Słownik metodologiczny · Pomiar i skale

Wynik surowy – co to jest, jak go policzyć i dlaczego nie porównuje się go między testami?

Wynik surowy to liczba punktów uzyskana według klucza testu – suma, średnia, liczba poprawnych odpowiedzi albo czas. Wyjaśniamy, jak go liczyć (pozycje odwrócone, braki odpowiedzi), dlaczego wyniki surowe różnych testów są nieporównywalne i jak przeliczyć je na wyniki standardowe – z przykładem w R.

Strona główna / Słownik / Wynik surowy
W skrócie: Wynik surowy to wynik obliczony bezpośrednio z odpowiedzi według klucza testu – np. suma punktów, średnia odpowiedzi albo liczba poprawnych rozwiązań – przed przeliczeniem na normy. Wyników surowych różnych testów nie porównuj wprost, bo mają inne zakresy, trudność i rozproszenie. Żeby je porównać, przelicz je na wspólną skalę: POMP (procent możliwego zakresu) albo – na podstawie norm – wynik z, T, sten lub rangę centylową.

Co to jest wynik surowy?

Wynik surowy (ang. raw score) to wynik uzyskany bezpośrednio z odpowiedzi osoby badanej według klucza testu, zanim przeliczy się go na jakąkolwiek skalę standardową. Może to być liczba poprawnych odpowiedzi w teście zdolności, suma lub średnia punktów w kwestionariuszu, liczba błędów albo czas wykonania zadania.

Sam wynik surowy mówi niewiele. Czy 52 punkty to dużo? To zależy od zakresu testu, od tego, jak odpowiadają inni ludzie, i od tego, czy wyższy wynik oznacza nasilenie cechy, czy jej brak. Dlatego wynik surowy jest punktem wyjścia: odnosi się go do norm testowych i przelicza na wyniki standardowe – z, T, steny albo wyniki znormalizowane.

Jak liczy się wynik surowy?

  1. Zastosuj klucz – ustal, które pozycje wchodzą do skali lub podskali i ile punktów daje każda odpowiedź.
  2. Odwróć pozycje sformułowane przeciwnie (zob. pozycja odwrócona i rekodowanie).
  3. Zsumuj albo uśrednij odpowiedzi – sumę stosuj, gdy wymagają jej normy lub punkty odcięcia z podręcznika; średnia zachowuje metrykę odpowiedzi (szczegóły w haśle skala Likerta).
  4. Zastosuj regułę braków danych ustaloną przed analizą, np. „wynik liczymy, gdy osoba odpowiedziała na co najmniej 80% pozycji”. Wtedy wynik proporcjonalny to średnia odpowiedzi pomnożona przez liczbę pozycji. Zwykła suma przy jednej brakującej odpowiedzi zaniża wynik: w przykładzie z kodu R wynosi 51 punktów zamiast 53.7.

Sumowanie odpowiedzi wygląda na zwykłą arytmetykę, ale ma założenia. McNeish i Wolf (2020) pokazują, że wynik sumaryczny odpowiada szczególnemu, mocno ograniczonemu modelowi czynnikowemu, więc wymaga uzasadnienia jak każdy model. Widaman i Revelle (2023) odpowiadają, że kluczowa jest jednowymiarowość pozycji – gdy ją potwierdzono, sumy często mają solidne podstawy psychometryczne. Praktycznie: zanim zsumujesz pozycje, sprawdź strukturę i spójność wewnętrzną skali.

Dlaczego wyników surowych nie porównuje się między testami?

Wyniki surowe dwóch różnych testów nie mają wspólnej jednostki. Różnią się:

  • zakresem – 20 pozycji ocenianych od 1 do 4 daje zakres 20–80, a 10 pozycji ocenianych od 0 do 3 – zakres 0–30;
  • trudnością i treścią pozycji – łatwy test daje wysokie wyniki prawie wszystkim (efekt sufitu);
  • rozproszeniem – różnica 5 punktów może być ogromna w jednym teście i drobna w drugim;
  • grupą odniesienia – ten sam wynik ma inne znaczenie u nastolatków i u dorosłych.

Cohen, Cohen, Aiken i West (1999) zwracają uwagę, że miary w naukach behawioralnych rzadko mają zrozumiałe jednostki, przez co wyniki opisuje się tylko kierunkiem efektu albo w jednostkach standaryzowanych. Porównanie wymaga więc przekształcenia wyników do wspólnej skali.

Jak przekształcić wynik surowy?

Przekształcenia wyniku surowego
PrzekształcenieWzórCzego wymaga
POMP – procent maksymalnego możliwego wyniku100 × (X − min) / (max − min)Tylko zakresu skali
Wynik z (standaryzacja)(X − M) / SDM i SD grupy odniesienia
Wynik T, steny, staninyT = 50 + 10z; sten = 5.5 + 2zJak wynik z
Ranga centylowa (percentyl)Odsetek niższych wyników w grupie odniesieniaCałego rozkładu w grupie odniesienia
Wynik znormalizowanyz odpowiadające randze centylowej w rozkładzie normalnymCałego rozkładu; przydatny przy rozkładzie skośnym

POMP nie wymaga norm: Cohen i in. (1999) pokazali, że przeliczenie wyniku na procent maksymalnego możliwego wyniku w wielu sytuacjach daje użyteczną dodatkową informację. Mówi jednak tylko, gdzie wynik leży w zakresie skali, a nie – jak wypada na tle innych ludzi. Do tego potrzebne są normy, a te muszą dotyczyć jasno opisanej populacji (American Educational Research Association i in., 2014).

Przykład: ta sama osoba w dwóch kwestionariuszach

Studentka uzyskała 52 punkty w kwestionariuszu A (20 pozycji 1–4, zakres 20–80) i 18 punktów w kwestionariuszu B (10 pozycji 0–3, zakres 0–30). Porównanie „52 jest więcej niż 18” nie ma sensu. Średnie na pozycję (2.6 i 1.8) też nie, bo pozycje mają inne skale odpowiedzi. POMP daje 53.3 w A i 60.0 w B.

Oba kwestionariusze mają normy z prób po 500 osób (dane symulowane): w A M = 48.25, SD = 11.52, w B M = 7.46, SD = 5.32, przy rozkładzie prawostronnie skośnym (skośność 0.74). Wynik w A odpowiada z = 0.33, T = 53.3 i randze centylowej 60.6 – jest przeciętny. Wynik w B to z = 1.98, T = 69.8 i ranga centylowa 95.5 – wyższy niż u 95% grupy odniesienia. Choć 18 to „mniej punktów” niż 52, właśnie ten wynik jest nietypowy (rysunek 1).

Dwa histogramy wyników surowych w grupach normalizacyjnych: w kwestionariuszu A (średnia 48.25) wynik 52 punkty leży blisko środka, w kwestionariuszu B (średnia 7.46, rozkład skośny) wynik 18 punktów leży w prawym ogonie; po przeliczeniu wynik A to T = 53.3 (ranga centylowa 60.6), a wynik B to T = 69.8 (ranga centylowa 95.5)
Rysunek 1. Te same dwa wyniki surowe na tle własnych grup normalizacyjnych (A, B; niebieska przerywana linia – średnia grupy) i po przeliczeniu na wspólną skalę T (C). Obliczenia: R (dane symulowane).

Zwróć uwagę na skośność B. Liniowy wynik z = 1.98 w rozkładzie normalnym odpowiadałby randze centylowej 97.6, a rzeczywista ranga centylowa wynosi 95.5. Przy skośnych rozkładach normy podaje się więc zwykle jako wyniki znormalizowane.

Jak opisać wynik surowy w pracy

W części o narzędziach podaj sposób liczenia wyniku: liczbę pozycji, skalę odpowiedzi, pozycje odwrócone, sumę lub średnią, zakres, kierunek i regułę braków. W wynikach podaj M i SD wyników surowych, a gdy odnosisz je do norm – nazwę i rok tabel norm. Wzór:

Wynik surowy kwestionariusza A obliczano jako sumę odpowiedzi na 20 pozycji ocenianych na skali od 1 do 4 (zakres 20–80; wyższy wynik oznacza silniejsze nasilenie cechy), po odwróceniu pozycji sformułowanych przeciwnie. Wynik liczono, gdy osoba odpowiedziała na co najmniej 16 pozycji; brakujące odpowiedzi uzupełniano średnią odpowiedzi danej osoby. Wyniki surowe przeliczono na wyniki T według norm dla [grupa, rok opracowania norm].

Cały opis narzędzi badawczych omawia poradnik rozdział metodologiczny pracy magisterskiej. Skąd wziąć klucz, normy i zgodę na użycie kwestionariusza, wyjaśniamy w poradniku Gdzie znaleźć kwestionariusze psychologiczne.

Przykład reprodukowalny

Przykład w R

Kod tworzy dwie grupy normalizacyjne z przykładu, przelicza wyniki 52 i 18 punktów na POMP, z, T i rangę centylową oraz porównuje sumę z wynikiem proporcjonalnym przy brakującej odpowiedzi. Liczby w tekście i na rysunku 1 pochodzą z tego kodu (skośność i ranga „obiecywana” przez rozkład normalny – w pełnym skrypcie strony).

Wynik surowy, POMP, wynik T i ranga centylowa

Dane wejściowe: odpowiedzi 2 × 500 osób z grup normalizacyjnych kwestionariuszy A i B (dane symulowane, set.seed(96)).

Co odczytać: M i SD grup normalizacyjnych, przekształcenia obu wyników oraz sumę i wynik proporcjonalny przy jednym braku.

R
set.seed(96)
odpowiedzi <- function(n, k, progi, przes, l = 0.6) {      # k pozycji, kategorie 0..length(progi)
  teta <- rnorm(n)
  sapply(1:k, function(j) findInterval(l * teta + sqrt(1 - l^2) * rnorm(n) + przes[j], progi))
}
A <- odpowiedzi(500, 20, c(-0.9, 0.1, 1.1), runif(20, -0.3, 0.3)) + 1   # grupa normalizacyjna A: 20 pozycji 1–4
B <- odpowiedzi(500, 10, c(0.0, 0.9, 1.7), runif(10, -0.3, 0.3))       # grupa normalizacyjna B: 10 pozycji 0–3
surA <- rowSums(A); surB <- rowSums(B)                     # wyniki surowe = sumy punktów
round(rbind(A = c(M = mean(surA), SD = sd(surA)), B = c(M = mean(surB), SD = sd(surB))), 2)
# Ta sama osoba: 52 pkt w A (zakres 20–80) i 18 pkt w B (zakres 0–30)
przelicz <- function(x, norma, min, max) {
  z <- (x - mean(norma)) / sd(norma)
  c(POMP = 100 * (x - min) / (max - min),                  # procent maksymalnego możliwego wyniku
    z = z, T = 50 + 10 * z,                                # wyniki względem norm
    PR = 100 * (sum(norma < x) + 0.5 * sum(norma == x)) / length(norma))   # ranga centylowa
}
round(rbind(A = przelicz(52, surA, 20, 80), B = przelicz(18, surB, 0, 30)), 2)
# Brak jednej odpowiedzi w A: suma zaniża wynik, średnia pozycji × 20 – nie
odp <- c(3, 2, 3, 3, 2, 4, 3, 2, 3, 3, 2, 3, NA, 2, 3, 3, 2, 3, 2, 3)
c(suma = sum(odp, na.rm = TRUE), proporcjonalnie = round(mean(odp, na.rm = TRUE) * 20, 1))
Wynik w R
      M    SD
A 48.25 11.52
B  7.46  5.32
   POMP    z     T   PR
A 53.33 0.33 53.26 60.6
B 60.00 1.98 69.79 95.5
           suma proporcjonalnie 
           51.0            53.7 

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://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze błędy

  • Porównywanie wyników surowych różnych testów – „52 to więcej niż 18” nic nie mówi o nasileniu cechy.
  • Czytanie wyniku surowego jak procentu – 52 punkty w skali 20–80 to nie 52% i nie „52% cechy”.
  • Suma bez odwrócenia pozycji – pozycje sformułowane przeciwnie obniżają wtedy rzetelność i zniekształcają wynik.
  • Suma przy brakujących odpowiedziach – zaniża wynik; ustal regułę braków przed analizą.
  • Normy lub punkty odcięcia z innej wersji testu – inna liczba pozycji albo inny klucz zmieniają znaczenie wyniku surowego.
  • Porównywanie sum podskal o różnej liczbie pozycji – podskala z 12 pozycjami „wygrywa” z podskalą z 6 pozycjami; porównuj średnie na pozycję albo POMP.

Najczęstsze pytania

Co to jest wynik surowy?

To wynik obliczony bezpośrednio z odpowiedzi według klucza testu – np. suma punktów w kwestionariuszu, liczba poprawnych odpowiedzi w teście zdolności albo czas wykonania zadania – zanim przeliczy się go na normy. Sam w sobie mówi niewiele, dopóki nie odniesiesz go do zakresu skali albo do wyników grupy odniesienia.

Jak obliczyć wynik surowy?

Zastosuj klucz testu: odwróć pozycje sformułowane przeciwnie, a następnie zsumuj albo uśrednij odpowiedzi na pozycje danej skali. Przed analizą ustal regułę braków, np. wynik liczony przy co najmniej 80% odpowiedzi jako średnia pomnożona przez liczbę pozycji – zwykła suma przy brakach zaniża wynik.

Czy można porównywać wyniki surowe z różnych testów?

Nie wprost. Testy różnią się zakresem, trudnością, rozproszeniem wyników i grupą odniesienia, więc 52 punkty w jednym teście i 18 w drugim nie dają się porównać. Przelicz oba wyniki na wspólną skalę – POMP, wynik z, T albo rangę centylową.

Jak przeliczyć wynik surowy na steny lub wynik T?

Najlepiej odczytać sten lub wynik T z tabel norm w podręczniku testu dla właściwej grupy (wiek, płeć, wersja testu). Gdy znasz tylko M i SD grupy normalizacyjnej, policz z = (X − M) / SD, a potem T = 50 + 10z albo sten = 5.5 + 2z (zob. normy testowe).

Co to jest wynik POMP?

POMP (ang. percent of maximum possible) to wynik wyrażony jako procent możliwego zakresu skali: 100 × (X − min) / (max − min). Nie wymaga norm i pozwala zestawić skale o różnych zakresach, ale nie mówi, jak wynik wypada na tle innych ludzi.

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. Cohen, P., Cohen, J., Aiken, L. S., & West, S. G. (1999). The problem of units and the circumstance for POMP. Multivariate Behavioral Research, 34(3), 315–346. https://doi.org/10.1207/S15327906MBR3403_2
  3. McNeish, D., & Wolf, M. G. (2020). Thinking twice about sum scores. Behavior Research Methods, 52(6), 2287–2305. https://doi.org/10.3758/s13428-020-01398-0 ● Otwarty dostęp
  4. Widaman, K. F., & Revelle, W. (2023). Thinking thrice about sum scores, and then some more about measurement and analysis. Behavior Research Methods, 55(2), 788–806. https://doi.org/10.3758/s13428-022-01849-w ● Otwarty dostęp

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{cohen1999problem, author={Cohen, Patricia and Cohen, Jacob and Aiken, Leona S. and West, Stephen G.}, title={{The problem of units and the circumstance for POMP}}, journal={Multivariate Behavioral Research}, year={1999}, volume={34}, number={3}, pages={315--346}, doi={10.1207/s15327906mbr3403_2}}
@article{mcneish2020thinking, author={McNeish, Daniel and Wolf, Melissa Gordon}, title={{Thinking twice about sum scores}}, journal={Behavior Research Methods}, year={2020}, volume={52}, number={6}, pages={2287--2305}, doi={10.3758/s13428-020-01398-0}}
@article{widaman2023thinking, author={Widaman, Keith F. and Revelle, William}, title={{Thinking thrice about sum scores, and then some more about measurement and analysis}}, journal={Behavior Research Methods}, year={2023}, volume={55}, number={2}, pages={788--806}, doi={10.3758/s13428-022-01849-w}}
R