组内相关系数（ICC）计算器
衡量不同评定者对同一批对象评分的一致程度。每个对象单独占一行，输入各评定者的数值得分。
学习手动计算方法输入数值
结果随输入自动更新。
每行对应一个评价对象，每列对应一位评定者的数值得分。
ICC(2,1) 单次测量
请检查输入
输入有效数值即可查看结果。需要帮助时，请参阅字段提示或打开数据输入指南。
计算在您的浏览器中完成，数据不会发送给我们。
自己动手计算
两位评定者对三个对象评分，三行分数分别为 1,2；2,3；3,4。
按照示例了解计算过程，再代入您自己的数值。
计算各均值
n = 3 个对象；k = 2 位评定者。总均值 = 2.5；各对象均值 = 1.5, 2.5, 3.5；各评定者均值 = 2, 3。计算对象均方与评定者均方
MSR = k × Σ(对象均值 − 总均值)² ÷ (n − 1) = 2。MSC = n × Σ(评定者均值 − 总均值)² ÷ (k − 1) = 1.5。计算残差均方
总平方和 = 5.5。对象平方和 = 4；评定者平方和 = 1.5。MSE = (5.5 − 4 − 1.5) ÷ [(3 − 1)(2 − 1)] = 0。计算单个评定者的绝对一致性
ICC(2,1) = (MSR − MSE) ÷ [MSR + (k − 1)MSE + (k/n)(MSC − MSE)] = 2 ÷ 3 ≈ 0.667。计算平均评分的信度
ICC(2,k) = (MSR − MSE) ÷ [MSR + (MSC − MSE)/n] = 2 ÷ 2.5 = 0.8。
这里采用双向随机效应、绝对一致性模型。示例中两位评定者的评分变化完全一致，但始终相差一分，因此绝对一致性小于 1。
在计算器中核对答案
单次测量与平均测量
单次测量 ICC 估计一位评定者评分的信度，适用于实际工作中每个对象由一人评分的情况。平均测量 ICC 估计多位评定者平均分的信度，适用于最终结果始终采用多位评定者平均分的情况。本工具同时报告两种结果。
本工具使用哪种模型
本计算器采用双向随机效应、绝对一致性模型，输出 ICC(2,1) 和 ICC(2,k)，常用于评定者间信度分析。常见粗略标准为：低于 0.5 较差，0.5 至 0.75 中等，0.75 至 0.9 良好，高于 0.9 优秀，具体应结合研究目的和不确定性判断。
常见问题
ICC 与科恩 Kappa 有何不同？
Kappa 用于类别评价，评定者需选择一个类别。ICC 用于连续数值评分，会考虑分数之间差距的大小，而不是把所有不完全相同的评分都视为同样程度的不一致。