統計・偏差値・IQスコアリングの実装

偏差値の中身は「平均から標準偏差いくつ分ずれているか」でしかない。その物差しを50中心・10刻みに置き直しただけなので、標準偏差1つ分がちょうど偏差値10にあたる。得点をどれだけ伸ばしても偏差値は一定ペースで上がり続け、上限もない。ただしその頃には正規分布の曲線はほとんど地面に張りついていて、そこに立つ人はまずいない。

01偏差値の計算式と分布の考え方

偏差値は「平均を50、標準偏差1つ分を10」と置き換えたスコアで、計算式は50 + 10 × (得点 − 平均) ÷ 標準偏差。得点そのものではなく「集団内での相対位置」を表すため、母集団（誰と比べているか）が変われば同じ得点でも偏差値は変わる。この前提を欠いた偏差値の比較は意味を持たない。

得点は1点も動かしていない。それでも母集団の平均と散らばりを変えるだけで、偏差値は大きく上下する。同じ点数でも「誰と比べるか」で評価が変わるという当たり前が、数字になって効いてくる。

偏差値そのものは順位を教えてくれない。曲線の右側の面積（累積分布）を計算して、はじめて「上位◯%・◯人中◯番目」に翻訳できる。偏差値10の差が中央付近と裾とで重みが違うのはなぜか。その面積の減り方を見れば納得がいく。

02IQスコアリングのロジック設計

IQも偏差値と同様に、平均100・標準偏差15（または24）の正規分布に当てはめて算出される相対指標である。単純な正誤数の集計ではなく、問題ごとの難易度（識別力）を重みとして加味する設計が本来は望ましいが、簡易的な診断では正答数を素点として正規分布に当てはめるだけの実装も広く使われる。

偏差値・IQ（SD15）・IQ（SD24）・スタナイン（成績を1〜9の9段階に丸めた尺度）は、同じ標準化スコア（z）に別の「中心」と「刻み」を掛け直しただけの兄弟だ。IQ130と偏差値70は、どちらも「平均から標準偏差2つ分上」の同じ場所を指している。実装としては、zを一度つくってしまえば、あとは表示スケールを選ぶだけで済む。

同じ「3問正解」でも、易しい問題ばかりを当てたのか、難問を含めて当てたのかで地力の推定は変わってくる。項目反応理論では、問題ごとの識別力（正答が地力の高い人と低い人をどれだけ切り分けるか）を重みにする。単純な正答数集計との思想の差が、2本のバーのずれになって出る。

03性格診断（Big Five等）の因子計算

Big Fiveは「外向性・協調性・誠実性・神経症的傾向・開放性」の5因子を、複数の質問項目への回答を合算して算出する。逆転項目（「私は物静かだ」のように、当てはまるほどスコアが下がる質問）を混ぜて回答の一貫性を担保するのが、素朴な集計との違いになる。

スライダーを50の近くで少し動かすと、レーダーの形はほとんど変わらないのに、高・低で決まる「型」のラベルだけがパチンと裏返る。連続量をむりやり型に押し込むと、境界すれすれの人ほど診断結果がぐらつく。Big Fiveが16タイプ診断と違って5因子を数値のまま残すのは、この取りこぼしを嫌うから。分類は一見わかりやすいが、その分だけ情報を捨てている。

「物静かだ」に強く同意した人ほど、外向性はむしろ低いはず。逆転項目を補正せずにそのまま足し込むと、逆向きの回答まで加点され、因子の値が濁ってしまう。ON/OFFで数字がはっきり反転するのは、符号の処理が集計の心臓部だからだ。

04診断ロジックの信頼性・妥当性の担保

「信頼性」は同じ人が同じ診断を受けたときに近い結果が出るかどうか、「妥当性」はそのスコアが測りたいものを実際に測れているかどうかを指す。質問数が少ない簡易診断ほどこの2つが弱くなりやすく、エンタメ用途であることを明示するのが誠実な設計になる。

信頼性は「なんとなく」ではなく、クロンバックのαという一つの数値で測れる。項目間の相関を据え置いたまま質問数だけ減らすと、αははっきり下がっていく。「質問数の少ない簡易診断ほど信頼性が弱い」が、式の上でそのまま再現される。

安定して同じ結果が出ても、それが測りたい実体とずれていれば、その値は無意味になる。信頼性が高いのに妥当性が低い、という状態はふつうにありうるのだ。スコアと実体の相関が下がるほど、点は対角線から離れ、雲のように散っていく。その散らばり具合が、そのまま妥当性の低さを映している。

再テストのたびに推定平均が跳ねるのは、1回の結果が偶然のブレを多く含んでいるから。質問数を増やすと、そのブレ（標準誤差）は σ/√n の速さで縮んでいく。簡易診断の結果を断定的に語れない根拠が、点の散らばりとして目に見える。