Słownik metodologiczny · Psychometria

Ipsatyzacja – czym są wyniki ipsatywne i kiedy warto je stosować?

Ipsatyzacja odnosi odpowiedzi osoby do jej własnej średniej, a nie do wyników innych ludzi. Pokazujemy wzory, przykład z hierarchią sześciu wartości, sztuczne ujemne korelacje −1/(k − 1) i to, czego wyniki ipsatywne nie powiedzą.

Strona główna / Słownik / Ipsatyzacja
W skrócie: Ipsatyzacja to przekształcenie, w którym od każdej odpowiedzi osoby odejmuje się jej własną średnią (czasem dzieląc też przez jej SD). Wynik ipsatywny pokazuje hierarchię cech wewnątrz osoby, a nie poziom cechy na tle innych. Wyniki każdej osoby sumują się do zera, więc korelacje między skalami przesuwają się średnio do −1/(k − 1), a związki z kryterium sumują się do zera. Stosuj ją tylko wtedy, gdy pytanie dotyczy profilu, nie poziomu.

Co to jest ipsatyzacja?

Ipsatyzacja (ang. ipsatization, od łac. ipse – „sam”) to przekształcenie wyników, w którym każdą odpowiedź osoby odnosi się do jej własnej średniej, a czasem także do jej własnego odchylenia standardowego. Wynik ipsatywny nie mówi więc, jak wysoko osoba ocenia daną cechę w porównaniu z innymi ludźmi, tylko jak wysoko ocenia ją na tle swoich pozostałych odpowiedzi. Przeciwieństwem są wyniki normatywne, interpretowane względem grupy odniesienia, np. przez normy testowe.

W psychologii ipsatyzację stosuje się głównie w trzech sytuacjach:

  • Badanie hierarchii lub profilu – np. które wartości, zainteresowania zawodowe albo motywy są dla osoby ważniejsze od innych.
  • Korekta stylu odpowiadania – część osób zaznacza na skali Likerta wysokie odpowiedzi niezależnie od treści (potakiwanie), inne używają tylko środka skali. Odjęcie średniej osoby usuwa różnice w ogólnym poziomie odpowiedzi.
  • Format z wymuszonym wyborem – gdy osoba szereguje stwierdzenia albo wybiera „bardziej do mnie pasuje” z bloku pozycji, wyniki są ipsatywne z samej konstrukcji testu, bez żadnego przeliczania.

Rozróżnienie wyników ipsatywnych, normatywnych i normatywnych z wymuszonym wyborem opisał w klasycznym przeglądzie Hicks (1970). Nie myl ipsatyzacji ze standaryzacją zmiennej: tam odejmuje się średnią całej próby od wyników jednej zmiennej (kolumny), a tu – średnią jednej osoby od jej wyników na wszystkich zmiennych (wierszu).

Wzory i rodzaje ipsatyzacji

Dla osoby i i skali j (spośród k skal) najczęściej stosuje się dwa przekształcenia:

centrowanie wewnątrzosobowe: x*ij = xij − Mi
standaryzacja wewnątrzosobowa: z*ij = (xij − Mi) / SDi

Mi i SDi to średnia i odchylenie standardowe odpowiedzi tej samej osoby na wszystkie k skal (albo pozycje). Centrowanie usuwa różnice w ogólnym poziomie odpowiedzi, a standaryzacja – dodatkowo różnice w tym, jak szeroko ktoś korzysta ze skali. Fischer (2004) porządkuje takie korekty według dwóch kryteriów: jaką informację wykorzystują (średnią czy także odchylenie standardowe) i skąd ją biorą (od osoby, z grupy czy z całej kultury). Procedury „od osoby” to właśnie ipsatyzacja. Ta sama logika stoi za centrowaniem wokół średniej osoby w modelach wielopoziomowych.

Po ipsatyzacji każda osoba ma sumę wyników równą zero. Z tej jednej własności wynikają wszystkie konsekwencje opisane niżej.

Przykład: ważność sześciu wartości

Trzysta osób (dane symulowane) oceniło na skali od 1 do 7, jak ważne jest dla nich sześć wartości: samodzielność, osiągnięcia, życzliwość, bezpieczeństwo, hedonizm i tradycja. Wyniki zależały od rzeczywistej hierarchii wartości, ale także od stylu odpowiadania – część osób zaznaczała wszędzie wysokie odpowiedzi. Badani wypełnili też skalę satysfakcji z życia.

Krok 1. Ten sam profil przy różnym stylu. Tabela pokazuje trzy osoby. Osoby A i B mają identyczną hierarchię, ale A odpowiada średnio o 3 punkty wyżej. Po odjęciu średniej osoby ich wyniki są takie same. Osoba C ma podobną średnią do A, ale mocniej różnicuje wartości – życzliwość wybija się u niej o 2.33 punktu ponad jej średnią, a tradycja leży 3.67 punktu poniżej.

Odpowiedzi surowe trzech osób i ich wyniki po centrowaniu wewnątrzosobowym
OsobaOdpowiedzi surowe (samodzielność … tradycja)M osobyWyniki ipsatywne x − M
A7, 6, 7, 6, 5, 45.831.17, 0.17, 1.17, 0.17, −0.83, −1.83
B4, 3, 4, 3, 2, 12.831.17, 0.17, 1.17, 0.17, −0.83, −1.83
C6, 5, 7, 5, 4, 14.671.33, 0.33, 2.33, 0.33, −0.67, −3.67
Dwa panele. A: odpowiedzi surowe trzech osób na skali 1–7; profil osoby A leży o 3 punkty wyżej niż profil B. B: po odjęciu średniej osoby profile A i B nakładają się, a profil C wyróżnia się wyższą życzliwością (2.33) i niższą tradycją (−3.67)
Rysunek 1. Profile wartości trzech osób przed ipsatyzacją (A) i po niej (B). Po odjęciu średniej osoby linie A i B (przerywana) pokrywają się, bo różnią się tylko poziomem odpowiedzi. Obliczenia: R (dane symulowane).

Krok 2. Korelacje między skalami. W wynikach surowych średnia korelacja między sześcioma wartościami wyniosła r = .38 – głównie dlatego, że osoby „odpowiadające wysoko” miały wysokie wyniki wszędzie. Po ipsatyzacji średnia korelacja wyniosła −.20, czyli dokładnie −1/(k − 1) = −1/5. To nie jest odkrycie empiryczne, tylko skutek arytmetyki: skoro wyniki osoby sumują się do zera, wyższy wynik na jednej skali musi oznaczać niższe wyniki na innych. Dla każdej skali suma jej kowariancji z wszystkimi sześcioma skalami (łącznie z wariancją) wynosi 0.

Krok 3. Związki z kryterium. W wynikach surowych wszystkie wartości korelowały dodatnio z satysfakcją z życia, od r = .10 (tradycja) do .35 (życzliwość). W symulacji związek z satysfakcją miała naprawdę tylko życzliwość; resztę wytworzył wspólny styl odpowiadania w obu kwestionariuszach, czyli wspólna wariancja metody. Po ipsatyzacji korelacja życzliwości spadła do .19, a pozostałe zbliżyły się do zera – z jednym wyjątkiem: tradycja dostała r = −.16, choć w danych nie miała z satysfakcją żadnego związku. Kowariancje sześciu skal ipsatywnych z kryterium sumują się do zera, więc dodatni związek jednej skali „wypycha” inne poniżej zera (rysunek 2).

Wykres różnic korelacji sześciu wartości z satysfakcją z życia: wyniki surowe od .10 do .35, wyniki ipsatywne od −.16 (tradycja) do .19 (życzliwość)
Rysunek 2. Korelacje wartości z satysfakcją z życia w wynikach surowych (szare punkty) i ipsatywnych (czerwone). Ipsatyzacja usuwa wspólny styl odpowiadania, ale wymusza ujemną korelację tradycji, której w danych nie było. Obliczenia: R (dane symulowane).

Krok 4. Średnie grupy. Po ipsatyzacji średnie mówią tylko o hierarchii w grupie: życzliwość (0.52) i samodzielność (0.33) leżą powyżej średniej osób, tradycja (−0.83) – najniżej. Nie da się już powiedzieć, czy grupa ceni wartości ogólnie wysoko, czy nisko.

Co ipsatyzacja zmienia w analizach

Brown i Maydeu-Olivares (2013) zebrali problemy danych ipsatywnych, które pojawiają się zarówno po przeliczeniu, jak i przy tradycyjnym punktowaniu testów z wymuszonym wyborem:

  • Profile są zniekształcone – nikt nie może mieć wszystkich wyników wysokich ani wszystkich niskich.
  • Struktura korelacji jest sztuczna – kowariancje każdej skali z pozostałymi sumują się do zera, więc korelacje przesuwają się w stronę wartości ujemnych, a analiza czynnikowa takiej macierzy daje wyniki trudne do zinterpretowania.
  • Trafność kryterialna jest zniekształcona – współczynniki trafności skal ipsatywnych względem jednego kryterium sumują się do zera.
  • Oszacowania rzetelności są niepewne, bo błąd pomiaru jednej skali przenosi się na pozostałe.

Fischer (2004) zauważa, że takie korekty stały się popularne w badaniach międzykulturowych, ale wyniki analiz na danych standaryzowanych w ten sposób są niejednoznaczne. Nie wiadomo bowiem, ile usunięto stylu odpowiadania, a ile prawdziwych różnic w poziomie cechy. W kwestionariuszach z wymuszonym wyborem Brown i Maydeu-Olivares (2013) proponują rozwiązanie modelowe: punktowanie modelem IRT Thurstone’a, który odtwarza wyniki normatywne z porównań w blokach (zob. teoria reagowania na pozycje testowe).

Ipsatyzuj tylko wtedy, gdy pytanie badawcze dotyczy hierarchii wewnątrz osoby. Gdy chcesz porównać poziom cechy między osobami lub grupami, potrzebujesz wyników normatywnych. Styl odpowiadania kontroluj wtedy innymi metodami, np. pozycjami zrównoważonymi kierunkiem (zob. pozycja odwrócona) albo osobnym wskaźnikiem potakiwania w modelu.

Jak opisać ipsatyzację w pracy

Podaj, z ilu skal liczono średnią osoby, czy wyniki tylko centrowano, czy także dzielono przez SD osoby, co zrobiono z osobami o identycznych odpowiedziach (dla nich SDi = 0 i standaryzacja jest niewykonalna – w przykładzie były dwie takie osoby) i dlaczego wybrano wyniki ipsatywne. Wyniki interpretuj jako hierarchię, nie jako poziom cechy.

Ponieważ pytanie badawcze dotyczyło hierarchii wartości, a nie ich bezwzględnego poziomu, odpowiedzi na sześć skal wartości (1–7) poddano ipsatyzacji: od każdej odpowiedzi odjęto średnią odpowiedzi danej osoby na wszystkie sześć skal. Wyniki ipsatywne sumują się u każdej osoby do zera, dlatego średnia korelacja między skalami wyniosła −.20, czyli −1/(k − 1). Najwyżej cenioną wartością była życzliwość (M = 0.52 powyżej średniej osoby), a najniżej – tradycja (M = −0.83). Korelacji skal ipsatywnych z innymi zmiennymi nie interpretowano jako związku poziomu wartości z tymi zmiennymi.
Przykład reprodukowalny

Ipsatyzacja w R

Kod tworzy dane z przykładu, ipsatyzuje je (centrowanie i standaryzacja wewnątrzosobowa) i porównuje korelacje, kowariancje oraz średnie przed przekształceniem i po nim. Liczby w tekście i na rysunkach pochodzą z tego kodu.

Centrowanie i standaryzacja w wierszach

Dane wejściowe: oceny ważności sześciu wartości (1–7) i wynik satysfakcji z życia 300 osób (dane symulowane, set.seed(148)).

Co odczytać: sumy wierszy po ipsatyzacji (0), wyniki osób A–C, średnią korelację przed i po ipsatyzacji, sumy kowariancji (0), korelacje z kryterium i średnie grupy.

R
# Ipsatyzacja: centrowanie i standaryzacja wyników wewnątrz osoby (dane symulowane)
set.seed(148)
N <- 300
wartosci <- c("samodzielnosc", "osiagniecia", "zyczliwosc", "bezpieczenstwo", "hedonizm", "tradycja")
k <- length(wartosci)
# Prawdziwe znaczenie wartości (profil) + styl odpowiadania: ogólny poziom (potakiwanie) i rozpiętość skali
profil <- matrix(rnorm(N * k, 0, 0.5), N, k)
poziom <- rnorm(N, 0, 0.7)                     # skłonność do zaznaczania wysokich odpowiedzi
rozpietosc <- runif(N, 0.6, 1.4)               # jak szeroko osoba używa skali
srednie_wart <- c(0.6, 0.3, 0.8, 0.4, 0.1, -0.6)
surowe <- sapply(1:k, function(j) round(4.3 + poziom + rozpietosc * (srednie_wart[j] + profil[, j]) +
                                          rnorm(N, 0, 0.5)))
surowe <- pmin(pmax(surowe, 1), 7)              # skala ważności 1–7
colnames(surowe) <- wartosci
satysfakcja <- round(20 + 2.5 * poziom + 2 * profil[, 3] + rnorm(N, 0, 4))   # kryterium zewnętrzne

# 1. Ipsatyzacja: odjęcie średniej osoby (centrowanie) i podział przez jej SD (standaryzacja)
M_os  <- rowMeans(surowe)
SD_os <- apply(surowe, 1, sd)
ips_c <- surowe - M_os
ips_z <- ips_c / SD_os
round(c(min_suma_wiersza = min(rowSums(ips_c)), max_suma_wiersza = max(rowSums(ips_c)),
        osoby_SD_0 = sum(SD_os == 0)), 10)

# 2. Dwie osoby o tym samym profilu, ale innym stylu odpowiadania (wiersze przykładowe)
AB <- rbind(A = c(7, 6, 7, 6, 5, 4), B = c(4, 3, 4, 3, 2, 1), C = c(6, 5, 7, 5, 4, 1))
colnames(AB) <- wartosci
round(cbind(AB - rowMeans(AB), M = rowMeans(AB)), 2)
round((AB - rowMeans(AB)) / apply(AB, 1, sd), 2)
sum(apply(surowe, 1, function(x) all(x == x[1])))   # osoby z identycznymi odpowiedziami: SD = 0

# 3. Korelacje między wartościami: surowe a po ipsatyzacji
sr_r <- function(R) mean(R[lower.tri(R)])
round(c(surowe = sr_r(cor(surowe)), ipsatywne = sr_r(cor(ips_c)), granica = -1 / (k - 1)), 3)
round(cor(ips_c), 2)

# 4. Kowariancje każdej skali z pozostałymi i z kryterium sumują się do zera
round(rowSums(cov(ips_c)), 10)
kow_kryt <- cov(ips_c, satysfakcja)
round(c(kow_kryt[, 1], suma = sum(kow_kryt)), 3)

# 5. Związek z ogólnym poziomem odpowiedzi (wskaźnik stylu)
round(c(surowe_z_M_osoby = mean(cor(surowe, M_os)), ipsatywne_z_M_osoby = mean(cor(ips_c, M_os))), 3)
round(cbind(r_surowe = cor(surowe, satysfakcja)[, 1], r_ipsatywne = cor(ips_c, satysfakcja)[, 1]), 2)

# 6. Średnie grupowe: co zostaje po ipsatyzacji
round(rbind(surowe = colMeans(surowe), ipsatywne = colMeans(ips_c)), 2)
Wynik w R
min_suma_wiersza max_suma_wiersza       osoby_SD_0 
               0                0                2 
  samodzielnosc osiagniecia zyczliwosc bezpieczenstwo hedonizm tradycja    M
A          1.17        0.17       1.17           0.17    -0.83    -1.83 5.83
B          1.17        0.17       1.17           0.17    -0.83    -1.83 2.83
C          1.33        0.33       2.33           0.33    -0.67    -3.67 4.67
  samodzielnosc osiagniecia zyczliwosc bezpieczenstwo hedonizm tradycja
A          1.00        0.14       1.00           0.14    -0.71    -1.57
B          1.00        0.14       1.00           0.14    -0.71    -1.57
C          0.65        0.16       1.13           0.16    -0.32    -1.78
[1] 2
   surowe ipsatywne   granica 
    0.384    -0.200    -0.200 
               samodzielnosc osiagniecia zyczliwosc bezpieczenstwo hedonizm
samodzielnosc           1.00       -0.15      -0.14          -0.22    -0.16
osiagniecia            -0.15        1.00      -0.25          -0.23    -0.15
zyczliwosc             -0.14       -0.25       1.00          -0.16    -0.25
bezpieczenstwo         -0.22       -0.23      -0.16           1.00    -0.22
hedonizm               -0.16       -0.15      -0.25          -0.22     1.00
tradycja               -0.31       -0.16      -0.20          -0.21    -0.19
               tradycja
samodzielnosc     -0.31
osiagniecia       -0.16
zyczliwosc        -0.20
bezpieczenstwo    -0.21
hedonizm          -0.19
tradycja           1.00
 samodzielnosc    osiagniecia     zyczliwosc bezpieczenstwo       hedonizm 
             0              0              0              0              0 
      tradycja 
             0 
 samodzielnosc    osiagniecia     zyczliwosc bezpieczenstwo       hedonizm 
        -0.095         -0.093          0.557          0.032          0.097 
      tradycja           suma 
        -0.499          0.000 
   surowe_z_M_osoby ipsatywne_z_M_osoby 
              0.698               0.001 
               r_surowe r_ipsatywne
samodzielnosc      0.20       -0.03
osiagniecia        0.20       -0.03
zyczliwosc         0.35        0.19
bezpieczenstwo     0.22        0.01
hedonizm           0.24        0.03
tradycja           0.10       -0.16
          samodzielnosc osiagniecia zyczliwosc bezpieczenstwo hedonizm tradycja
surowe             4.89        4.57       5.08           4.75     4.34     3.73
ipsatywne          0.33        0.01       0.52           0.19    -0.22    -0.83

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów bazowych); rysunki przygotowano w pakietach ggplot2 i patchwork. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://CRAN.R-project.org/package=patchwork

Najczęstsze błędy

  • Porównywanie grup na wynikach ipsatywnych – „kobiety cenią tradycję mniej niż mężczyźni” znaczy po ipsatyzacji tylko tyle, że tradycja zajmuje u nich niższe miejsce w hierarchii.
  • Interpretowanie ujemnych korelacji między skalami jako konfliktu cech – średnia −1/(k − 1) wynika z przekształcenia.
  • Ipsatyzacja przy małej liczbie skal – przy trzech skalach średnia korelacja musi wynosić −.50, a każda skala jest prawie w całości wyznaczona przez dwie pozostałe.
  • Liczenie średniej osoby z różnych zestawów skal – gdy ktoś ma braki danych, jego średnia odnosi się do innego punktu niż średnie pozostałych osób.
  • Brak decyzji co do osób z identycznymi odpowiedziami – ich SD wynosi 0, a wzór na standaryzację wewnątrzosobową daje dzielenie przez zero. Często są to też osoby odpowiadające bez czytania.
  • Traktowanie ipsatyzacji jako uniwersalnej korekty stylu – razem ze stylem usuwa się prawdziwe różnice w ogólnym poziomie cechy.

Najczęstsze pytania

Co to są wyniki ipsatywne?

To wyniki odniesione do innych wyników tej samej osoby, a nie do wyników innych ludzi. Powstają po odjęciu średniej osoby od jej odpowiedzi albo z samej konstrukcji testu z wymuszonym wyborem. U każdej osoby sumują się do zera, więc pokazują tylko, które cechy są u niej silniejsze, a które słabsze.

Czym różni się pomiar ipsatywny od normatywnego?

Pomiar normatywny odnosi wynik do grupy odniesienia – mówi, czy ktoś ma wysoki poziom cechy w porównaniu z innymi. Pomiar ipsatywny porównuje cechy wewnątrz jednej osoby. Dwie osoby o zupełnie różnym poziomie odpowiedzi mogą mieć identyczne wyniki ipsatywne, jeśli mają tę samą hierarchię.

Dlaczego po ipsatyzacji korelacje między skalami są ujemne?

Bo wyniki każdej osoby sumują się do zera: wyższy wynik na jednej skali wymusza niższe na innych. Przy k skalach o podobnej wariancji średnia korelacja wynosi około −1/(k − 1), np. −.20 dla sześciu skal. Tych ujemnych korelacji nie interpretuj jako konfliktu cech.

Czy ipsatyzacja usuwa styl odpowiadania?

Usuwa różnice w ogólnym poziomie odpowiedzi, np. skłonność do zaznaczania wysokich ocen, a standaryzacja wewnątrzosobowa – także różnice w rozpiętości. Razem ze stylem usuwa jednak prawdziwe różnice w ogólnym poziomie cechy i wprowadza sztuczne zależności między skalami, więc nie traktuj jej jako uniwersalnej korekty.

Czy na wynikach ipsatywnych można porównywać grupy testem t lub ANOVA?

Technicznie tak, ale wynik znaczy co innego: różnica dotyczy miejsca cechy w hierarchii osób, a nie jej poziomu. Gdy chcesz porównać poziom cechy między grupami, użyj wyników normatywnych, a w kwestionariuszach z wymuszonym wyborem – punktowania modelem IRT Thurstone’a.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Brown, A., & Maydeu-Olivares, A. (2013). How IRT can solve problems of ipsative data in forced-choice questionnaires. Psychological Methods, 18(1), 36–52. https://doi.org/10.1037/a0030641
  2. Fischer, R. (2004). Standardization to account for cross-cultural response bias. Journal of Cross-Cultural Psychology, 35(3), 263–282. https://doi.org/10.1177/0022022104264122
  3. Hicks, L. E. (1970). Some properties of ipsative, normative, and forced-choice normative measures. Psychological Bulletin, 74(3), 167–184. https://doi.org/10.1037/h0029780

Cytowania BibTeX

@article{brown2013how, author={Brown, Anna and Maydeu-Olivares, Alberto}, title={{How IRT can solve problems of ipsative data in forced-choice questionnaires}}, journal={Psychological Methods}, year={2013}, volume={18}, number={1}, pages={36--52}, doi={10.1037/a0030641}}
@article{fischer2004standardization, author={Fischer, Ronald}, title={{Standardization to account for cross-cultural response bias}}, journal={Journal of Cross-Cultural Psychology}, year={2004}, volume={35}, number={3}, pages={263--282}, doi={10.1177/0022022104264122}}
@article{hicks1970some, author={Hicks, Lou E.}, title={{Some properties of ipsative, normative, and forced-choice normative measures}}, journal={Psychological Bulletin}, year={1970}, volume={74}, number={3}, pages={167--184}, doi={10.1037/h0029780}}
R