一、案例介绍

当前有3位专家，同时根据测试结果对8名同学的智商进行打分，打分结果如下：

试分析3位专家的打分一致性。

二、问题分析

研究3位专家对8名同学的智商打分值的一致性，此类情况可使用ICC组内相关系数，或者Kendall W协调系数进行一致性检验。本案例为定量数据进行一致性测量，一般使用ICC组内相关系数进行分析。

三、软件操作及结果解读

（1）原理说明

1、三类系数对比

ICC组内相关系数用于测量评分数据一致性水平，相比于Kappa和Kendall系数使用范围更广，适用于定量和定类数据。这三个系数的功能类似，使用上需要注意，对比说明如下：

首先从数据类型适用性上判断：ICC适用于定量；但是Kappa一致性系数通常用于定类数据一致性；以及Kendall W协调系数用于定量数据，尤其是定序等级数据。

2、ICC模型选择

ICC组内相关系数的计算有3种模型，分别是：双向混合模型、双向随机模型、单向随机模型。ICC模型选择共涉及三个方面，分别为单向/双向、混合/随机、一致性/绝对一致性；除此之外：3种模型均会输出单一度量或者平均度量这两个指标值。结合3种模型，以及计算类型和度量标准，ICC模型一共可分为六个，如下表汇总：

有关ICC模型选择问题，可以查看SPSSAU帮助手册详细说明，在此不再赘述。

ICC组内相关系数

本案例不考虑系统误差，且针对3位专家给出的原始数据进行分析，因此使用ICC(C,1)进行分析。

（2）软件操作

将数据上传至SPSSAU系统后，在实验/医学研究模块，选择【ICC组内相关系数】，将3位专家的打分数据拖拽到右侧分析框中，模型选择“双向混合/随机 一致性”，点击“开始分析”，操作如下：

（3）结果解读

SPSSAU输出ICC组内相关系数分析结果如下：

使用ICC(C,1)模型进行分析，得到ICC组内相关系数为0.7148，95%CI为0.3364~0.9271。ICC组内相关系数介于0.6和0.8之间，说明3位专家的打分一致性程度较强。

四、结论

使用ICC组内相关系数，具体为ICC(C,1)分析3位专家对8名同学智商打分值的一致性。一般来讲，ICC <0.2则说明一致性程度较差；0.2~0.4之间说明一致性程度一般；0.4~0.6之间说明一致性程度中等；0.6~0.8之间说明一致性程度较强；0.8~1.0之间说明一致性程度很强。分析结果显示，ICC组内相关系数为0.7148，说明3位专家的打分一致性程度较强。

五、知识小贴士

1、SPSSAU共提供三类ICC模型选项，应该如何选择？

汇总说明如下：

2、怎么选择正确的ICC模型？

①单向/双向

若希望研究测量的数据是否完全相等时，此时选择单向ICC模型。

若希望研究测量数据之间的一致性程度，此时选择双向ICC模型。

②混合/随机

双向混合和双向随机模型，从原理角度进行了区分，从算法计算的角度看，其二者的数字计算结果完全一模一样。因而在分析时，只需要描述选择过程，计算结果上双向混合和双向随机模型的结果完全一致。

③一致性/绝对一致性

如果研究中考虑系统误差问题，此时需要选择绝对一致性计算类型。如果不需要考虑系统误差时，此时选择一致性计算类型。特别说明一点在于，单向模型只有绝对一致性。

除此之外，3类模型均会输出单一度量或者平均度量这两个指标值。

④单一度量/平均度量

单一度量：比如多位医生通过一项测试对抑郁症患者进行抑郁程度打分。此时数据为原始数据，应该使用单一度量。

平均度量：比如多位医生通过对抑郁症患者进行多项测试，得出平均值，进行打分，此时的数据为多项测试平均后的得分，故应该使用平均度量。