相关系数excel_如何求组内相关系数ICC？（应用篇）

注：本文没有理论只有实际操作方法(R,Mplus,SPSS,EXCEL, HLM)。主要是组内相关系数（intraclass correlation coefficient ；ICC）算法，顺带捎了点求

的方法。

尽管检验信度和非独立性的ICC概念上不同，但计算的时候是一回事儿。请在算ICC前，理理清楚自己要算啥、怎么算、有啥意义。【可以去看理论篇（1）和理论篇（2）】

---

R

1.（多层模型分析中最常用）lme4包 ——VarCorr（）和lmer（）功能/ nlme包 ——lme（）功能

#先建模（random coefficient models, e.g. HLM)

fm1 <- lmer(Y~ XX+ (XX|Group1), data = data， na.action=na.omit)

#也可以写作

fm1 <- lme(Y~ XX， random = ~ 1|Group1, data = data， na.action=na.omit)

# 提取方差和标准差

VarCorr(fm1)

#得到结果：

根据公式ICC(1)=组间方差/（组间方差+组内方差）计算ICC（1）

ICC(1)=组间方差/（组间方差+组内方差）

再根据ICC2= k*ICC1 / (1 + (k-1)*ICC1)求得ICC2，k是每组的平均样本量。

ICC2= k*ICC1 / (1 + (k-1)*ICC1)

2. psych包——ICC（）功能

#例子1（此为 Shrout & Fleiss (1979)文中的例子）

sf <- matrix(c( 9,    2,   5,    8, 6,    1,   3,    2, 8,    4,   6,    8, 7,    1,   2,    6, 10,   5,   6,    9, 6,   2,   4,    7),ncol=4,byrow=TRUE) colnames(sf) <- paste("J",1:4,sep="") rownames(sf) <- paste("S",1:6,sep="") 
#仅基于方差分析 ICC(sf,lmer=FALSE)  

#例子2

#载入数据

sai <- psychTools::sai 

#选择要分析的部分数据

sai.xray <- subset(sai,(sai$study=="XRAY") & (sai$time==1)) 

#计算ICC（lmer=True的情况下允许有缺失数据并会生成方差成分（variance components），相当于使用了lme4包种的lmer功能）

xray.icc <- ICC(sai.xray[-c(1:3)],lmer=TRUE,check.keys=TRUE) 
xr