Słownik metodologiczny · Psychometria

Skala staninowa

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Skala staninowa

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Skala staninowa?

Skala staninowa dzieli rozkład normatywny na dziewięć szerokich kategorii oznaczonych od 1 do 9, ze środkiem przy staninie 5. Ułatwia ogólną klasyfikację wyniku, ale traci część informacji, ponieważ wiele różnych wyników surowych otrzymuje tę samą kategorię.
Co odróżnia to pojęcie? Skala staninowa dzieli rozkład normatywny na dziewięć szerokich kategorii, zwykle ze średnią 5 i odchyleniem około 2. Skrajne staniny obejmują szerokie ogony, dlatego transformacja traci szczegóły wyniku surowego. Służy komunikowaniu pozycji względem konkretnej normy, nie pomiarowi zmiany z dużą precyzją. Zawsze trzeba wskazać tabelę norm, populację i rok normalizacji.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Stosuj dziewięć staninów wyłącznie względem wskazanej populacji normatywnej i nie używaj kategorii do precyzyjnych porównań.

Staniny dzielą rozkład normatywny na dziewięć szerokich kategorii o średniej 5. Wynik ma sens tylko względem właściwej populacji norm i daty normowania; utrata precyzji po kategoryzacji sprawia, że do analiz naukowych lepiej zachować wynik ciągły.

Jak poprawnie stosować i interpretować hasło „Skala staninowa”?

W przypadku pojęcia „Skala staninowa” trzeba określić wynik surowy, grupę odniesienia i funkcję przekształcającą. Przy ocenie hasła „Skala staninowa” ta sama liczba surowa może otrzymać inną interpretację w normach różniących się wiekiem, populacją lub datą. W analizie dotyczącej hasła „Skala staninowa” należy odróżnić liniową transformację wyniku z od skali opartej na percentylach lub kategoriach normatywnych.

Ocena pojęcia „Skala staninowa” obejmuje aktualność i reprezentatywność norm, błąd pomiaru oraz stabilność klasyfikacji przy granicach przedziałów. Dla interpretacji hasła „Skala staninowa” zaokrąglenie do stena lub stanina traci informację i może przesunąć osobę do sąsiedniej kategorii. W odniesieniu do hasła „Skala staninowa” przy porównywaniu grup trzeba sprawdzić, czy pomiar ma w nich porównywalne znaczenie.

Co trzeba opisać w raporcie?

Raport dotyczący „Skala staninowa” powinien podać rodzaj skali, średnią i odchylenie standardowe przyjętej transformacji, źródło norm oraz badaną grupę odniesienia. Przy ocenie hasła „Skala staninowa” w decyzjach indywidualnych warto przedstawić przedział wokół wyniku. W analizie dotyczącej hasła „Skala staninowa” należy zachować również wynik surowy, aby możliwe było ponowne przeliczenie według innych norm.

Zakres raportowania dla hasła „Skala staninowa”: Podaj typ skali, wynik, normy, wersję testu i CI, jeśli dostępny.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Percentyl 78 przypisano do staniny 7 w dziewięciokategorialnej skali. Wyniki z szerokiego przedziału percentyli otrzymują tę samą etykietę.

Jak ją zinterpretować: Stanina grupuje wyniki w dziewięć szerokich kategorii normatywnych, więc osoby o różnych percentylach mogą otrzymać ten sam numer. Interpretacja powinna podać normę i nie przypisywać pozornej precyzji.

Najczęstsza pułapka i granica interpretacji

Dziewięć kategorii staninowych traci informację o różnicach wewnątrz każdego przedziału.

Wysoki lub niski „Skala staninowa” opisuje pozycję względem konkretnej grupy, a nie niezmienną cechę osoby. Dla interpretacji hasła „Skala staninowa” transformacja nie zwiększa rzetelności ani trafności i nie czyni porównań między nieporównywalnymi normami uzasadnionymi.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (McNeish, 2018).

Powiązane hasła

Skala IQSkala stenowaSkala tenowaIpsatyzacjaNormalizacja (psychometria)Obiektywność (psychometria)

Poradniki, w których użyjesz tego pojęcia

Poradnik

Alfa Cronbacha: jak oceniać rzetelność skali bez uproszczeń

Alfa Cronbacha krok po kroku: wzór, założenia, interpretacja, ograniczenia i sytuacje, w których lepiej raportować współczynnik omega.

Czytaj →Poradnik

Analiza czynnikowa EFA i CFA: jak dobrać metodę i uniknąć błędów

EFA i CFA w praktyce: liczba czynników, metoda ekstrakcji, rotacja, ładunki, walidacja oraz najczęstsze błędy w analizie czynnikowej.

Czytaj →Poradnik

Analiza ankiety do pracy licencjackiej i magisterskiej

Analiza ankiety do pracy dyplomowej: przygotowanie bazy, kodowanie pytań, skale, testy, modele i raport wyników do licencjatu lub magisterki.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433. https://doi.org/10.1037/met0000144
  2. Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
  3. Sijtsma, K. (2009). On the use, the misuse, and the very limited usefulness of Cronbach’s alpha. Psychometrika, 74(1), 107–120. https://doi.org/10.1007/s11336-008-9101-0
  4. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  5. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299. https://doi.org/10.1037/1082-989X.4.3.272
  6. Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor retention decisions in exploratory factor analysis: A tutorial on parallel analysis. Organizational Research Methods, 7(2), 191–205. https://doi.org/10.1177/1094428104263675

Cytowania BibTeX

@article{mcneish2018alpha, author={McNeish, Daniel}, title={Thanks coefficient alpha, we’ll take it from here}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}
@article{dunn2014omega, author={Dunn, Thomas J. and Baguley, Thom and Brunsden, Vivienne}, title={From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation}, journal={British Journal of Psychology}, year={2014}, volume={105}, number={3}, pages={399--412}, doi={10.1111/bjop.12046}}
@article{sijtsma2009alpha, author={Sijtsma, Klaas}, title={On the use, the misuse, and the very limited usefulness of Cronbach’s alpha}, journal={Psychometrika}, year={2009}, volume={74}, number={1}, pages={107--120}, doi={10.1007/s11336-008-9101-0}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{fabrigar1999efa, author={Fabrigar, Leandre R. and Wegener, Duane T. and MacCallum, Robert C. and Strahan, Erin J.}, title={Evaluating the use of exploratory factor analysis in psychological research}, journal={Psychological Methods}, year={1999}, volume={4}, number={3}, pages={272--299}, doi={10.1037/1082-989X.4.3.272}}
@article{hayton2004parallel, author={Hayton, James C. and Allen, David G. and Scarpello, Vida}, title={Factor retention decisions in exploratory factor analysis: a tutorial on parallel analysis}, journal={Organizational Research Methods}, year={2004}, volume={7}, number={2}, pages={191--205}, doi={10.1177/1094428104263675}}
R