Коэффициент вариации (CV, coefficient of variation)

Коэффициент вариации показывает разброс данных не в единицах измерения, а в процентах от среднего. Благодаря этому им можно сравнивать изменчивость величин, которые измерены в разных единицах: секунды против рублей, баллы против количества обращений.

Что показывает коэффициент вариации

Считается он просто: CV = стандартное отклонение / среднее × 100%. Числитель берётся из карточки про стандартное отклонение, знаменатель это обычное арифметическое среднее, а результат читается как «разброс составляет столько-то процентов от типичного значения».

Зачем нужна относительная мера, проще понять на паре метрик. Стандартное отклонение 3,5 это много или мало? Ответ зависит от того, что мы измеряем. Если это время ответа оператора со средним в сто секунд, разброс мелкий. Если это число жалоб в день со средним в десять, разброс огромный. Само по себе отклонение об этом не говорит, а коэффициент вариации говорит сразу.

На правой половине диаграммы это и показано: отклонение в обоих случаях одно и то же, 3,54, а CV отличается в десять раз, потому что средние отличаются в десять раз. Посчитать значение на своих числах можно в калькуляторе коэффициента вариации.

Порог 33% и что он означает

В русской статистической традиции есть ходовой ориентир: если CV не превышает 33%, совокупность считают однородной, а среднее по ней осмысленным. Выше 33% данные считают разнородными, и тогда среднее описывает выборку плохо, потому что внутри неё, скорее всего, сидят разные группы.

Относиться к этому порогу стоит как к договорённости, а не как к закону. Он удобен для отчёта, но никакой природной границы на 33% не существует, а для некоторых метрик нормальны значения и в 60%, и в 80%. Время до первого ответа в поддержке или суммы чеков в интернет-магазине почти всегда дают высокий CV, и это не дефект данных, а свойство самой величины.

Практический вывод простой: сравнивайте CV не с учебным порогом, а с самим собой. Тот же показатель по прошлой волне опроса, по соседнему филиалу, по другому сегменту скажет больше, чем формальная проверка на однородность.

Когда коэффициент вариации считать нельзя

Это главное ограничение показателя, и его пропускают чаще всего. Коэффициент вариации имеет смысл только для шкалы, у которой есть абсолютный ноль и где отношения величин осмысленны. Ноль секунд, ноль рублей, ноль жалоб это настоящие нули: «в два раза больше» для таких величин что-то значит.

А теперь посмотрите на левую половину диаграммы. Там одни и те же ответы: сначала как оценки от 1 до 5, потом сдвинутые на десять, потом на сто. Разброс не изменился ни на сотую, стандартное отклонение так и осталось 1,08, а CV съехал с 30,9% до 1,0%. Причина в том, что у балльной шкалы ноль условен: единица не означает «отсутствие удовлетворённости», а расстояние между двойкой и тройкой не обязано равняться расстоянию между четвёркой и пятёркой.

Отсюда список случаев, где показатель не применяют:

• Шкала Лайкерта и любые балльные оценки. Начало шкалы выбрано произвольно, поэтому и значение CV произвольно. Для разброса ответов на шкале берут стандартное отклонение или квартили.
• NPS и другие показатели с отрицательными значениями. Индекс живёт в диапазоне от минус ста до плюс ста, среднее может оказаться около нуля, и коэффициент либо взорвётся, либо получится отрицательным.
• Величины со средним около нуля. Знаменатель маленький, поэтому CV раздувается до сотен процентов и перестаёт что-либо описывать.
• Температура в градусах Цельсия и подобные интервальные шкалы. Ноль там точка отсчёта, а не отсутствие величины, и то же самое измерение в кельвинах даст совершенно другой CV.

Что брать вместо него

Показатель	В чём измеряется	Когда уместен
Стандартное отклонение	в единицах самих данных	разброс внутри одной метрики, включая балльные шкалы
Коэффициент вариации	в процентах от среднего	сравнение метрик разного масштаба со шкалой отношений
Межквартильный размах	в единицах данных	данные с выбросами и сильной асимметрией
Размах	в единицах данных	быстрая прикидка, когда важны только края

Обратите внимание на первую строку. Если задача звучит как «насколько согласованно люди отвечают на этот вопрос», коэффициент вариации не нужен вовсе: отклонение в баллах отвечает на неё точнее и без ловушек со шкалой.

Где показатель полезен в опросах

Три сценария, в которых относительный разброс работает по назначению.

• Сравнение подразделений по разным метрикам. В одном филиале меряют время обслуживания, в другом число обращений на сотрудника. Абсолютные отклонения несопоставимы, а CV показывает, где процесс стабильнее.
• Контроль стабильности между волнами. Среднее может держаться, а разброс расти: это признак, что аудитория расслаивается. CV замечает такое раньше, чем среднее.
• Оценка качества самого замера. Величина, обратная коэффициенту вариации, в технических дисциплинах называется отношением сигнала к шуму. Чем выше CV, тем больше в данных шума относительно сигнала, и тем осторожнее стоит трактовать средние.

Ещё одна тонкость касается формулы. Стандартное отклонение бывает выборочным и генеральным, и они различаются делителем, n − 1 против n. На больших выборках разница незаметна, а на десяти наблюдениях меняет CV на несколько процентов, поэтому в отчёте стоит указывать, какой вариант вы считали. Общая логика описательных показателей разобрана в карточке про описательную статистику и в статье про дескриптивный анализ.

Коэффициент вариации и размер выборки

У показателя есть применение, о котором обычно не думают: он подсказывает, сколько ответов нужно собрать. Чем сильнее величина разбросана, тем больше наблюдений требуется, чтобы среднее по выборке было надёжным, причём зависимость квадратичная.

Считается это в одну строку. Если вы хотите оценить среднее с относительной точностью плюс-минус 5% при обычном уровне доверия 95%, нужно примерно n = (1,96 × CV / 0,05)² наблюдений. При CV в 15% это 35 ответов, при CV в 30% уже 138, а при CV в 60% целых 553. Разброс вырос вдвое, а выборка потребовалась вчетверо больше.

Отсюда практический приём для повторяющихся замеров. Посчитайте CV по прошлой волне и подставьте его в эту формулу: получите не абстрактную рекомендацию про «хотя бы триста ответов», а число под вашу собственную метрику. Общий расчёт объёма выборки под доли, а не под средние, разобран в карточке про размер выборки.

Почему CV не считают для долей

Ещё один случай, когда формула технически работает, а результат бесполезен. Возьмите бинарный ответ вида «оформил подписку или нет». У такой величины стандартное отклонение жёстко связано с самой долей, и коэффициент вариации получается равным корню из отношения «не выбрали» к «выбрали».

Числа выходят пугающие. При доле 50% коэффициент равен 100%, при доле 30% уже 153%, при доле 10% целых 300%. Это не значит, что данные плохие: просто у доли разброс всегда велик относительно её величины, и никакой дополнительной информации CV здесь не несёт. Для долей смотрят погрешность выборки и доверительный интервал, а не относительный разброс.

Как это сделано в WebAsk

Для коэффициента вариации нужны числовые ответы: время, суммы, количества. В конструкторе это числовое поле или вопрос со свободным вводом, плюс к ним подойдут любые метрики из вашей системы, которые вы сопоставляете с ответами. Дальше выгрузка в Excel или CSV, и столбец подставляется в калькулятор: он посчитает среднее, отклонение и CV сразу.

Если данные пришли со шкальных вопросов, не считайте по ним CV, посчитайте стандартное отклонение. А проверить, связан ли разброс с чем-то ещё, помогает ранговая корреляция Спирмена: она работает и на порядковых данных.

Собрать числовые ответы можно бесплатно: заведите вопрос в конструкторе WebAsk, выгрузите столбец и посмотрите, насколько ровно ведёт себя ваша метрика.

Частые вопросы

Что показывает коэффициент вариации простыми словами?

Насколько велик разброс данных по сравнению с их типичным значением. CV = 10% означает, что отклонение составляет десятую часть среднего, то есть данные довольно ровные. CV = 80% означает, что значения разбросаны почти так же широко, как само среднее, и опираться на среднее в таких данных рискованно.

Какой коэффициент вариации считается нормальным?

Ходовой ориентир в русской традиции это 33%: ниже совокупность называют однородной, выше разнородной. Но это договорённость, а не закон природы. У сумм чеков или времени ожидания высокий CV это норма, поэтому полезнее сравнивать показатель с прошлой волной или с соседним сегментом, чем с учебным порогом.

Можно ли считать CV по шкале Лайкерта?

Нет, и это самая частая ошибка. У балльной шкалы нет абсолютного нуля, поэтому значение коэффициента зависит от того, как пронумерованы варианты. Те же ответы, размеченные от 1 до 5 и от 11 до 15, дадут CV 30,9% и 8,0% при одном и том же разбросе. Для шкал берите стандартное отклонение.

Почему у меня получился коэффициент вариации больше 100%?

Значит стандартное отклонение превысило среднее. Так бывает в двух ситуациях: данные сильно скошены и в них есть крупные выбросы, либо среднее близко к нулю. Первое лечится переходом к медиане и квартилям, второе означает, что коэффициент к этим данным просто неприменим.

CV в процентах или в долях?

Формула даёт долю, а привычнее её умножить на сто и записать в процентах. Путаницы обычно не возникает, но в отчёте лучше писать знак процента явно: «CV = 24%» читается однозначно, а «CV = 0,24» иногда принимают за коэффициент корреляции.

Чем CV отличается от стандартного отклонения?

Отклонение измеряется в единицах данных и отвечает на вопрос «насколько ответы расходятся». Коэффициент вариации безразмерный и отвечает на вопрос «много ли это по сравнению со средним». Первое подходит для одной метрики, второе для сравнения метрик между собой.

Можно ли по CV сравнивать разные опросы?

Можно, если в обоих измеряли величины со шкалой отношений и считали отклонение одинаковым способом, выборочным или генеральным. Не забывайте про размер выборки: на десятке наблюдений коэффициент неустойчив, и разница в несколько процентов между двумя замерами скорее всего случайна.