您在问题中引用的模型称为“单向模型”。假定随机行效应是唯一的方差系统性来源。在评估者之间具有可靠性的情况下,行对应于测量对象(例如,对象)。
单向模型:其中是所有对象的均值,是行效应,是残余效应。
X我Ĵ= μ +[R一世+w我Ĵ
μriwij
但是,也有“双向模式”。这些假设存在与随机行效应以及随机或固定列效应相关的方差。在评估者之间具有可靠性的情况下,列对应于度量来源(例如评估者)。
双向模型:其中是所有均值对象,是行效应,是列效应,是交互效应,是剩余效应。这两个模型之间的区别是交互作用的包含或排除。
xij=μ+ri+cj+rcij+eij
xij=μ+ri+cj+eij
μricjrcijeij
给定双向模型,您可以计算四个ICC系数之一:单分数一致性ICC(C,1),平均分数一致性ICC(C,k),单分数一致性ICC(A,1)或平均得分协议ICC(A,k)。单分数ICC适用于单个度量值 (例如,各个评估者),而平均分数ICC适用于平均度量值(例如,所有评估者的平均值)。一致性ICC将分母方差从分母方差中排除(例如,允许评估者按照自己的均值来变化),而一致性ICC将分母方差的列方差包括在分母方差中(例如,要求分摊者在同一均值附近变化)。xijx¯i
如果假设随机列效果,则为以下定义:
双向随机效应ICC定义(有无交互作用):
ICC(C,1)=σ2rσ2r+(σ2rc+σ2e) or σ2rσ2r+σ2e
ICC(C,k)=σ2rσ2r+(σ2rc+σ2e)/k or σ2rσ2r+σ2e/k
ICC(A,1)=σ2rσ2r+(σ2c+σ2rc+σ2e) or σ2rσ2r+(σ2c+σ2e)
ICC(A,k)=σ2rσ2r+(σ2c+σ2rc+σ2e)/k or σ2rσ2r+(σ2c+σ2e)/k
您也可以使用方差分析的均方值估算这些值:
双向ICC估算:
ICC(C,1)=MSR−MSEMSR+(k−1)MSE
ICC(C,k)=MSR−MSEMSR
ICC(A,1)=MSR−MSEMSR+(k−1)MSE+k/n(MSC−MSE)
ICC(A,k)=MSR−MSEMSR+(MSC−MSE)/n
您可以使用irr包在R中计算这些系数:
icc(ratings, model = c("oneway", "twoway"),
type = c("consistency", "agreement"),
unit = c("single", "average"), r0 = 0, conf.level = 0.95)
参考文献
McGraw,KO和Wong,SP(1996)。关于一些类内相关系数的推论。心理方法,1(1),30-46。
Shrout,PE和Fleiss,JL(1979)。类内关联:用于评估评估者的可靠性。心理通报,86(2),420–428。