативів.

Час і когортні зміни

Популяції змінюються. Освіта, технології, здоров’я, умови праці, діагностичні критерії та культурні практики можуть зрушувати розподіли тестових результатів. Метааналіз ефекту Флінна на 285 дослідженнях показав історичні зростання IQ-балів, через які старі норми можуть ставати застарілими. Trahan et al., 2014.

У EFPA Test Review Model 2025 актуальність норм виділена як окреме питання оцінювання: EFPA наголошує, що норми особливо чутливі до суспільних змін і що розробники мають наводити період збору нормативних даних та обґрунтовувати їхню актуальність. Єдиного універсального терміну придатності норм немає; рішення залежить від тесту, популяції та доказів стабільності.

Репрезентативність важливіша за просте «велике N»

Велика нормативна вибірка може залишатися систематично зміщеною. Якщо в ній надмірно представлені люди з певною освітою, регіоном, соціально-економічним статусом або добровольці з особливим інтересом до тестування, збільшення N робить оцінки точнішими для цієї зміщеної вибірки, але саме по собі не відновлює представлення цільової популяції.

Тому дизайн нормування включає не лише розмір вибірки, а й спосіб її формування. Стратифікація може задавати потрібні пропорції до збору даних. Постстратифікація та ваги можуть частково коригувати відомі дисбаланси після збору. У методологічному туторіалі Gary та співавт. показано, як raking може використовувати відомі популяційні маргінальні розподіли для поліпшення нормативних оцінок у нерепрезентативних вибірках. Gary et al., 2024.

Таке коригування не є чарівним ремонтом даних. Воно працює для виміряних і належно змодельованих характеристик; невідоме або невиміряне зміщення може залишатися. Якість нормативної вибірки потрібно описувати прозоро, а не зводити до одного числа учасників.

Скільки людей потрібно для створення норм

Універсальної мінімальної кількості учасників, яка автоматично робить норми якісними, не існує. Потрібний розмір залежить від методу нормування, кількості підгруп, потрібної точності, форми розподілу, довжини тесту, кількості категорій відповідей, сили впливу коваріат і того, які частини розподілу важливі для рішень.

Симуляційне дослідження Oosterhuis, van der Ark і Sijtsma показало, що за виконання припущень регресійної моделі регресійне нормування може потребувати значно меншої вибірки, ніж традиційне нормування з багатьма підгрупами. Але самі автори підкреслюють залежність висновку від модельних припущень. Oosterhuis et al., 2016.

Практичне питання слід ставити так: «якої точності нормативних оцінок ми потребуємо для передбаченого використання і який дизайн забезпечує цю точність?». Для рідкісних хвостів розподілу, дрібних вікових інтервалів або багатьох перехресних підгруп даних потрібно більше.

Традиційне та безперервне нормування

Традиційне нормування за підгрупами

Класичний підхід ділить вибірку на категорії, наприклад 7–8, 9–10, 11–12 років, і для кожної групи створює окрему таблицю. Перевага — простота. Недолік — втрата інформації про безперервні зміни та ризик нестабільних норм у малих підгрупах.

Регресійне і безперервне нормування

Регресійні моделі описують, як параметри розподілу балів змінюються разом із віком або іншими коваріатами. Туторіал Timmerman та співавт. демонструє GAMLSS — гнучкий підхід, який може моделювати не лише середнє, а й масштаб та форму розподілу. Timmerman et al., 2021.

Систематичний огляд Urban та співавт. охопив 121 публікацію і 189 досліджень безперервного нормування. У реальному прикладі параметричні норми були точнішими за напівпараметричні, а ті — за традиційні, але загальна доказова база порівняння методів залишалася неоднозначною, а в частині досліджень важливі розподільні припущення перевіряли недостатньо. Urban et al., 2025.

Отже, «сучасніший» метод не гарантує кращих норм автоматично. Модель повинна відповідати даним, її припущення — перевірятися, а результати — валідовуватися.

Як сирий бал перетворюється на нормативний

Процентиль

Процентиль показує відносне місце результату в референтному розподілі. 75-й процентиль не означає 75% правильних відповідей. Це означає положення приблизно вище значної частини референтної популяції. Процентиль є ранговою характеристикою, тому однакова різниця у 10 процентильних пунктів у різних частинах розподілу не означає однакової різниці в конструкті.

z-бал

У найпростішому випадку z = (X − M) / SD, де X — сирий бал, M — середнє референтної групи, SD — стандартне відхилення. z = 0 означає рівень середнього, z = +1 — один стандартний відхил вище середнього, z = −1 — один нижче. Це перетворення стандартизує одиниці, але саме по собі не робить ненормальний розподіл нормальним.

T-бал

Поширене лінійне перетворення T = 50 + 10z задає середнє 50 і стандартне відхилення 10. Така шкала зручна тим, що зазвичай не використовує від’ємні числа й десяткові дроби. Але T-бал не є t-статистикою: це різні поняття.

Станайни та інші шкали

Станайн стискає розподіл до дев’яти категорій; інші тести використовують власні стандартні шкали. Назва шкали не визначає її якість. Потрібно знати, як саме вона побудована, яка референтна популяція лежить в основі та наскільки точно оцінено межі.

Докладніше про те, як число отримує зміст і чому зміна бала не дорівнює автоматично реальній або важливій зміні, див. статтю «Інтерпретованість результатів психологічного вимірювання».

Нормативні значення теж мають статистичну похибку

Норма побудована на вибірці, тому вона є оцінкою популяційного розподілу, а не його безпомилковою копією. Якби нормативне дослідження повторили на іншій репрезентативній вибірці, середні, процентильні межі та стандартизовані перетворення дещо змінилися б.

Oosterhuis, van der Ark і Sijtsma розробили стандартні похибки та довірчі інтервали для кількох нормативних статистик і звернули увагу, що в практиці така невизначеність часто не повідомляється. Oosterhuis et al., 2017.

Це окрема невизначеність від індивідуальної похибки вимірювання. Перша стосується того, наскільки точно ми знаємо саму нормативну шкалу з вибіркових даних. Друга — того, наскільки точно конкретний спостережуваний бал відображає результат конкретної людини. Високоякісна інтерпретація має пам’ятати про обидва джерела невизначеності.

Норми, надійність і валідність — різні властивості

Наявність таблиці норм не доводить, що тест надійний. Надійність стосується точності й узгодженості результатів за відповідних умов. Норми можуть бути акуратно побудовані для тесту, який дає надто нестабільні результати.

Наявність норм також не доводить валідність. Валідність стосується того, наскільки докази й теорія підтримують конкретну інтерпретацію бала для конкретного використання. Можна чудово знати, що людина перебуває на 90-му процентилі певної шкали, але неправильно назвати сам конструкт або зробити з нього висновок, який тест не підтримує.

І нарешті, нормативність не дорівнює справедливості. Навіть репрезентативні норми не скасовують потреби перевіряти, чи однаково працює вимірювання для релевантних груп, чи немає диференційного функціонування завдань і чи не створює спосіб використання балів несправедливих наслідків. EFPA Test Review Model 2025 окремо оцінює норми, надійність, валідність та питання рівності, різноманіття й інклюзії.

Українські норми: переклад тесту — лише початок

Для української практики критично розрізняти україномовний текст тесту і валідовану українську адаптацію з відповідними нормами. Сам факт перекладу не доводить, що структура конструкта збережена, показники надійності прийнятні, шкала еквівалентна оригіналу, а норми придатні для української популяції.

Керівництво International Test Commission з перекладу й адаптації тестів вимагає ширшого процесу: дозволу правовласника, якісної адаптації, емпіричної перевірки, аналізу еквівалентності, належного адміністрування, обґрунтування шкал та інтерпретацій і документації. Огляд принципів другої редакції також описаний у публікації Muñiz, Elosua і Hambleton. PubMed.

В Україні Всеукраїнська психодіагностична асоціація публікує українські переклади керівництв ITC і позиціонує їх як основу належної психодіагностичної практики. Актуальна українська наукова публікація про стандартизацію психодіагностичних методик окремо наголошує, що норми іншомовних вибірок не можна автоматично переносити без статистичної перевірки з урахуванням культурних, демографічних і соціально-психологічних чинників. Татьянчиков, 2025.

Тому коректне формулювання звучить так: «існує український переклад» і «існують валідовані українські норми» — це два різні твердження, кожне з яких потребує власних доказів.

Нормативний бал, поріг і діагноз

Нормативна інтерпретація і порогове значення відповідають на різні запитання. Нормативний бал описує відносне місце в популяції. Поріг або cutoff поділяє результати за певним критерієм для визначеної мети — наприклад, скринінгу, відбору або подальшої оцінки.

Навіть якщо поріг був емпірично розроблений, він не стає універсальною межею «розлад є / розладу немає». Для клінічного використання важливі передбачена популяція, базова частота стану, чутливість і специфічність, позитивна й негативна прогностична цінність, наслідки помилок, інші джерела даних і професійне клінічне судження.

Тому вислів «ваш бал нижче норми, отже у вас розлад» є методологічно хибним. Нормативний бал може бути важливою частиною оцінки, але сам по собі не ставить діагноз.

Коли норми застарівають

Норми мають часову прив’язку. Якщо популяційний розподіл змінився, старі таблиці можуть систематично завищувати або занижувати відносне положення сучасної людини. Ризик залежить від того, що вимірює тест і наскільки швидко змінюються релевантні умови.

Метааналіз Trahan та співавт. оцінив ефект Флінна приблизно у 2,31 стандартного IQ-бала на десятиліття в широкому наборі порівнянь, що прямо ілюструє можливість застарівання інтелектуальних норм. Trahan et al., 2014.

Це не означає, що кожен психологічний тест потрібно перенормовувати за фіксованим календарем. EFPA прямо зазначає відсутність єдиного консенсусного строку придатності норм. Потрібні дані про стабільність, рік збору нормативної вибірки та контекст використання.

Як оцінити якість норм у посібнику до тесту

Користувачеві не потрібно відтворювати всю статистику розробника, але він має мати достатньо інформації, щоб зрозуміти, що саме означає стандартний бал. Практично корисно перевірити такі питання:

• Для якої цільової і референтної популяції створені норми?

• Коли, де і за яких умов збирали нормативні дані?

• Як формували вибірку і наскільки вона представляє потрібну популяцію?

• Які критерії включення та виключення використовували?

• Чи достатньо представлені релевантні вікові, мовні, освітні або інші групи?

• Який метод нормування застосовано: підгрупи, регресійне, безперервне, інший?

• Чи описана статистична точність нормативних оцінок?

• Чи є сучасні докази надійності та валідності для передбаченого використання?

• Чи перевірена культурна та мовна адаптація, якщо тест перенесений з іншого контексту?

• Чи актуальні норми сьогодні і чи є дані про їхню стабільність або перенормування?

Рекомендації GRoNC систематизують саме такі запитання для розробників і рецензентів стандартизованих балів, а AERA/APA/NCME Standards задають ширшу рамку відповідального розроблення та використання тестів.

Типові помилки інтерпретації

Помилка 1. «Процентиль — це відсоток правильних відповідей»

Ні. Процентиль — це положення в референтному розподілі, тоді як percent correct — частка правильних відповідей у конкретному тесті. Людина може правильно виконати 70% завдань і мати зовсім не 70-й процентиль.

Помилка 2. «T-бал — це t-статистика»

Ні. T-бал у психометричній шкалі — стандартизоване перетворення, часто з M = 50 і SD = 10. t-статистика — статистика, що використовується в t-тестах та інших моделях.

Помилка 3. «Норма одна для всіх»

Нормативний бал завжди прив’язаний до референтної популяції або модельної системи. Те, що є 85-м процентилем для однієї групи, може не бути 85-м процентилем для іншої.

Помилка 4. «Якщо вибірка велика, вона репрезентативна»

Розмір зменшує випадкову похибку оцінювання, але не усуває систематичне зміщення набору. Репрезентативність — властивість дизайну та відповідності популяції, а не просто кількості.

Помилка 5. «Український переклад = українські норми»

Ні. Переклад, культурна адаптація, психометрична перевірка і нормування — пов’язані, але окремі етапи.

Помилка 6. «За межами норми = діагноз»

Ні. Відносно рідкісний бал може бути клінічно значущим або незначущим залежно від конструкта, призначення інструмента, функціонування людини та інших доказів.

Практичний приклад: той самий сирий бал, різні норми

Уявімо тест, де людина набрала 42 сирі бали. Серед 18–25-річних це може відповідати приблизно середині розподілу, а серед 65–75-річних — вищому процентилю, якщо вимірювана здатність систематично змінюється з віком. Сам сирий бал не змінився; змінилася референтна система.

Інший приклад: україномовна адаптація тесту може мати той самий алгоритм підрахунку, що й оригінал, але розподіл відповідей у сучасній українській популяції може відрізнятися. Використання іноземних норм тоді створює додаткове припущення: що релевантні розподіли достатньо еквівалентні. Це припущення потрібно перевіряти, а не вважати істинним за замовчуванням.

Саме тому сучасна психометрія переходить від питання «який у людини бал?» до точнішого: «який бал, отриманий яким методом, у якій популяції, відносно якої нормативної моделі, з якою точністю і для якої інтерпретації?».

Науковий статус і межі доказів

Потреба в чітко визначених референтних популяціях, репрезентативних нормативних даних і прозорій документації є усталеним принципом психометрії та професійних стандартів. Так само усталено, що нормативні, критеріальні й клінічні інтерпретації потрібно розрізняти.

Безперервне й регресійне нормування є активною сучасною методологічною галуззю. Воно має сильне статистичне обґрунтування і практичні переваги в багатьох ситуаціях, але систематичний огляд 2025 року характеризує прямі порівняння різних методів як ще не остаточні. Тому вибір моделі має спиратися на дані, припущення, точність і мету, а не на моду.

Так само немає універсального правила, які саме демографічні характеристики завжди треба включати в норми і скільки років норми залишаються актуальними. Це рішення тест- і контекст-специфічне.

FAQ

Що означає «норма тесту» простими словами?

Це система порівняння, яка показує, як результат людини виглядає на тлі результатів визначеної референтної популяції.

Чи може один тест мати кілька норм?

Так. Якщо інтерпретація обґрунтовано залежить від віку, популяції, контексту або іншої характеристики, тест може мати кілька нормативних таблиць або одну модель, що враховує ці змінні.

Чи кращі національні норми за міжнародні?

Не автоматично. Якість залежить від відповідності референтної популяції вашому використанню, якості вибірки, методології, актуальності й психометричних доказів. Для локального рішення добре зроблені локальні норми можуть бути релевантнішими за ширші, але саме «локальність» не гарантує якості.

Чи можна використовувати американські або європейські норми в Україні?

Лише якщо є достатні докази, що така інтерпретація придатна для конкретної української популяції та мети. Простого перекладу тесту недостатньо.

Який розмір нормативної вибірки достатній?

Єдиного числа немає. Потрібний N визначається необхідною точністю, методом нормування, кількістю підгруп, формою розподілу, коваріатами та ділянкою розподілу, яка важлива для рішень.

Чим норма відрізняється від cutoff?

Норма описує відносне місце в референтній популяції. Cutoff — порогове значення, створене для конкретного рішення або класифікації. Поріг не є автоматично діагностичною межею.

Чи означає 90-й процентиль «дуже добре»?

Ні. Процентиль показує напрям і місце в розподілі, а оцінне значення залежить від того, що вимірює шкала. Для деяких рис вищий бал може означати більше труднощів.

Чи можуть норми застаріти?

Так. Якщо популяційний розподіл змінюється з часом, старі норми можуть давати систематично зміщену інтерпретацію. Потрібно знати дату нормативних даних і мати докази їх актуальності.