组内相关系数计算器

类内相关系数 (ICC) 是一种关键的统计工具，用于衡量不同观察者或评分者进行的评分或测量的可靠性和一致性。本指南深入探讨了 ICC，包括其定义、计算公式、实际示例和常见问题解答。

什么是类内相关 (ICC)？

定义：

ICC 是一种统计指标，用于量化多个评分者或评判者在评估同一变量时的一致程度。它评估评分的相关程度，使其对于涉及评分者间信度的研究非常宝贵。

主要应用：

• 临床研究： 评估医学诊断的一致性。
• 心理学： 衡量治疗师或咨询师之间的一致性。
• 教育： 评估评分系统的可靠性。
• 运动科学： 确定绩效评估的一致性。

ICC 值介于 0 到 1 之间：

• 接近 0： 表示除了偶然性之外几乎没有一致性。
• 接近 1： 表示评分者之间具有很强的一致性。

ICC 公式：以精确度简化复杂的数据分析

ICC 公式如下：

\[ ICC = \frac{VOI}{VOI + UV} \]

其中：

• ICC: 类内相关系数
• VOI: 感兴趣的方差（variance of interest，指由测量的变量实际差异所造成的变异）
• UV: 不需要的方差（unwanted variance，指由于测量误差或评分者间不一致性造成的变异）

此公式计算归因于感兴趣的变量的方差与总方差的比例。

实际示例：逐步计算 ICC

场景：

假设您正在进行一项研究，其中三位评委评估学生在测试中的表现。您想确定他们分数的可靠性。

给定数据：

• 感兴趣的方差 (VOI)：25
• 不需要的方差 (UV)：5

步骤：

1. 将值代入 ICC 公式： \[ ICC = \frac{25}{25 + 5} = \frac{25}{30} = 0.8333 \]
2. 解释：ICC 为 0.8333 表示评委之间有很强的一致性。

有关 ICC 的常见问题：获得可靠结果的专家见解

问题 1：高 ICC 值意味着什么？

高 ICC 值（接近 1）表示评分者之间具有极好的一致性，表明测量误差最小且评估一致。

问题 2：如何在研究中解读 ICC 结果？

解读取决于具体情况：

• 低于 0.40： 可靠性差
• 0.40–0.59： 可靠性一般
• 0.60–0.74： 可靠性良好
• 高于 0.75： 可靠性极好

问题 3：ICC 可以是负数吗？

不可以，ICC 不可能是负数，因为它表示方差的比例，而方差始终是非负数。如果您的计算结果为负 ICC，请重新检查您的数据是否存在错误。

术语表

感兴趣的方差 (VOI): 归因于测量的变量的实际差异部分的方差。

不需要的方差 (UV): 由测量误差或评分者之间的不一致性引起的变异性。

评分者间信度： 不同评分者在其评估中达成一致的程度。

类内相关系数 (ICC): 一种统计测量，用于评估跨多个评分者的评分的一致性或一致程度。

关于 ICC 的有趣事实

1. 多功能性： ICC 可应用于各种领域，包括医疗保健、心理学、教育和运动科学。
2. ICC 的类型： 存在多种类型的 ICC（例如，单向随机效应、双向随机效应），每种类型都适用于不同的研究设计。
3. 样本量的影响： 较大的样本量通常会提高 ICC 估计的准确性和可靠性。
4. 超越一致性： ICC 不仅测量一致性，还有助于识别评分中的系统性偏差。