Normy testowe – co to jest i jak przeliczyć wynik surowy na steny?

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 15 października 2026

Co to są normy testowe?

Normy testowe (ang. test norms) to tabele lub funkcje, które przypisują wynikowi surowemu jego miejsce w rozkładzie wyników określonej populacji odniesienia – np. rangę centylową, wynik T albo sten. Powstają w badaniu próby normalizacyjnej i umożliwiają interpretację normatywną. Liczba 31 punktów w teście pamięci sama nic nie mówi. Informacja „wynik wyższy niż u 57% dorosłych w wieku 20–39 lat” – już tak.

Proces tworzenia norm to normalizacja testu. Ma ona sens tylko wtedy, gdy test jest wystandaryzowany: wszyscy dostają tę samą instrukcję, limit czasu i klucz (standaryzacja). Standardy AERA, APA i NCME przypominają, że trafność interpretacji normatywnej zależy od tego, czy grupa odniesienia jest właściwa – normy z badań pacjentów szpitalnych mogą nie pasować do osób niehospitalizowanych – i czy normy dokładnie opisują swoją populację (American Educational Research Association i in., 2014). Normom przeciwstawia się interpretację kryterialną, w której wynik porównuje się z ustalonym standardem, np. progiem zaliczenia, a nie z wynikami innych osób.

Próba normalizacyjna

Normy powinny dotyczyć jasno opisanej populacji – takiej, z którą użytkownicy testu chcą porównywać badane osoby. Gdy bada się tylko próbę, musi ona być poprawnie dobrana, reprezentatywna i wystarczająco liczna. Raport z normalizacji powinien podawać populację, sposób doboru próby i odsetek uczestnictwa, ewentualne ważenie, daty badania, statystyki opisowe oraz precyzję samych norm (American Educational Research Association i in., 2014). W praktyce próbę normalizacyjną dobiera się warstwowo lub kwotowo według wieku, płci, wykształcenia i miejsca zamieszkania. Grupa studentów zebrana metodą doboru wygodnego nie jest próbą normalizacyjną, nawet jeśli liczy kilkaset osób.

Skale wyników standaryzowanych

Większość norm opiera się na wyniku z: odległości wyniku od średniej grupy normalizacyjnej wyrażonej w odchyleniach standardowych. Pozostałe skale to liniowe przekształcenia z o umownej średniej i odchyleniu standardowym (zob. standaryzacja zmiennej).

Rysunek 1 pokazuje, jak te skale odpowiadają sobie nawzajem, gdy rozkład jest normalny.

Steny i staniny to kategorie o szerokości pół odchylenia standardowego: sten 6 obejmuje wyniki od średniej do 0.5 SD powyżej niej. Ranga centylowa mówi, jaki odsetek wyników w grupie odniesienia jest niższy od danego wyniku (zob. percentyl). Nie ma równych odstępów: przejście od 50. do 60. centyla to tylko 0.25 SD, a od 90. do 99. – 1.04 SD.

Gdy rozkład wyników surowych jest skośny, np. przez efekt sufitu, liniowe z zniekształca pozycję w ogonach. Dlatego w normach stosuje się zwykle wyniki znormalizowane: najpierw rangę centylową, a potem wartość z, która w rozkładzie normalnym odpowiada tej randze. W przykładzie poniżej (skośność −0.75) wynik 39 pkt dawał liniowe z = 1.42, a znormalizowane z = 2.17.

Przykład: tabela norm stenowych krok po kroku

Test pamięci słownej (40 słów do zapamiętania, wynik 0–40 pkt) znormalizowano na próbie 1200 dorosłych – po 400 osób w grupach wiekowych 20–39, 40–59 i 60–79 lat (dane symulowane). Średnie wyniki wyniosły odpowiednio 28.54 (SD = 7.39), 25.24 (SD = 8.32) i 20.34 (SD = 8.52). Normy dla każdej grupy powstały w czterech krokach:

1. Dla każdego wyniku surowego policz rangę centylową metodą punktu środkowego: odsetek osób z niższym wynikiem plus połowa odsetka osób z tym samym wynikiem.
2. Zamień rangę centylową na znormalizowany wynik z (funkcja odwrotna rozkładu normalnego).
3. Przelicz z na T, steny i staniny według wzorów z tabeli powyżej.
4. Zbierz wyniki surowe w przedziały odpowiadające kolejnym stenom.

Trzydziestolatka z wynikiem 31 pkt ma rangę centylową 57.0, znormalizowane z = 0.18, wynik T = 52, sten 6 i stanin 5. Zwróć uwagę na dwie rzeczy. Po pierwsze, wynik testu przyjmuje tylko 41 wartości, więc steny 8 i 9 obejmują po jednym wyniku surowym. Po drugie, odsetki osób w stenach odbiegają od teoretycznych (np. 6.2% zamiast 9.2% w stenie 8). Takie nieregularności są typowe dla krótkich testów i małych grup normalizacyjnych.

Normy dla grup wieku i płci

Gdy wyniki zależą od wieku albo płci, jedna tabela dla wszystkich myli. Standardy wskazują, że w niektórych zastosowaniach przydatne są normy zróżnicowane, np. osobne dla grup wieku lub płci (American Educational Research Association i in., 2014). Rysunek 2 pokazuje, jak ten sam wynik surowy zmienia znaczenie w trzech grupach wiekowych.

Wynik 31 pkt jest przeciętny u osoby w wieku 20–39 lat (sten 6), ale wysoki u osoby w wieku 60–79 lat (sten 8, ranga centylowa 86.4). Tradycyjnie tworzy się osobne tabele dla przedziałów wieku, co wymaga dużych prób w każdym przedziale. Alternatywą jest normalizacja ciągła: model regresyjny opisuje, jak rozkład wyników zmienia się z wiekiem. Lenhard i Lenhard (2021) pokazali w symulacjach, że semiparametryczna normalizacja ciągła daje dokładniejsze normy przy znacznie mniejszych próbach niż tablice dla przedziałów wiekowych. Timmerman i in. (2021) opisują krok po kroku normalizację regresyjną w modelach GAMLSS, dającą normy zależne np. od wieku i płci – od zaplanowania badania po wyprowadzenie i wizualizację wyników znormalizowanych.

Normy przestarzałe i normy z innej populacji

Użyteczność norm maleje z czasem. Standardy zalecają okresowy przegląd norm testów używanych od lat i ich aktualizację, gdy zmieniły się wyniki populacji albo skład osób badanych testem; wydawca powinien udostępniać aktualne normy, a użytkownik – unikać norm nieaktualnych (American Educational Research Association i in., 2014). Przed użyciem norm sprawdź w podręczniku rok badania normalizacyjnego i opisaną populację. Norm z innego kraju lub wersji językowej nie przenosi się bezpośrednio: adaptacja testu wymaga nowych norm dla populacji, w której test będzie używany.

Gdy grupa odniesienia jest mała

W neuropsychologii wynik pacjenta często porównuje się z niewielką grupą kontrolną. Crawford i Howell (1998) zalecają wtedy (przy N < 50) zmodyfikowany test t, w którym osoba badana jest traktowana jak próba o liczebności 1, zamiast zamiany wyniku na z i odczytu z tablic rozkładu normalnego:

Przykład: pacjent w wieku 70 lat uzyskał 6 pkt, a 20 osób z grupy kontrolnej – M = 21.25, SD = 7.87. Według wyniku z = −1.94 niższy wynik ma 2.64% populacji. Test t daje t(19) = −1.89, p = .037 (jednostronnie), czyli szacunkowo 3.70% populacji z niższym wynikiem. Wynik z pomija niepewność średniej i odchylenia z małej próby, więc pokazuje pozycję pacjenta jako bardziej skrajną.

Jak opisać normy w pracy

Gdy korzystasz z gotowego testu, podaj, z jakich norm korzystasz i kiedy powstały. Wzór do rozdziału metodologicznego:

Gdy sam opracowujesz normy, np. w pracy walidacyjnej, opisz elementy wymagane przez Standardy:

Normy uzupełniają, ale nie zastępują dowodów rzetelności i trafności, np. trafności kryterialnej. Cały proces opisuje poradnik jak zbudować i zwalidować skalę psychometryczną.

set.seed(39)
grupy <- c("20-39", "40-59", "60-79")
proba <- do.call(rbind, lapply(1:3, function(g) {
  theta <- rnorm(400, mean = c(0.55, 0, -0.6)[g], sd = 1)        # zdolność w grupie wiekowej
  data.frame(grupa = grupy[g], wynik = rbinom(400, 40, plogis(0.6 + 0.95 * theta)))
}))
aggregate(wynik ~ grupa, data = proba, FUN = function(x) round(c(M = mean(x), SD = sd(x)), 2))
normy <- function(x, zakres = 0:40) {                  # tabela norm dla jednej grupy
  pr <- sapply(zakres, function(w) 100 * (sum(x < w) + 0.5 * sum(x == w)) / length(x))
  pr <- pmin(pmax(pr, 0.1), 99.9)                     # ranga centylowa (punkt środkowy)
  z <- qnorm(pr / 100)                                # z znormalizowane
  data.frame(wynik = zakres, PR = round(pr, 1), z = round(z, 2), T = round(50 + 10 * z),
             sten = pmin(pmax(floor(2 * z + 6), 1), 10), stanin = pmin(pmax(floor(2 * z + 5.5), 1), 9))
}
n20 <- normy(proba$wynik[proba$grupa == "20-39"])
aggregate(wynik ~ sten, data = n20, FUN = range)      # wyniki surowe dla każdego stena (20-39 lat)
t(sapply(grupy, function(g) unlist(subset(normy(proba$wynik[proba$grupa == g]), wynik == 31))))

  grupa wynik.M wynik.SD
1 20-39   28.54     7.39
2 40-59   25.24     8.32
3 60-79   20.34     8.52
   sten wynik.1 wynik.2
1     1       0      11
2     2      12      16
3     3      17      20
4     4      21      25
5     5      26      29
6     6      30      33
7     7      34      36
8     8      37      37
9     9      38      38
10   10      39      40
      wynik   PR    z  T sten stanin
20-39    31 57.0 0.18 52    6      5
40-59    31 69.9 0.52 55    7      6
60-79    31 86.4 1.10 61    8      7

Najczęstsze błędy

• Mylenie rangi centylowej z odsetkiem poprawnych odpowiedzi – ranga 57 oznacza, że 57% grupy odniesienia ma niższy wynik, a nie że osoba rozwiązała 57% zadań.
• Uśrednianie rang centylowych lub stenów – rangi nie mają równych odstępów; średnią grupy licz na wynikach surowych lub z. Standardy zwracają uwagę, że z rang centylowych uczniów nie da się wyznaczyć rangi średniego wyniku szkoły.
• Normy z niewłaściwej grupy – inny wiek, płeć, kraj albo wersja testu niż u osoby badanej.
• Przestarzałe normy – brak informacji, kiedy powstały, i ich użycie bez zastrzeżeń.
• „Normy” z własnej próby wygodnej – steny policzone na 120 studentach opisują pozycję w tej grupie, a nie w populacji; nazwij je wprost wynikami standaryzowanymi w próbie.
• Interpretacja różnicy jednego stena jako realnej zmiany – każdy wynik zawiera błąd pomiaru, który zależy od rzetelności testu; przy granicy dwóch stenów kategoria może zmienić się przypadkiem.

Najczęstsze pytania

Co to są normy testowe?

To tabele lub funkcje, które pozwalają odnieść wynik surowy osoby do wyników określonej populacji, np. dorosłych w wieku 20–39 lat. Wynik podaje się wtedy jako rangę centylową, wynik T, sten albo stanin. Normy opracowuje się na reprezentatywnej próbie normalizacyjnej i opisuje w podręczniku testu razem z datą badania.

Jak przeliczyć wynik surowy na steny?

Najprościej odczytać sten z tabeli norm w podręczniku testu, wybierając tabelę dla wieku i płci osoby badanej. Gdy masz tylko średnią i odchylenie standardowe grupy normalizacyjnej, policz z = (x − M) / SD, a następnie 5.5 + 2z i zaokrąglij do liczby całkowitej z zakresu 1–10. Przy rozkładzie skośnym lepsze są wyniki znormalizowane, liczone przez rangi centylowe.

Czym różnią się steny, staniny i wyniki T?

Wszystkie są przekształceniami wyniku z. Steny mają średnią 5.5 i odchylenie 2 (10 kategorii), staniny – średnią 5 i odchylenie 2 (9 kategorii), a wyniki T – średnią 50 i odchylenie 10. Steny i staniny to szerokie kategorie o szerokości pół odchylenia standardowego, a wynik T zachowuje więcej szczegółów.

Co oznacza ranga centylowa?

To odsetek wyników w grupie odniesienia, które są niższe od danego wyniku. Ranga centylowa 57 oznacza, że około 57% osób z grupy normalizacyjnej uzyskało niższy wynik – a nie że osoba rozwiązała 57% zadań. Rangi centylowe nie mają równych odstępów, dlatego nie należy ich uśredniać.

Czy mogę opracować normy na próbie z pracy magisterskiej?

Możesz przeliczyć wyniki na skale standaryzowane w swojej próbie, ale nie nazywaj ich normami populacyjnymi, jeśli próba nie jest reprezentatywna. Normy wymagają opisanej populacji, poprawnego doboru i wystarczającej liczebności próby oraz raportu z datą badania. Pojedynczy wynik porównywany z małą grupą (N < 50) oceniaj zmodyfikowanym testem t Crawforda i Howella.

Jak często aktualizuje się normy testowe?

Nie ma jednej liczby lat. Standardy AERA, APA i NCME zalecają okresowy przegląd norm testów stosowanych od lat i ich aktualizację, gdy zmieniły się wyniki populacji albo skład osób badanych testem. W pracy zawsze podaj, z którego roku pochodzą użyte normy.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

@book{aera2014standards, author={{American Educational Research Association} and {American Psychological Association} and {National Council on Measurement in Education}}, title={{Standards for educational and psychological testing}}, year={2014}, publisher={American Educational Research Association}, url={https://www.testingstandards.net/open-access-files.html}}

@article{crawford1998comparing, author={Crawford, John R. and Howell, David C.}, title={{Comparing an individual’s test score against norms derived from small samples}}, journal={The Clinical Neuropsychologist}, year={1998}, volume={12}, number={4}, pages={482--486}, doi={10.1076/clin.12.4.482.7241}}

@article{lenhard2021improvement, author={Lenhard, Wolfgang and Lenhard, Alexandra}, title={{Improvement of norm score quality via regression-based continuous norming}}, journal={Educational and Psychological Measurement}, year={2021}, volume={81}, number={2}, pages={229--261}, doi={10.1177/0013164420928457}}

@article{timmerman2021tutorial, author={Timmerman, Marieke E. and Voncken, Lieke and Albers, Casper J.}, title={{A tutorial on regression-based norming of psychological tests with GAMLSS}}, journal={Psychological Methods}, year={2021}, volume={26}, number={3}, pages={357--373}, doi={10.1037/met0000348}}