평균

 
- 가장 많이 쓰이는 것으로 평가차원별 평가점수의 평균값을 평가척도의 중간점과
  단순 비교하는 것
   
- 평가차원별 평가점수의 평균값이 중간점보다 크면 클수록 관대화 경향이 발생한
  것으로 간주하고, 적으면 적을수록 엄격화 경향이 발생한 것으로 간주
   
- ‘척도의 중간값이 실제성과의 중간수준을 잘 대표하는가?’ 라는 문제점이 있음
 

(평가차원별 평가점수의 평균값이 척도 중간값보다 높더라도, 실제의 중간
성과수준이 척도의 중간값보다 높다면 관대화가 아닐 수 있음)

 

분산분석

 
- ‘평가자 x 피평가자 x 평가차원’의 삼원 분산분석방법에 기초한 것
   
- 평가자 주효과가 통계적으로 유의하면(평가분산의 많은 부분을 설명하면), 관대화
  혹은 엄격화 경향이 있는 것으로 간주
   
- 분산분석이 평균이 0이고 정규분포를 한다고 가정하는 문제 외에도, 실제 값을 알 수
 

없기 때문에 개별 평가자의 오류정도를 파악하기 어렵고, 또한 오류의 방향을 알 수
없는 한계 있음

평가점수 빈도분포의 왜도(skewness) 평가

 
- 왜도 계산에서 데이터 수가 3개 미만이거나 표준 편차가 0이면 #DIV/0! 오류값을
  표시
 
- 여기서 s는 표본의 표준 편차임
   
- 빈도분포는 평균을 기준으로 균등하게 분포되었을 때 대칭적(symmetric) 이라
 

하고, 자료가 평균을 기준으로 왼쪽 혹은 오른쪽으로 기울게 분포되어있을 때,
편향적으로 분포되는 정도를 편분포도(skewness)라고 한다. 이 경우 평균, 중앙값,
최빈값이 서로 일치하는 분포를 대칭적 자료(symmetric data)라 하고,
평균<중앙값<최빈값인 분포를 왼쪽 편분포(skewed left) 자료, 최빈값<중앙값
<평균인 분포를 오른쪽 편분포(skewed right) 자료라 함
   
- 편분포도 계수(coefficient of skewness; a3)값이 a3 = 0이면 대칭적인 자료로
 

판정하고, a3 < 0 이면 왼쪽 편분포 자료로 정의 관대화 경향이 있는 자료로
판정하며, a3 > 0 이면 오른쪽 편분포 자료로 역의 관대화 즉 평가가 까다로운
경향의 자료로 판정할 수 있음