Słownik metodologiczny · Psychometria

Rzetelność w psychometrii – co to jest, jakie ma rodzaje i jak błąd pomiaru zmienia wyniki?

Rzetelność to dokładność pomiaru – udział wariancji wyników prawdziwych w wynikach obserwowanych. Wyjaśniamy klasyczną teorię testów, rodzaje rzetelności, standardowy błąd pomiaru, osłabienie korelacji i to, dlaczego ta sama skala może mieć różną rzetelność w różnych próbach.

Strona główna / Słownik / Rzetelność (psychometria)
W skrócie: Rzetelność to dokładność pomiaru: udział wariancji wyników prawdziwych w wariancji wyników obserwowanych (ρ = σ²T / σ²X). Szacuje się ją jako stabilność (test–retest), równoważność wersji, spójność wewnętrzną lub zgodność oceniających. Błąd pomiaru poszerza przedział wokół wyniku osoby (SEM = SD × √(1 − ρ)) i zaniża korelacje. Rzetelność dotyczy wyników w konkretnej próbie, więc podawaj ją dla własnych danych.

Co to jest rzetelność?

Rzetelność (ang. reliability) to dokładność pomiaru: stopień, w jakim wyniki testu są wolne od błędu losowego i dałyby się powtórzyć w podobnych warunkach. Wynik rzetelnego kwestionariusza stresu niewiele się zmieni, jeśli ta sama osoba wypełni go jutro albo dostanie równoległą wersję z innymi, ale równoważnymi pozycjami. Rzetelność jest warunkiem trafności, ale jej nie gwarantuje: test może bardzo dokładnie mierzyć coś innego, niż zamierzono.

Revelle i Condon (2019) podkreślają, że rzetelność to problem każdego pomiaru, a nie tylko psychometrów. Dotyczy każdego, kto wyciąga wnioski z wyników pojedynczych osób albo grup. Ważna jest jeszcze jedna rzecz: rzetelność jest właściwością wyników w danej populacji, a nie samego testu. Dlatego standardy testowe wymagają podawania oszacowań rzetelności dla tej grupy, której dotyczą wnioski (American Educational Research Association i in., 2014).

Rzetelność w klasycznej teorii testów

Klasyczna teoria testów zakłada, że każdy wynik obserwowany X to suma wyniku prawdziwego T (ang. true score) i błędu losowego E, niezależnego od wyniku prawdziwego:

X = T + E, więc σ²X = σ²T + σ²E

Rzetelność to udział wariancji wyników prawdziwych w wariancji wyników obserwowanych:

ρXX′ = σ²T / σ²X = 1 − σ²E / σ²X

Z tej definicji wynikają trzy równoważne interpretacje. Rzetelność .80 oznacza, że 80% wariancji wyników to różnice prawdziwe, że dwa pomiary równoległe korelują na poziomie .80 i że kwadrat korelacji wyniku obserwowanego z prawdziwym wynosi .80. Wyniku prawdziwego nie obserwujemy, więc rzetelność się szacuje. Metoda zależy od tego, jakie źródło błędu nas interesuje.

Rodzaje rzetelności i sposoby jej oszacowania

Rodzaje rzetelności, źródło błędu, które obejmują, i typowe współczynniki
RodzajPytanieTypowe miary
StabilnośćCzy wyniki są podobne po upływie czasu?rzetelność test–retest (ICC)
RównoważnośćCzy dwie wersje testu dają te same wyniki?korelacja wersji równoległych
Spójność wewnętrznaCzy pozycje jednej skali mierzą to samo?spójność wewnętrzna: alfa, omega McDonalda, KR-20, rzetelność połówkowa
Zgodność oceniającychCzy wynik zależy od tego, kto ocenia?ICC, kappa Cohena; zob. obiektywność

Te miary nie są wymienne. Wysoka spójność wewnętrzna nie mówi nic o stabilności cechy w czasie, a wysoka korelacja test–retest nie mówi, czy pozycje mierzą jeden konstrukt. Revelle i Condon (2019) zalecają, by przy jednym pomiarze raportować oszacowania oparte na modelu (ω) zamiast samej alfy, a dla ocen sędziów – ICC lub κ.

Przykład: co oznacza rzetelność .80

Pięćset osób (dane symulowane) wypełniło dwie równoległe wersje skali stresu wyrażonej w wynikach T (M = 50, SD = 10). Wyniki prawdziwe i błędy pomiaru wylosowano tak, by rzetelność wynosiła .80.

Krok 1. Trzy definicje, jedna liczba. W próbie udział wariancji prawdziwej w wariancji obserwowanej wyniósł .81, korelacja wersji równoległych – .80, a kwadrat korelacji wyniku obserwowanego z prawdziwym – .80. W praktyce dostępna jest tylko druga z tych liczb, ale wszystkie trzy opisują tę samą właściwość.

Krok 2. Błąd pomiaru pojedynczej osoby. Standardowy błąd pomiaru (SEM, nie mylić z błędem standardowym średniej) to odchylenie standardowe błędów pomiaru (Harvill, 1991):

SEM = SDX × √(1 − ρXX′) = 10.85 × √(1 − .80) = 4.90

Osoba z wynikiem 65 punktów ma więc 95% przedział od 55.4 do 74.6 punktu. To szeroki przedział – obejmuje zarówno wynik ledwie powyżej przeciętnej, jak i bardzo wysoki. W symulacji taki przedział objął wynik prawdziwy u 93% osób. Harvill (1991) zaleca stosowanie takich przedziałów przy interpretacji wyników indywidualnych i ostrzega przed nadinterpretacją różnic mieszczących się w granicach błędu. Jak to wygląda w praktyce diagnostycznej, pokazują hasła skala IQ i skala stenowa.

Krok 3. Osłabienie korelacji. Błąd pomiaru zaniża korelacje. Korelacja prawdziwych poziomów stresu i wypalenia wyniosła w próbie .52, ale stres mierzono z rzetelnością .80, a wypalenie – z rzetelnością .72. Obserwowana korelacja wyniosła tylko .39. Schmidt i Hunter (1996) pokazują na wielu scenariuszach badawczych, że obserwowana korelacja zależy od korelacji prawdziwej i rzetelności obu miar:

robs = rprawdziwa × √(ρXX′ × ρYY′)

Po przekształceniu wzoru otrzymujemy korektę na osłabienie: .39 / √(.80 × .72) = .51, czyli niemal tyle, ile wynosi korelacja prawdziwa (rysunek 1B). Korekta ma sens tylko wtedy, gdy oszacowania rzetelności są dobre; przy zaniżonej rzetelności korelacja „skorygowana” jest zawyżona.

Krok 4. Ta sama skala, inna rzetelność. W podgrupie 140 osób z wysokim stresem (wynik prawdziwy powyżej 55) korelacja wersji równoległych spadła do .63. Skala i błąd pomiaru się nie zmieniły – zmalało zróżnicowanie osób (SD wyników z 10.85 do 6.95), więc błąd stanowi większą część wariancji. Hedge i in. (2018) opisują to samo zjawisko w zadaniach poznawczych: zadania, w których wszyscy reagują podobnie, dają silne efekty eksperymentalne, ale słabo różnicują ludzi i mają niską rzetelność.

A: wykres rozrzutu dwóch pomiarów równoległych 500 osób, korelacja .80 w całej próbie i .63 w podgrupie z wysokim stresem. B: oczekiwana korelacja obserwowana w zależności od rzetelności X i Y przy korelacji prawdziwej .52; obserwowane r = .39 przy rzetelnościach .80 i .72
Rysunek 1. A: wyniki dwóch pomiarów równoległych; czerwone punkty to osoby z wysokim stresem, wśród których rzetelność jest niższa, bo próba jest mniej zróżnicowana. B: jak błąd pomiaru obu zmiennych obniża korelację obserwowaną względem prawdziwej (.52). Obliczenia: R (dane symulowane).

Jaka rzetelność jest wystarczająca?

Nie ma jednej granicy. Wymagania zależą od zastosowania. W badaniach porównujących średnie grup błąd pomiaru częściowo się uśrednia i zwykle akceptuje się niższe wartości niż przy decyzjach o pojedynczej osobie, gdzie liczy się szerokość przedziału wokół jej wyniku. Zamiast szukać progu, odpowiedz na dwa pytania: jak szeroki jest przedział wokół wyniku indywidualnego (SEM) i o ile błąd pomiaru zaniży korelacje oraz moc twoich analiz.

Jak opisać rzetelność w pracy (APA)

Podaj rodzaj rzetelności i współczynnik obliczony w twojej próbie, najlepiej z 95% przedziałem ufności, osobno dla każdej skali i podskali. Gdy interpretujesz wyniki indywidualne, dodaj SEM. Wiele skal zbierz w tabeli według wzoru tabeli rzetelności w APA.

Rzetelność skali stresu oszacowano metodą wersji równoległych: korelacja wyników obu wersji w badanej próbie (N = 500) wyniosła r = .80. Standardowy błąd pomiaru wyniósł 4.90 punktu T, co dla wyniku 65 punktów daje 95% przedział od 55.4 do 74.6. Ponieważ błąd pomiaru zaniża korelacje, dodatkowo podano korelację stresu z wypaleniem skorygowaną na osłabienie (rzetelność skali wypalenia .72): r = .39 przed korektą i .51 po korekcie.

Praktyczne zasady oceny spójności wewnętrznej opisuje poradnik alfa Cronbacha – jak oceniać rzetelność skali bez uproszczeń.

Przykład reprodukowalny

Rzetelność w R

Kod symuluje wyniki prawdziwe, dwa pomiary równoległe i drugą zmienną mierzoną z błędem, a następnie liczy trzy definicje rzetelności, SEM i przedział dla jednej osoby, osłabienie korelacji z korektą oraz rzetelność w mniej zróżnicowanej podgrupie. Liczby w tekście i na rysunku pochodzą z tego kodu.

Klasyczna teoria testów: X = T + E

Dane wejściowe: wyniki prawdziwe i dwa pomiary równoległe stresu oraz dwa pomiary wypalenia u 500 osób (dane symulowane, set.seed(1523)).

Co odczytać: trzy definicje rzetelności, SEM i granice przedziału, odsetek przedziałów obejmujących wynik prawdziwy, korelację prawdziwą, obserwowaną i skorygowaną, rzetelność w całej próbie i w podgrupie z wysokim stresem.

R
# Rzetelność w klasycznej teorii testów: X = T + E (dane symulowane)
set.seed(1523)
N <- 500
T_stres <- rnorm(N, 50, 10)                 # wynik prawdziwy: stres (skala T)
rho <- 0.80                                  # zakładana rzetelność
sd_E <- sqrt(100 * (1 - rho) / rho)          # SD błędu, przy której var(T)/var(X) = .80
X1 <- T_stres + rnorm(N, 0, sd_E)            # pomiar 1
X2 <- T_stres + rnorm(N, 0, sd_E)            # pomiar równoległy (np. druga wersja testu)

# 1. Trzy równoważne definicje rzetelności
round(c(sd_bledu = sd_E, var_T_do_var_X = var(T_stres) / var(X1), r_X1_X2 = cor(X1, X2),
        r_X_T_kwadrat = cor(X1, T_stres)^2), 3)

# 2. Standardowy błąd pomiaru i przedział dla wyniku jednej osoby
SEM <- sd(X1) * sqrt(1 - cor(X1, X2))
round(c(SD_X = sd(X1), rzetelnosc = cor(X1, X2), SEM = SEM), 2)
x_os <- 65
round(c(dolna = x_os - 1.96 * SEM, gorna = x_os + 1.96 * SEM), 1)
# Ile osób ma przedział 95% obejmujący swój wynik prawdziwy?
round(mean(abs(X1 - T_stres) <= 1.96 * SEM), 3)

# 3. Osłabienie korelacji: prawdziwa korelacja stresu z wypaleniem = .50
T_wyp <- 0.5 * scale(T_stres)[, 1] + rnorm(N, 0, sqrt(1 - 0.25))
Y <- T_wyp + rnorm(N, 0, sqrt((1 - 0.70) / 0.70))        # wypalenie mierzone z rzetelnością .70
Y2 <- T_wyp + rnorm(N, 0, sqrt((1 - 0.70) / 0.70))
r_prawdziwa <- cor(T_stres, T_wyp); r_obs <- cor(X1, Y); rzet_Y <- cor(Y, Y2)
round(c(r_prawdziwa = r_prawdziwa, r_obserwowana = r_obs, oczekiwana = r_prawdziwa * sqrt(0.80 * 0.70),
        rzet_X = cor(X1, X2), rzet_Y = rzet_Y, r_skorygowana = r_obs / sqrt(cor(X1, X2) * rzet_Y)), 3)

# 4. Rzetelność zależy od zróżnicowania próby: ten sam test u osób z wysokim stresem (T > 55)
wys <- T_stres > 55
round(c(n = sum(wys), SD_X_cala = sd(X1), SD_X_wysoki = sd(X1[wys]),
        rzet_cala = cor(X1, X2), rzet_wysoki = cor(X1[wys], X2[wys])), 3)
Wynik w R
      sd_bledu var_T_do_var_X        r_X1_X2  r_X_T_kwadrat 
         5.000          0.812          0.796          0.795 
      SD_X rzetelnosc        SEM 
     10.85       0.80       4.90 
dolna gorna 
 55.4  74.6 
[1] 0.93
  r_prawdziwa r_obserwowana    oczekiwana        rzet_X        rzet_Y 
        0.524         0.385         0.392         0.796         0.723 
r_skorygowana 
        0.507 
          n   SD_X_cala SD_X_wysoki   rzet_cala rzet_wysoki 
    140.000      10.846       6.953       0.796       0.634 

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów bazowych); rysunek 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

  • „Test ma rzetelność .85” – rzetelność dotyczy wyników w konkretnej grupie; w mniej zróżnicowanej próbie może być wyraźnie niższa. Podaj oszacowanie z własnych danych.
  • Utożsamianie rzetelności z alfą Cronbacha – alfa to tylko jedno oszacowanie jednego rodzaju rzetelności, oparte na mocnych założeniach.
  • Traktowanie rzetelności jak trafności – dokładny pomiar niewłaściwej cechy nadal jest niewłaściwy.
  • Interpretowanie różnicy dwóch wyników bez SEM – różnica kilku punktów może mieścić się w granicach błędu.
  • Wniosek „brak związku” przy słabo rzetelnych miarach – błąd pomiaru zaniża korelacje i obniża moc.
  • Korekta na osłabienie bez zastrzeżeń – skorygowana korelacja jest oszacowaniem dla wyników prawdziwych, a nie wynikiem obserwowanym; podawaj obie wartości.

Najczęstsze pytania

Co to jest rzetelność testu psychologicznego?

To dokładność pomiaru: na ile wyniki są wolne od błędu losowego i dałyby się powtórzyć. Formalnie rzetelność to udział wariancji wyników prawdziwych w wariancji wyników obserwowanych; rzetelność .80 oznacza, że 80% zróżnicowania wyników to prawdziwe różnice między osobami.

Jakie są rodzaje rzetelności?

Najczęściej wyróżnia się stabilność w czasie (test–retest), równoważność wersji równoległych, spójność wewnętrzną (alfa, omega, KR-20, rzetelność połówkowa) i zgodność oceniających (ICC, kappa). Każdy rodzaj obejmuje inne źródło błędu, więc nie są one wymienne.

Co to jest standardowy błąd pomiaru (SEM)?

To odchylenie standardowe błędów pomiaru, obliczane jako SD × √(1 − rzetelność). Służy do budowania przedziału wokół wyniku jednej osoby: przy SD = 10.85 i rzetelności .80 SEM wynosi 4.90, więc 95% przedział dla wyniku 65 to od 55.4 do 74.6.

Czym różni się rzetelność od trafności?

Rzetelność mówi, jak dokładnie test mierzy, a trafność – czy mierzy to, co ma mierzyć, i czy interpretacje wyników są uzasadnione. Niska rzetelność ogranicza trafność, ale wysoka jej nie zapewnia.

Dlaczego niska rzetelność zaniża korelacje?

Błąd losowy dodaje do wyników zmienność niezwiązaną z żadną inną zmienną, więc obserwowana korelacja jest mniejsza od prawdziwej. W przybliżeniu równa się ona korelacji prawdziwej pomnożonej przez pierwiastek z iloczynu rzetelności obu miar.

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. American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. https://www.testingstandards.net/open-access-files.html ● Otwarty dostęp
  2. Harvill, L. M. (1991). Standard error of measurement. Educational Measurement: Issues and Practice, 10(2), 33–41. https://doi.org/10.1111/j.1745-3992.1991.tb00195.x
  3. Hedge, C., Powell, G., & Sumner, P. (2018). The reliability paradox: Why robust cognitive tasks do not produce reliable individual differences. Behavior Research Methods, 50(3), 1166–1186. https://doi.org/10.3758/s13428-017-0935-1 ● Otwarty dostęp
  4. Revelle, W., & Condon, D. M. (2019). Reliability from α to ω: A tutorial. Psychological Assessment, 31(12), 1395–1411. https://doi.org/10.1037/pas0000754 ● Otwarty dostęp
  5. Schmidt, F. L., & Hunter, J. E. (1996). Measurement error in psychological research: Lessons from 26 research scenarios. Psychological Methods, 1(2), 199–223. https://doi.org/10.1037/1082-989x.1.2.199

Cytowania BibTeX

@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{harvill1991standard, author={Harvill, Leo M.}, title={{Standard error of measurement}}, journal={Educational Measurement: Issues and Practice}, year={1991}, volume={10}, number={2}, pages={33--41}, doi={10.1111/j.1745-3992.1991.tb00195.x}}
@article{hedge2018reliability, author={Hedge, Craig and Powell, Georgina and Sumner, Petroc}, title={{The reliability paradox: Why robust cognitive tasks do not produce reliable individual differences}}, journal={Behavior Research Methods}, year={2018}, volume={50}, number={3}, pages={1166--1186}, doi={10.3758/s13428-017-0935-1}}
@article{revelle2019reliability, author={Revelle, William and Condon, David M.}, title={{Reliability from α to ω: A tutorial}}, journal={Psychological Assessment}, year={2019}, volume={31}, number={12}, pages={1395--1411}, doi={10.1037/pas0000754}}
@article{schmidt1996measurement, author={Schmidt, Frank L. and Hunter, John E.}, title={{Measurement error in psychological research: Lessons from 26 research scenarios}}, journal={Psychological Methods}, year={1996}, volume={1}, number={2}, pages={199--223}, doi={10.1037/1082-989x.1.2.199}}
R