Editverse gratis kalkulator
ICC-kalkulator (intraklassekorrelasjonskoeffisient)
Quantify the reliability of continuous measurements across raters or repeated measures with the one-way random-effects, single-measure intraclass correlation coefficient, ICC(1,1) in Shrout and Fleiss notation, and an R command that reproduces it. A full interpretation guide follows below. Validated against R 4.3.3.
Med enkle ord
Intraklassekorrelasjonskoeffisienten (ICC) måler hvor mye av variasjonen i kontinuerlige målinger som skyldes reelle forskjeller mellom forsøkspersoner , snarere enn inkonsistens mellom vurderere eller anledninger. En høy ICC betyr at vurderere eller gjentatte målinger stemmer godt overens; en lav ICC betyr at mye av variasjonen er målestøy.
I motsetning til en enkel korrelasjon mellom to vurderere, håndterer ICC et hvilket som helst antall vurderere og behandler dem innenfor én modell. Det er viktig å merke seg at det finnes flere former – som varierer i om vurdererne er faste eller tilfeldige, og om man er opptatt av absolutt samsvar eller bare konsistens – og de er ikke utskiftbare, så formen må rapporteres.
Når skal man bruke ICC
Bruk ICC for kontinuerlige data når du ønsker pålitelighet på tvers av vurderere (inter-rater), på tvers av gjentatte målinger (test-retest), eller innenfor en enkelt vurderer (intra-rater). Det er det kontinuerlige data-motstykket til Cohens kappa , som er for kategorier.
Oppgi alltid hvilket ICC-skjema du brukte – valget mellom enveis- og toveismodeller, tilfeldige versus faste ratere, og absolutt samsvar versus konsistens, endrer verdien og dens betydning. Rapporter ICC med konfidensintervallet , siden pålitelighetsestimater fra små utvalg er upresise. Usikker på hvilket pålitelighetsmål som passer til designet ditt? Testvelgeren vår kan hjelpe.
Forventet format: Vurderingspersoner (én per linje): Vurderingsnavn: v1, v2 …
Slipp en CSV-fil her eller klikk for å velge. Analysert i nettleseren din: ingenting lastes opp.
Forventet format: Vurderingspersoner (én per linje): Vurderingsnavn: v1, v2 …
library(irr) ratings <- {icc_ratings} # rader = subjekter, kolonner = vurderere icc(ratings, modell = "oneway", enhet = "single")Bruksanvisning
Når den skal brukes. Kvantifiser påliteligheten til kontinuerlige målinger på tvers av flere vurderere.
Forutsetninger. Kontinuerlige vurderinger; konsistent vurdering på tvers av forsøkspersonene.
Vanlige feil. Spesifiser ICC-skjemaet (1,1 / 2,1 / 3,1): de er ikke utskiftbare.
Utarbeidet eksempel
Klikk på Last inn eksempeldata ovenfor, og deretter på Kjør analyse for å se et fullstendig utarbeidet resultat med figur, formel og tolkning for denne testen.
Referanser
- Shrout PE, Fleiss JL. Korrelasjoner innen klasse. Psychol Bull. 1979;86:420–428.
Arbeidet eksempler
Eksempel 1 – To vurderere som gir poeng til de samme fagene
Two raters score five subjects on a continuous scale with very similar values (the built-in example). The calculator returns ICC(1,1) = 0.93, excellent reliability, meaning almost all the variation reflects true subject differences rather than rater disagreement. The two-way absolute-agreement ICC(2,1) on the same data is also 0.93.
Eksempel 2 – Hvorfor skjemaet er viktig
På de samme dataene kan en konsistens-ICC (som ignorerer systematiske forskjeller mellom vurderere) vise høyere verdi enn en absolutt enighets-ICC (som straffer en vurderer som scorer jevnt høyere). Hvis verdien rapporteres uten skjemaet, kan ikke leserne vite hvilket spørsmål du svarte på.
Forutsetninger å sjekke
Kontinuerlige målinger. ICC er for intervall- eller forholdstallsdata. For kategorisk samsvar, bruk Cohens kappa i stedet.
En konsistent vurderingsstruktur. De samme vurdererne (eller samme antall vurderere) bør vurdere alle forsøkspersonene, i samsvar med modellen du velger – enveis, toveis tilfeldig eller toveis blandet.
Den valgte formen samsvarer med spørsmålet. Avgjør på forhånd om du trenger absolutt enighet eller konsistens, og om vurdererne er et tilfeldig utvalg eller de eneste vurdererne av interesse. Feil form gir et teknisk gyldig, men misvisende tall.
Vanlige feil
Rapportering av en ICC uten skjemaet
Det finnes ti ICC-varianter. En ren «ICC = 0.85» kan ikke tolkes; oppgi alltid modell, type og definisjon (for eksempel toveis tilfeldig, absolutt samsvar).
Forvirrende konsistens med absolutt enighet
Konsistens ignorerer systematiske forskjeller blant vurderere; absolutt enighet gjør ikke det. Å velge feil vurderer kan skjule en vurderer som er pålitelig partisk, enten det er høyt eller lavt.
Ignorerer konfidensintervallet
Med få forsøkspersoner eller vurderere er ICC-punktestimatet ustabilt. Rapporter konfidensintervallet slik at leserne ser hvor presist pålitelighetsestimatet egentlig er.
Bruk av én enkelt korrelasjon for mer enn to vurderere
En Pearson-korrelasjon håndterer kun to vurderere og ignorerer systematiske forskjeller. ICC er det riktige målet for flere vurderere eller gjentatte målinger.
Ofte Stilte Spørsmål
Hva er en god ICC-verdi?
En vanlig veiledning vurderer under 0.50 som dårlig, 0.50–0.75 moderat, 0.75–0.90 god og over 0.90 utmerket – men det tilstrekkelige nivået avhenger av hvordan målingen skal brukes.
Hvordan er ICC forskjellig fra Pearsons r?
Pearsons r måler kun to vurderere og ignorerer systematiske avvik mellom dem; ICC håndterer et hvilket som helst antall vurderere og kan straffe systematisk uenighet.
Hvilket ICC-skjema bør jeg velge?
Avgjør om vurdererne er et tilfeldig utvalg eller et fast utvalg, og om du trenger absolutt enighet eller konsistens; disse to valgene bestemmer formen, som du må rapportere.
Stemmer resultatet med R og SPSS?
Yes, for the one-way model. The value equals irr::icc(ratings, model = "oneway", unit = "single") in R and the one-way random, single-measures ICC in SPSS. Two-way and average-measures forms, and the confidence interval, are not computed here; with several raters and systematic rater differences the two-way forms can differ markedly, so compute them in R if your design needs them.
Relaterte kalkulatorer
Referanser
- Koo TK, Li MY. En retningslinje for valg og rapportering av korrelasjonskoeffisienter innen klasse for pålitelighetsforskning. J Chiropr Med. 2016;15(2):155–163. PMID 27330520.
- Shrout PE, Fleiss JL. Intraklassekorrelasjoner: bruk i vurdering av raterreliabilitet. Psychol Bull. 1979;86(2):420–428.
- McGraw KO, Wong SP. Danning av slutninger om noen korrelasjonskoeffisienter innen klasse. Psykolmetoder. 1996;1(1):30–46.
Trenger du å få utført denne analysen for manuskriptet ditt?
Våre biostatistikere med doktorgrad beregner riktig ICC-skjema med konfidensintervaller og leverer publikasjonsklare pålitelighetstabeller med reproduserbar R-utdata.