![c1c3300484d81e629a36cf9d899ab667.png](https://i-blog.csdnimg.cn/blog_migrate/96f04a562876ae3f5f31383f7cdfb2a7.png)
一实习生按照某标准将一批就诊患者分为了病人和非病人,某位经验丰富技能高超的大夫,大夫也按该标准对同一批就诊患者做出了病人和非病人的诊断。想了解此实习生的水平,直接计算下Kappa值看看他与这大夫之间的一致性即可。Kappa值是针对分类资料的,而且常常是两组之间一致性的检验,比如两种诊断试验方法的诊断结果,或者是同一个研究者先后两次的诊断结果。 如果想考察三组之间分类资料的一致性,SPSS就不能计算Kappa值了,这种情况想获得Kappa值,就只能通过人工计算。
![f36ce0103b61e30c0d1f9eefce869193.png](https://i-blog.csdnimg.cn/blog_migrate/9b4343aa020b9185fd38fc83cfac26cf.png)
但当我们遇到的不再是分类资料时,比如我们想考察两位研究者关于血压测定的一致性,血压可是连续变量,Kappa值不能再用了,是不是就束手无策了?为了解决这个问题,Ronald Fisher提出了组内相关系数(intraclass correlation coefficient), 简称ICC。组内相关系数就可用来判定连续变量之间一致性。比如双胞胎之间某连续变量(如红细胞计数)的一致性,或者不同测定方法对同一定量结果的一致性,或者像之前提出的不同研究者对同一定量结果的一致性。这样以后我们在考察分类资料一致性的时候ÿ