ICC：組內相關係數分析 (Intraclass correlation coefficient, ICC)
條件：連續型資料，需測量兩次以上。
ICC 標準參考(Cicchetti, 1994)
Shrout & Fleiss (1979) ICC 模型對照表
圖1 三種ICC模型差異
一、ICC(1)：One-way Random Model
模型：
※只有「對象」這一個因子（one-way），沒有明確建模評分者效果。
特點：
- 評分者沒有被建模
- 評分者差異全部進誤差
- 評分者「不可區分」
應用：
- 評分者隨機且不一致
- 不知道誰評分
【範例：假設有3名學生，從10位老師中隨機分配2人進行評分，每組老師不重複，若有部分重複，建議採用。】
ICC(1, 1)定義：同一個對象(subject)的兩次評分之間的相關性。
也就是「兩個隨機評分者對同一個人的評分一致性」：
也就是說，當ICC(1, 1)值越大，代表同一個對象的不同評分者的評分越一致。
ICC(1, k)定義：同一個對象(subject)的兩次平均評分之間的相關性。
也就是「如果對同一個人，各自抽兩組k個評分者並取平均，這兩個平均值有多一致」：
也就是說，當ICC(1, k)值越大，代表同一個對象的不同評分組的平均評分越一致。
二、ICC(2) ：Two-way Random Model
模型：
特點：
- 同時考慮評分者與被評分者
- 把「評分者之間的差異」當成誤差
- 評分者「可區分」
應用：
- 每一個被評分者都必需被同樣的一群評分者評分
- 想推論到所有可能評分者
【範例：假設有3名病人，2位心理師皆對3名病人評估焦慮程度。】
ICC(2, 1)定義：同一個對象(subject)的兩次評分之間的相關性。
也就是「兩個隨機評分者對同一個人的評分一致性」：
推得：
特點：不僅反映一致性，還考慮了評分者之間的系統差異，當樣本數（組員數）越多時，組平均值的 ICC(2) 值通常會越高。
ICC(2, k)定義：同一個對象(subject)的兩次平均評分之間的相關性。
也就是「如果對同一個人，各自抽兩組k個評分者並取平均，這兩個平均值有多一致」：
也就是說，當ICC(2, k)值越大，代表同一個對象的不同評分組的平均評分越一致。
以上為組內相關係數分析 ICC1和ICC2介紹的說明，若有統計相關需求再請與我們聯繫，也請給我們一個google好評，謝謝~
