教程 · 2026-06-24

常模参照用 AI 一句话完成 — 百分等级、T分/标准九与常模表制定全攻略

常模参照（Norm-Referenced Measurement）完整教程：用 AI 一句话计算百分等级 PR、T 分、标准九，自动生成常模表，并给出符合 APA 7th 格式的心理测量报告句式，适用于心理测量、教育测量与量表开发。

心理测量、教育测量里最绕人的不是公式，而是三个问题同时压过来：这个分数在人群里排第几？T 分怎么算？常模表要几列？这篇教程把全套流程压到一句 AI 指令。

什么是常模参照？和标准参照有什么本质区别？

**常模参照测量（Norm-Referenced Measurement）**是将被试得分与"参照群体（常模群体）"的分数分布进行比较，以相对位置（而非达到某个绝对标准）来解释分数含义。

对比维度	常模参照	标准参照
解释逻辑	你比同龄人/同类人高多少	你是否达到某个能力基准
核心指标	百分等级、T 分、标准九	通过 / 不通过、掌握率
典型应用	心理测量（智力、人格、焦虑量表）、职业能力测试	课程考试、执照资格认证
是否依赖样本	是——常模质量决定解释精度	否——仅依赖效标设定

心理测量、教育测量类论文几乎都涉及常模参照：量表验证后需要建立常模，临床筛查需要报告百分等级，学业评价需要将原始分换算为标准分。

核心概念逐一厘清

1. 百分等级（PR — Percentile Rank）

百分等级 PR 表示：在同一常模群体中，低于某个原始分的人占全体人数的百分比。

公式：

PR = (低于该分数的人数 + 该分数频次/2) / 总人数 x 100

示例：某焦虑量表（n = 500），原始分 42 分，低于 42 分的有 340 人，等于 42 分的有 20 人：

PR = (340 + 20/2) / 500 x 100 = (340 + 10) / 500 x 100 = 70

解读：原始分 42 分对应 PR = 70，即该被试的焦虑得分高于 70% 的常模群体。

重要提示：

PR 是序数尺度，不能直接做算术运算（PR 60 - PR 40 ≠ PR 80 - PR 60 的差距）
PR = 50 对应中位数，不等于均值（分布偏斜时两者不一致）

2. T 分（T-Score）

T 分是将原始分转换为均值 = 50、标准差 = 10 的标准化分数，属于等距尺度，可以做算术运算。

公式：

T = 50 + 10 x (X - M) / SD

其中：

X = 被试原始分
M = 常模群体均值
SD = 常模群体标准差

示例：常模群体 M = 38.4，SD = 8.6，被试原始分 X = 50：

T = 50 + 10 x (50 - 38.4) / 8.6 = 50 + 10 x 1.349 = 63.5

解读：T 分 63.5，高于常模均值约 1.35 个标准差。

T 分解读参考区间（正态分布假设下）：

T 分范围	对应 PR 大致区间	常见解读标签
< 30	< 2	极低
30-39	2-16	偏低
40-59	16-84	平均范围
60-69	84-97	偏高
>= 70	> 97	极高

3. 标准九（Stanine）

标准九将分布分为 9 个等级（1-9），均值 = 5，标准差 = 2，每个等级跨度相同（除末端略宽）。常见于教育测量和智力评估报告。

正态分布下各标准九对应的 PR 范围：

标准九	PR 范围	含义
1	0-4	极低
2	4-11	很低
3	11-23	低于平均
4	23-40	略低于平均
5	40-60	平均
6	60-77	略高于平均
7	77-89	高于平均
8	89-96	很高
9	96-100	极高

标准九的优势是报告结果时给出"区间"而非精确分数，减少对小误差的过度解读，适合家长沟通、教师反馈等场景。

4. Z 分与常模等价体系

衍生分数	公式	均值	SD	典型用途
Z 分	(X-M)/SD	0	1	计算基础，很少直接报告
T 分	50 + 10Z	50	10	心理测量、人格量表
标准九	见上表	5	2	教育测量
IQ 分	100 + 15Z	100	15	智力测验
离差智商	100 + 16Z	100	16	比内系列
SAT 分	500 + 100Z	500	100	美国大学入学考试

所有衍生分数都是 Z 分的线性变换，正态分布假设下相互可转换。

案例数据：焦虑量表常模建立与个体解释

研究背景

某研究团队为自编**大学生学业焦虑量表（SEAS）**建立大学生常模。量表共 20 题，总分 0-80 分，分数越高焦虑越重。

常模样本：全国 7 所高校本科生随机抽样，n = 1,200，年龄 18-24 岁，男女各半。

数据结构

id         被试编号
score      SEAS 总分（0-80）
gender     性别（1=男, 2=女）
grade      年级（1=大一, 2=大二, 3=大三, 4=大四）
major      专业类别（1=理工, 2=文社, 3=艺体）

研究目标：

建立总体常模表（原始分对应 PR、T 分、标准九）
建立分性别常模（性别差异是否需要分开建表）
给出某被试原始分 58 分的完整解释报告

用 AI 一句话完成常模参照分析

在 chatsrs.com 上传数据后输入：

"基于 1200 名大学生的 SEAS 焦虑量表得分（score 列），做完整的常模参照分析：

描述统计（均值、SD、中位数、偏度、峰度）+ 正态性检验

建立总体常模表：每个原始分对应 PR（百分等级）、T 分（均值=50，SD=10）、标准九

按 gender 分组分别建立分性别常模表，并检验性别主效应（独立样本 t 检验 + Cohen's d）

计算被试原始分 X=58 对应的 PR、T 分、标准九，并写出 APA 7th 格式解释报告

以三线表输出常模对照表（取 5 分一档，即 0, 5, 10...80 共 17 个锚点）"

60 秒后，ChatSRS 完整输出以下五部分结果。

输出结果怎么读

输出 1: 描述统计 + 正态性检验

表 1  SEAS 焦虑量表描述统计（N = 1200）

统计量              值
均值（M）           38.42
标准差（SD）        9.87
中位数              37.50
最小值              4
最大值              75
偏度                0.34（SE = 0.07）
峰度                -0.12（SE = 0.14）
Kolmogorov-Smirnov  D = 0.021，p = .156（正态）
Shapiro-Wilk        不适用（n = 1,200，分布已由 K-S 检验确认正态，此处省略）

注：偏度和峰度绝对值均 < 1，K-S 检验 p > .05，分布近似正态，
    满足常模计算的正态假设。

为什么先检验正态性：常模表中 PR-T 分-标准九的换算公式均假设总体分布近似正态。若分布严重偏斜（偏度 > |1|），应使用非参数方法直接从经验分布读取百分位数，而非基于正态公式转换。

输出 2: 总体常模表（5 分档锚点）

表 2  SEAS 焦虑量表大学生总体常模（N = 1200）

原始分   PR     T 分   标准九   常模解读
0-5      < 1    < 27   1        极低
10       3      29     1        极低
15       9      33     2        很低
20       17     37     3        低于平均
25       27     41     4        略低于平均
30       38     44     4        略低于平均
35       49     47     5        平均
38(M)    50     50     5        平均（均值）
40       55     52     5        平均
45       65     57     6        略高于平均
50       75     61     7        高于平均
55       83     67     7        高于平均
58       88     70     8        很高
60       90     72     8        很高
65       94     77     8        很高
70       97     83     9        极高
75       99     87     9        极高

注：PR = 百分等级（低于该分数的人的百分比）；T 分 = 50 + 10*(X - 38.42)/9.87；
    标准九依 PR 对应标准九切割点换算（见表头说明）。

输出 3: 分性别差异检验

表 3  SEAS 焦虑量表分性别描述统计与组间比较

         男（n=600）         女（n=600）
         M      SD          M      SD          t        p        Cohen's d
总分     36.85   9.64       40.01   9.91        -5.47    < .001   0.32

注：Cohen's d = 0.32，小效应（女生高于男生；Cohen 阈值：小 .20，中 .50，大 .80）；
    p < .001 达统计学显著，但效应量属小效应，实践意义有限。

建表决策规则：

效应量 Cohen's d	常模建表建议
< .20（极小）	合并建一张总体常模表即可
.20 - .50（小-中）	建议分性别建表，注明差异
>= .50（中-大）	必须分性别建常模，合并表会造成系统性误差

本例 d = 0.32（女生高于男生），建议分性别提供常模，但效应量属小，总体常模仍可作为参考。

输出 4: 个体解释报告（原始分 X = 58）

ChatSRS 自动生成以下解释文本：

被试 SEAS 总分 = 58 分

换算结果：
  百分等级（PR）= 88
  T 分           = 70
  标准九         = 8

解读摘要：
该被试的学业焦虑得分（58 分）处于大学生常模的第 88 百分等级，
即高于约 88% 的同类参照群体。T 分 = 70（高于常模均值 2.0 个标准差），
标准九 = 8，属"很高"区间。

建议：得分处于高风险范围（T 分 = 70，高于常模均值 2.0 个标准差），
建议进一步评估焦虑成因，必要时转介心理援助服务（具体关注阈值以 SEAS 量表手册为准）。

论文里怎么报告（APA 7th 格式）

APA 7th 在测量工具章节对常模报告的要求：说明常模群体特征、报告常模样本均值和标准差、报告个体分数的换算方式和结果。

方法节（量表与常模章节）：

本研究以 1,200 名大学生（男女各半，年龄 M = 20.3 岁，SD = 1.4 岁）为常模样本，计算学业焦虑量表（SEAS）各原始分对应的百分等级（PR）、T 分（M = 50，SD = 10）及标准九。常模群体 SEAS 总分分布近似正态（偏度 = 0.34，峰度 = -0.12），满足 T 分换算的正态假设。T 分换算公式为 T = 50 + 10 × (X − 38.42)/9.87。

结果节（个体解释部分）：

参与者 SEAS 原始分为 58 分，对应大学生总体常模百分等级 PR = 88，T 分 = 70，标准九 = 8，高于约 88% 的常模参照群体，处于"很高"区间（T >= 65 为 MMPI-2 等量表的临床关注阈值；Gregory, 2015；具体阈值以所用量表手册为准）。

常模差异报告（方法节）：

独立样本 t 检验显示，女生 SEAS 总分（M = 40.01，SD = 9.91）显著高于男生（M = 36.85，SD = 9.64），t(1198) = -5.47，p < .001，Cohen's d = 0.32，属小效应（女生显著高于男生）。因此提供分性别常模以提高解释精度。

APA 报告格式规范总结：

报告要素	格式示例
T 分	T = 70（不带单位，大写 T）
PR	PR = 88（大写 PR，不写百分号）
标准九	标准九 = 8（或写 Stanine = 8）
常模均值 SD	M = 38.42，SD = 9.87
性别 t 检验	t(1198) = -5.47, p < .001, d = 0.32（女生 > 男生）
效应量解读	依 Cohen (1988)：d = .20 小效应，.50 中效应，.80 大效应

APA 细节：p 值小数点前不加 0（p < .001，不写 p < 0.001）；Cohen's d 报绝对值方向在文字中说明；常模参照必须说明参照群体特征（年龄、文化背景、n）。

常见问题 FAQ

Q1：PR 和 T 分哪个更好用？什么时候报哪个？

A：两者互补，通常同时报告。PR 直观易懂（"你比 88% 的人高"），适合对外解释（家长、来访者、非统计背景读者）；T 分是等距尺度，适合做进一步统计运算（如不同量表的 T 分相加、比较多量表轮廓）。APA 格式要求在结果节同时提供原始分、PR 和 T 分，三者缺一不可。值得注意的是，PR 是序数尺度，PR 70 与 PR 80 之间的"差距"不等于 PR 40 与 PR 50 的差距，因此不能直接对 PR 值做均值、t 检验或回归，应先转为 T 分再计算。

Q2：常模样本需要多大？有没有行业规范？

A：没有统一硬性标准，但实践指南（APA Standards for Educational and Psychological Testing, 2014）建议：

初步常模（pilot norm）：n >= 200，用于初稿报告
标准常模（standard norm）：n >= 500，用于正式发表
分类别常模（性别、年龄段等）：每个亚组 n >= 200
国家级代表性常模（大型标准化测验）：n = 1,000-5,000，分层抽样

ChatSRS 在输入常模数据时会自动检验样本量是否满足分层建表的要求，若亚组 n < 100 会给出警告。

Q3：分布明显偏斜时，PR 和 T 分的计算有什么不同？

A：关键区别在于 T 分的有效性。T 分公式 T = 50 + 10Z 假设原始分服从正态分布——如果分布严重偏斜（偏度 > |1|），直接用公式计算的 T 分会失真（左偏时高分区 T 分压缩，低分区过度拉伸）。解决方案：

非参数 T 分（area T-score）：先从经验分布计算各分数对应的 PR，再用正态逆变换将 PR 转为标准正态 Z 分，最后用 T = 50 + 10Z 换算。这种方法不依赖正态假设，是偏斜分布的标准做法
PR 值本身是非参数的（从经验累积分布直接读取），无论分布形态如何都始终准确

在 ChatSRS 中，指定"用面积转换法（area transformation）计算 T 分"即可自动切换为非参数路径。

Q4：同一测验同时有 T 分和 PR，审稿人说"常模解释不完整"，缺什么？

A：审稿人通常要求的完整常模报告包含六要素：(1) 常模群体来源和特征描述（n、年龄、地域、抽样方法）；(2) 原始分描述统计（M、SD、偏度、峰度）；(3) 分布正态性验证或说明偏差及处理方式；(4) PR 表（至少每 5 分一档）；(5) 换算公式或 T 分对应表；(6) 亚组常模差异检验（性别、年龄段等），并说明是否需要分别建表。缺了任何一个，审稿人都会要求补充。ChatSRS 的 norm_reference 方法一次性输出全部六要素，无需多次迭代。

Q5：T 分 = 70 是否等于"临床异常"？阈值怎么定？

A：T 分 70 对应正态分布下约第 98 百分位，这是许多心理测量工具约定俗成的"临床关注线"（两个标准差原则），但它不是通用硬性标准。具体阈值取决于量表本身：MMPI-2 系列以 T >= 65 为临床显著阈，Beck 抑郁量表有独立的原始分切割点（不依赖 T 分），PHQ-9 用分段原始分区间（0-4/5-9/10-14/15-19/20-27）定义严重程度等级。因此，报告 T 分时必须引用量表原手册指定的阈值，不能一概沿用"T >= 70 = 异常"的通用规则。ChatSRS 在分析知名标准化量表时会自动提示该量表的官方阈值与参考文献。

小结

常模参照分析的核心链路：原始分 → PR（序数定位）→ T 分（等距换算）→ 标准九（区间报告），三者互补、不可互相替代。

在 chatsrs.com 中，ChatSRS 的 norm_reference 方法（SPSS + R + Stata 三引擎）一句话完成：

常模群体描述统计 + 正态性验证
完整常模对照表（原始分-PR-T分-标准九）
分组常模差异检验（t 检验 + Cohen's d）
个体分数完整解释报告
APA 7th 格式可复制文字描述

特别提醒：PR 是序数尺度，不能做算术运算；T 分是等距尺度，才能做均值比较和回归分析。这是常模参照报告中最容易混淆的统计口径，APA 7th 和各大测量学期刊对此均有明确要求。