Z-оценка: как сравнивать значения на разных шкалах
Алексей Логинов 1 сентября 2026 Время чтения ≈ 8 мин.
Z-оценка переводит исходное значение в расстояние от среднего, измеренное в стандартных отклонениях. После такого преобразования баллы из разных шкал можно сравнивать в одной системе координат.
Что такое Z-оценка
Z-оценка, или стандартизованная оценка, показывает, на сколько стандартных отклонений наблюдение находится выше или ниже среднего. Английские названия термина: z-score и standard score.
Исходные единицы после расчёта исчезают. Оценка 4,6 по пятибалльной шкале и результат 74 балла из 100 могут получить одинаковый z-score, если оба значения одинаково далеко от средних своих распределений. Именно поэтому стандартизация полезна, когда нужно сопоставить показатели с разными диапазонами и единицами.
Для значения из генеральной совокупности формула выглядит так:
z = (x − μ) / σ
Здесь x обозначает наблюдение, μ представляет среднее генеральной совокупности, а σ обозначает её стандартное отклонение. На практике исследователь чаще работает с выборкой и подставляет выборочное среднее x̄ и выборочное стандартное отклонение s:
z = (x − x̄) / s
В обоих случаях логика одна. Сначала из значения вычитают центр распределения, затем полученное отклонение делят на типичный разброс.
Пример расчёта
Допустим, средняя оценка сервиса равна 3,8 из 5, стандартное отклонение равно 0,4, а конкретный клиент поставил 4,6. Расчёт:
z = (4,6 − 3,8) / 0,4 = 2
Ответ клиента находится на два стандартных отклонения выше среднего. Теперь возьмём тест с диапазоном от 0 до 100. Средний результат равен 62, стандартное отклонение равно 6, результат участника равен 74:
z = (74 − 62) / 6 = 2
Сырые баллы несопоставимы: у них разные диапазоны и смысл единицы. После стандартизации видно, что оба результата занимают одинаковое относительное положение в своих группах.
Z-оценка показывает направление относительно среднего, а не качество результата. Для времени выполнения положительный z может означать, что человек справлялся медленнее остальных. Смысл знака зависит от показателя.
Как читать знак и величину
| Z-оценка | Положение значения |
|---|---|
| 0 | Ровно на уровне среднего |
| +1 | На одно стандартное отклонение выше среднего |
| −1 | На одно стандартное отклонение ниже среднего |
| +2 | На два стандартных отклонения выше среднего |
| −2,5 | На два с половиной стандартных отклонения ниже среднего |
Знак отвечает за направление, а модуль числа показывает расстояние. Значения +1,7 и −1,7 одинаково удалены от среднего, но лежат по разные стороны. Чем больше |z|, тем необычнее наблюдение относительно выбранной группы.
Слова «высокая» и «низкая» сами по себе недостаточны. В отчёте полезно назвать исходный показатель и группу сравнения: «z = +1,2 относительно клиентов этого тарифа», а не одно лишь «высокий результат».
Связь с нормальным распределением и перцентилями
Z-оценку можно вычислить для любого числового распределения с ненулевым стандартным отклонением. У стандартного нормального распределения среднее равно 0, а стандартное отклонение равно 1. Если данные действительно близки к этой модели, z можно перевести в накопленную долю по z-таблице.
При нормальном распределении z = 0 соответствует 50-му перцентилю, z = +1 примерно 84-му, а z = +2 примерно 97,7-му. Интервал от −1,96 до +1,96 содержит около 95% распределения. Подробнее положение наблюдения в упорядоченном ряду разбирают перцентили и квартили.
Это соответствие нельзя переносить на любую выборку автоматически. В сильно скошенном распределении одинаковое расстояние в стандартных отклонениях не означает одинаковую долю наблюдений в хвосте. Сначала смотрят форму данных, например гистограмму, и только затем используют нормальную модель.
Как стандартизировать разные шкалы
Преобразование особенно полезно, когда итоговый показатель собирают из нескольких метрик. Например, исследователь хочет объединить удовлетворённость по шкале 1..5, оценку удобства по шкале 0..10 и время выполнения задачи в секундах.
- Определите направление. Если большой результат означает худший опыт, как у времени выполнения, знак такой переменной разворачивают перед объединением.
- Выберите группу сравнения. Среднее и стандартное отклонение считают по одной осмысленной базе: всем клиентам, контрольной группе или исходной волне.
- Рассчитайте z отдельно для каждой метрики. Нельзя вычитать среднее одной шкалы и делить на разброс другой.
- Задайте веса. Простое среднее z-оценок предполагает, что компоненты одинаково важны. Если это не так, веса обосновывают заранее.
- Проверьте распределения. Сильная асимметрия, выбросы и эффект потолка могут сделать среднее и SD неудачной опорой.
После преобразования каждая переменная имеет среднее около нуля и стандартное отклонение около единицы в той выборке, по которой рассчитаны параметры. Это не доказывает, что шкалы измеряют один конструкт. Стандартизация приводит числа к общему масштабу, но не создаёт содержательную сопоставимость.
Как выбрать базу для сравнения
Одна и та же исходная оценка получает разные z-score в разных группах. Результат 74 балла может быть высоким относительно новичков и обычным относительно опытных сотрудников. Поэтому вместе с z нужно хранить среднее, стандартное отклонение и описание референтной группы.
Для сравнения людей внутри одной волны параметры обычно считают по этой волне. Для мониторинга во времени такой подход опасен: если в каждой волне заново пересчитывать среднее и SD, средний z снова будет равен нулю. Общий рост или падение шкалы исчезнет из стандартизованного показателя.
Чтобы отслеживать изменение относительно старта, фиксируют параметры базовой волны и применяют их к следующим данным. Если задача состоит в сравнении положения человека только внутри текущей группы, параметры можно пересчитывать. Выбор зависит от вопроса исследования, а не от удобства формулы.
Чего Z-оценка не показывает
- Не показывает статистическую значимость. z отдельного наблюдения не является p-value и не отвечает, случайна ли разница между группами.
- Не подтверждает нормальность. Среднее 0 и SD 1 после преобразования не делают исходное распределение колоколообразным.
- Не называет причину. Значение далеко от среднего может быть редким случаем, ошибкой ввода или представителем отдельного сегмента.
- Не задаёт универсальную норму. Порог |z| > 2 или |z| > 3 выбирают под задачу и распределение. Автоматически удалять такие строки нельзя.
- Не исправляет слабую шкалу. Стандартизация не превращает неясный вопрос или одиночный порядковый пункт в точное измерение.
Z-оценка и Z-тест: в чём разница
Z-оценка описывает положение отдельного значения: в числителе стоит отклонение от среднего, в знаменателе стандартное отклонение данных. Z-тест проверяет статистическую гипотезу. Его тестовая статистика сравнивает оценку параметра с предполагаемым значением и делит разницу на стандартную ошибку.
Обе величины могут называться z и сверяться со стандартным нормальным распределением, но отвечают на разные вопросы. Z-score спрашивает «где находится наблюдение?», а статистика z-теста спрашивает «насколько оценка несовместима с нулевой гипотезой?».
Когда расчёт требует осторожности
На короткой рейтинговой шкале возможны всего несколько значений, а распределение часто упирается в верхнюю границу. Формулу посчитать можно, но точное соответствие нормальным перцентилям будет сомнительным. Для одиночного пункта шкалы Лайкерта дополнительно спорно расстояние между соседними категориями.
Если стандартное отклонение равно нулю, z не определён: делить приходится на ноль. Это происходит, когда все наблюдения одинаковы. При сильных выбросах среднее и SD сами смещаются, поэтому для поиска аномалий иногда используют медиану, межквартильный размах или модифицированную z-оценку. Подробный выбор метода разобран в статье о статистических отклонениях.
Наконец, нельзя смешивать несопоставимые сегменты без проверки. Общая стандартизация может скрыть различия между регионами, тарифами или возрастными группами. Сначала изучают описательную статистику, затем решают, нужна общая база или отдельные параметры для сегментов.
Как это сделать с данными WebAsk
Ответы из WebAsk можно выгрузить в CSV или XLSX и рассчитать z-score в таблице. Для каждой числовой переменной нужны три столбца или ячейки: исходное значение, среднее выбранной базы и её стандартное отклонение. Универсальная формула в строке выглядит как =(значение − среднее) / SD.
Перед расчётом отделяют пропуски от нулей, проверяют кодировку обратных пунктов и фиксируют фильтр выборки. В итоговой выгрузке стоит сохранить z вместе с использованными средним и SD. Тогда расчёт можно воспроизвести и понять, почему одинаковый сырой балл получил разные стандартизованные оценки.
Если сравниваются волны опроса, заранее решают, будут параметры фиксированными или пересчитываться. Для анализа изменений относительно базовой волны обычно сохраняют её среднее и SD. Для ранжирования участников внутри каждой новой волны используют параметры этой волны и прямо указывают это в методике.
Частые вопросы
Что означает Z-оценка 0?
Исходное значение равно среднему той группы, по которой рассчитаны параметры стандартизации.
Что означает отрицательная Z-оценка?
Значение находится ниже среднего. Это не обязательно плохой результат: для времени выполнения или числа ошибок отрицательное значение может быть желательным.
Может ли Z-оценка быть больше 3?
Да. Формула не ограничивает диапазон. Большой модуль указывает на сильное удаление от среднего, но сам по себе не доказывает ошибку или выброс.
Всегда ли Z-оценка соответствует перцентилю?
Положение в фактическом ряду можно оценить всегда, но стандартная z-таблица даёт перцентиль только для нормальной модели.
Чем Z-оценка отличается от стандартного отклонения?
Стандартное отклонение описывает разброс всей переменной. Z-оценка использует этот разброс как единицу и описывает положение одного наблюдения.
Нужно ли пересчитывать Z-оценки в каждой волне опроса?
Для сравнения внутри волны можно пересчитывать. Для отслеживания сдвига относительно старта сохраняют среднее и SD базовой волны.
Опубликовано 1 сентября 2026
