Mc-Callova plošná standardizace

McCallova plošná standardizace je metoda, která se používá k transformaci rozdělení s vysokou šikmostí (nesymetrické rozdělení) na normální rozdělení. Pomocí této metody linearizujeme jinak nelineární vztahy nebo upravujeme tvar rozdělení dat tak, aby se více podobalo rozdělení popsanému Gaussovou křivkou. Jde o transformaci hrubých skórů na normální distribuci transformovaných standardních skórů. Podle axiomu normality totiž předpokládáme, že duševní vlastnosti mají (podobně jako fyzické) v populaci normální rozložení. Předpokládá se tedy, že nerovnoměrné rozložení výsledků je dané spíše charakteristikami testu.

Postup

  1. Vytvoříme sloupec hrubých skórů (HS), od nejnižšího dosažitelného skóru po nejvyšší
  2. K HS přiřadíme absolutní četnost (např. 6 lidí získalo v testu 12 bodů ->k HS 12 přiřadíme absolutní četnost 6)
  3. V dalším sloupci vyjádříme relativní četnost (absolutní četnost vydělíme N, to je např. počet lidí, kterým byl test zadán)
  4. Vypočítáme kumulativní relativní četnost (sčítáme relativní četnosti, musí končit hodnotou 1!)
  5. U diskrétních dat korigujeme na spojitost (k předchozí kumulativní relativní četnosti připočítáváme vždy jen polovinu relativní četnosti)
  6. Vyčíslíme Z-skór (v Excelu pomocí funkce NORMSINV z = (X - μ) / σ)
  7. Na základě Z-skóru můžeme převést na libovolný další standardní skór (př. steny, IQ-skór)

Tabulka1.jpg

Ukázka postupu

Tabulka2.jpg