IQ 계산 방법

IQ 계산의 기본 개념

지능 지수(IQ)는 인간의 지능을 측정하기 위해 설계된 일련의 인지 평가에서 도출된 표준화된 총 점수입니다. 오늘날 IQ 점수는 개인의 성취도가 정확히 같은 나이의 일반 집단과 비교하여 어디에 위치하는지를 나타내는 규준 참조 지수입니다.

설계상, 집단 평균은 항상 사전에 결정된 평균 100에 고정되며, 웩슬러 검사와 같은 주요 척도에서는 표준 편차(SD)가 15입니다. 표준화는 일관성과 신뢰성을 보장하기 위해 반드시 필요하며, 집단의 대표 표본을 기반으로 기준을 수립함으로써 임상의는 개인의 인지 능력이 동년배 대비 어느 위치에 있는지 정확하게 판별할 수 있습니다.

초기 방법: 비율 IQ

20세기 초, "정신 연령" 개념이 도입되었습니다. 이 지표는 아동의 검사 수행 능력을 해당 수준의 성취가 일반적으로 나타나는 평균 연령에 대응시킨 것입니다. 이를 단일 점수로 수량화하기 위해, 루이스 터먼(Lewis Terman)이 1916년에 비율 IQ 방법을 대중화했습니다.

비율 IQ의 정확한 공식은 다음과 같습니다:

IQ = (정신 연령 ÷ 생활 연령) × 100

예를 들어, 8세 아동이 지능 검사를 완료하고 10세에 해당하는 정신 연령을 달성한 경우, 계산식은 (10 ÷ 8) × 100 = 125가 됩니다.

그러나 이 방법에는 근본적인 수학적 한계가 있었습니다. 주된 한계는 정신 연령이 무한정 일정한 선형 속도로 증가하지 않는다는 것이었습니다. 정신 연령은 청소년기 후반에 정체되는 반면, 생활 연령은 계속 증가합니다. 성인에게 적용할 경우, 이 공식은 나이가 들수록 IQ 점수가 인위적으로 급락하는 결과를 초래할 것입니다. 또한 점수의 표준 편차가 연령 그룹 간에 크게 변동하여 연령 간 비교가 수학적으로 무효화되었습니다.

은퇴자(65세 이상)의 IQ 추정

비율 IQ는 일반적인 검사에는 더 이상 사용되지 않지만, 정신 연령과 생활 연령을 사용하여 고령 집단의 IQ를 추정하기 위한 전문화된 수학적 모델이 제안되었습니다. 65세 이상 인간의 IQ를 추정하기 위한 모델 공식 중 하나는:

IQ = 317.1332268 × (MA / CA) − 111.2947030 / CA

이 특정 수학적 모델은 은퇴자의 IQ 감소율을 고려하며, 고전적 비율 공식에서 나타나는 인위적인 점수 하락을 방지하기 위해 최적화된 특정 상수를 사용하여 정신 연령/생활 연령 비율을 조정합니다.

현대적 IQ 계산 방법

비율 공식의 결함을 해결하기 위해, 심리측정학은 1939년 데이비드 웩슬러(David Wechsler)가 도입한 "편차 IQ" 모델로 전환했습니다. 이 통계 시스템은 IQ 점수를 연령별 평균으로부터의 표준화된 편차로 처리하여, 개인을 동년배와 비교한 정규 분포(종형 곡선) 위에 위치시킵니다.

현대 편차 IQ의 정확한 공식은:

IQ = 100 + 15z

"z"(표준 점수)를 구하기 위한 정확한 계산은:

z = (원점수 − 연령 집단 평균) / 연령 집단 SD

이 모델은 고정된 평균과 표준 편차를 보장하며, 이는 대다수의 사람들이 평균 근처에 집중되고 극단적으로 높거나 낮은 끝에는 더 적은 수의 개인이 있음을 의미합니다. 집단의 약 68%가 평균의 1표준 편차 이내(85~115 사이)에 해당하는 점수를 받고, 95%는 2표준 편차 이내(70~130 사이)에 해당합니다.

IQ 측정: 단계별 절차

표준화된 IQ 검사 수행: 개인이 통제되고 균일한 조건 하에서 실시되는 다양한 개별 소검사로 구성된 평가를 완료합니다.
원점수 계산: 검사 평가자가 개인의 검사 수행에서 획득한 총 점수를 나타내는 원점수를 집계합니다.
원점수를 환산 점수로 변환: 원점수는 연령별 규준 표를 사용하여 "환산 점수"로 변환됩니다. WISC나 WAIS와 같은 검사에서, 이 개별 소검사 환산 점수는 1에서 19까지 범위이며, 평균 10, 표준 편차 3입니다.
규준 집단과 결과 비교: 검사자가 환산 점수를 합산하여 "환산 점수 합계" (S)를 구합니다.
환산 점수 합계에서 FSIQ 계산: 환산 점수 합계(S)는 평균 100, 표준 편차 20인 정규 분포를 따릅니다. 최종 전체 척도 IQ는 표준 편차 15가 필요하므로, 검사자는 통계적 변환 공식을 사용하여 합계를 최종 FSIQ로 변환합니다:
FSIQ = 100 + ((15 / 20) × (S - 100))
단순화하면, 이 정확한 통계 공식은 다음과 같이 표현됩니다:
FSIQ = 25 + 0.75 × S
불완전한 IQ 검사 안분 계산: 임상의가 핵심 소검사의 전체 배터리를 실시할 수 없는 경우, 최종 지수 또는 IQ를 추정하기 위해 이용 가능한 점수를 "안분 계산"해야 합니다.
2개의 소검사만을 사용한 3소검사 지수 추정: 공식은 이용 가능한 2개의 환산 점수 합계를 1.5(또는 3/2)로 곱하는 것을 요구합니다.
8개 또는 9개의 핵심 소검사만을 사용한 전체 척도 IQ 추정: 공식은 유효한 8개 또는 9개의 환산 점수 합계를 각각 (10/8) 또는 (10/9)로 곱하는 것을 요구합니다.

IQ 검사에서의 지능 측정

현대 IQ 검사는 습득된 일반 지식보다는 추상적 추론, 논리, 인지 처리의 특정 측면을 측정합니다. 다양한 섹션이 유동 추론, 언어 이해, 작업 기억, 처리 속도와 같은 특정하고 독립적인 인지 영역을 평가함으로써 총 IQ에 기여합니다. 이러한 개별 소검사에서의 수행이 특정 지수 점수를 생성합니다. 복합 채점을 통해, 이 지수 점수들이 수학적으로 집계되어 전체 척도 IQ(FSIQ)를 생성하며, 이는 전반적인 지적 기능에 대한 가장 포괄적인 추정치 역할을 합니다.

표준화 및 규준화 과정

검사 기준점은 표준화라고 불리는 과정을 통해 만들어지며, 이는 집단의 크고 대표적인 표본에 검사를 실시하는 것을 포함합니다. 이러한 대규모 집단 표본의 역할은 정확한 참조점이 수립될 수 있도록 각 특정 연령 코호트의 평균 수행과 표준 편차를 파악하는 것입니다. 검사 대상자는 오직 정확히 같은 나이의 동년배 규준 표본과만 비교됩니다.

IQ 검사 분산과 플린 효과에 관한 통계 공식

지난 한 세기 동안, 연구자들은 평균 지능 검사 점수의 지속적인 역사적 상승을 기록했으며, 이는 플린 효과(Flynn Effect)로 널리 알려진 현상입니다. 이 지속적인 점수 상승으로 인해, 오래된 검사 규준은 결국 시대에 뒤떨어지게 되어 개인의 IQ 점수를 인위적으로 부풀릴 수 있습니다. 이 효과를 이해하고 정량화하기 위해, 연구자들은 개인이 오래된 검사 버전과 새롭게 규준화된 버전에서 어떻게 수행하는지를 비교하는 메타분석을 실시합니다.

플린 효과의 크기를 정확하게 측정하고 측정 오차를 고려하기 위해, 연구자들은 몇 가지 특정 통계 공식에 의존합니다:

효과 크기 계산: 주어진 연구에서 플린 효과의 크기(효과 크기)는 오래된 검사와 새 검사의 평균 점수 간의 원시 차이를 구한 다음, 그 차이를 두 검사의 규준화 날짜 사이의 연수로 나눔으로써 계산됩니다. 이는 연간 IQ 점수 증가에 대한 추정값을 제공합니다.

차이의 분산: 비교 중인 두 검사 간의 차이에 대한 통계적 분산을 결정하기 위해, 연구자들은 다음 공식을 사용합니다:

$Variance = \frac{S D_{New}^{2} + S D_{Old}^{2} - 2 r S D_{New} S D_{Old}}{N}$

여기서 SD2New는 더 최근에 규준화된 검사의 분산, SD2Old는 덜 최근에 규준화된 검사의 분산, r은 두 검사 간의 보고된 상관관계, N은 총 표본 크기입니다.

기간 조정 분산: 플린 효과를 평가하는 연구는 오래된 검사와 새 검사의 규준화 사이의 기간이 다양한 경우가 많습니다. 이러한 다양한 기간을 기반으로 한 차별화된 정밀도를 허용하기 위해, 연구자들은 분산을 조정해야 합니다. 그들은 단일 연도 기간 대비 증감 배수를 나타내는 기간 인수(ω)를 계산합니다. 최종 조정 분산은 차이의 분산을 ω를 곱한 총 표본 크기(N)로 나눔으로써 계산됩니다. 이 최종 조정 분산 공식은 다음과 같이 표현됩니다:

$Variance = \frac{S D_{New}^{2} + S D_{Old}^{2} - 2 r S D_{New} S D_{Old}}{N ω^{2}}$

최종 IQ 점수 해석

IQ 수치가 실제로 의미하는 것은 통계적 희소성과 상대적 위치의 반영입니다. 정규 분포는 수학적으로 고정되어 있으므로, 특정 편차 점수는 항상 특정 백분위 순위에 해당합니다.

130 이상: 매우 우수 / 영재 (98번째 백분위수 이상으로, 집단의 약 2.1%~2.3% 해당).
115~129: 평균 이상~우수 (84번째~98번째 백분위수 사이).
85~114: 평균~평균 이하 (집단의 약 68% 해당, 점수 100의 경우 정확히 50번째 백분위수에 중심).
70~84: 경계선~평균 이하.
70 미만: 매우 낮음 (집단의 하위 약 2.3% 해당).