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

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

Ukázka postupu