Qué hace la calculadora de ICC
El coeficiente de correlación intraclase (ICC) mide hasta qué punto las unidades de un mismo grupo se parecen entre sí. En la práctica, cuantifica la fiabilidad de las valoraciones o de las mediciones repetidas: qué proporción de la variación total se debe a diferencias reales entre los sujetos y no al ruido de la medición. Esta herramienta calcula el modelo de efectos aleatorios de una vía en su forma de medidas individuales, \(\text{ICC}(1,1)\), a partir de una sencilla matriz de valoraciones.
Cómo usarla
Escribe un sujeto (objetivo) por línea y separa la puntuación de cada evaluador o medición repetida con espacios o comas. Todas las filas deben tener el mismo número de columnas \(k\). La calculadora devuelve el ICC junto con el número de sujetos \(n\), el número de evaluadores \(k\) y los cuadrados medios entre sujetos y dentro de los sujetos.
La fórmula explicada
El ICC se construye a partir de un análisis de la varianza. Con \(n\) sujetos y \(k\) mediciones cada uno, la fórmula es:
$$\text{ICC}(1,1) = \frac{MS_B - MS_W}{MS_B + (k-1)\,MS_W}$$
Aquí \(MS_B = \frac{SS_B}{n-1}\) es el cuadrado medio entre sujetos y \(MS_W = \frac{SS_W}{n(k-1)}\) es el cuadrado medio dentro de los sujetos. Los valores cercanos a \(1\) indican un acuerdo excelente, mientras que los valores próximos a \(0\) reflejan una fiabilidad deficiente.
Ejemplo resuelto
Tomemos tres sujetos valorados por dos evaluadores: \((1,2)\), \((3,4)\), \((5,6)\). La media global es \(3.5\). De aquí se obtiene \(MS_B = 8\) y \(MS_W = 0.5\), por lo que:
$$\text{ICC} = \frac{8 - 0.5}{8 + (2-1)\times 0.5} = \frac{7.5}{8.5} \approx 0.882$$
Un ICC de \(0.88\) refleja una fiabilidad de buena a excelente entre los dos evaluadores.
Cómo calcular el ICC a mano
La fórmula siguiente es el ICC(1,1): el coeficiente de medidas individuales de un modelo unidireccional de efectos aleatorios. Es un método estadístico general (no vinculado a ningún país ni norma nacional) y se utiliza ampliamente en estudios de fiabilidad y concordancia. Trabajamos con un pequeño ejemplo con tres sujetos, cada uno evaluado por dos evaluadores: las puntuaciones son \((1,2)\), \((3,4)\) y \((5,6)\), de modo que \(n = 3\) sujetos y \(k = 2\) evaluadores.
-
Ordena la matriz y halla la media global. Dispón los datos con un sujeto por fila y un evaluador por columna, y luego promedia todos los \(n\cdot k\) valores.
$$\bar{x} = \frac{1+2+3+4+5+6}{6} = \frac{21}{6} = 3.5$$ -
Calcula la media de fila de cada sujeto.
$$\bar{x}_1 = \frac{1+2}{2} = 1.5,\qquad \bar{x}_2 = \frac{3+4}{2} = 3.5,\qquad \bar{x}_3 = \frac{5+6}{2} = 5.5$$ -
Suma de cuadrados entre sujetos \(\text{SS}_B = k\sum(\bar{x}_i - \bar{x})^2\):
$$\text{SS}_B = 2\left[(1.5-3.5)^2 + (3.5-3.5)^2 + (5.5-3.5)^2\right] = 2\left[4 + 0 + 4\right] = 16$$ -
Suma de cuadrados dentro de los sujetos \(\text{SS}_W = \sum\sum (x_{ij} - \bar{x}_i)^2\), sumando las desviaciones al cuadrado de cada valor respecto a la media de su propia fila:
$$\text{SS}_W = \underbrace{(0.25+0.25)}_{\text{fila }1} + \underbrace{(0.25+0.25)}_{\text{fila }2} + \underbrace{(0.25+0.25)}_{\text{fila }3} = 1.5$$ -
Divide entre los grados de libertad para obtener los cuadrados medios, usando \(df_B = n-1\) y \(df_W = n(k-1)\):
$$\text{MS}_B = \frac{\text{SS}_B}{n-1} = \frac{16}{3-1} = 8,\qquad \text{MS}_W = \frac{\text{SS}_W}{n(k-1)} = \frac{1.5}{3(2-1)} = 0.5$$ -
Sustituye en la fórmula del ICC(1,1):
$$\text{ICC}(1,1) = \frac{\text{MS}_B - \text{MS}_W}{\text{MS}_B + (k-1)\,\text{MS}_W} = \frac{8 - 0.5}{8 + (2-1)(0.5)} = \frac{7.5}{8.5} \approx 0.882$$
Para este conjunto de datos, el coeficiente de correlación intraclase es 0.882, lo que indica una fuerte concordancia: la variabilidad entre sujetos supera en gran medida a la variabilidad dentro de las puntuaciones repetidas de un mismo sujeto.
Términos y variables clave
- Coeficiente de correlación intraclase (ICC) — un valor (normalmente entre 0 y 1) que cuantifica cuánto se parecen entre sí las mediciones dentro de un mismo grupo; se usa para evaluar la concordancia y la fiabilidad entre evaluadores o mediciones repetidas. Los valores más altos indican mayor consistencia.
- Sujeto / objetivo — el objeto que se mide (una persona, una muestra o un elemento). En la matriz de puntuaciones, cada sujeto es una fila.
- Evaluador — la persona, el instrumento o la ocasión de medición que produce una puntuación. Cada evaluador (o medición repetida) es una columna de la matriz.
- \(n\) (número de sujetos) — el número de filas de la matriz, es decir, cuántos objetivos distintos se evaluaron. Sus grados de libertad son \(n-1\).
- \(k\) (número de evaluadores / mediciones) — el número de columnas, es decir, cuántas puntuaciones recibió cada sujeto.
- \(\text{SS}_B\) y \(\text{MS}_B\) (entre sujetos) — \(\text{SS}_B = k\sum(\bar{x}_i-\bar{x})^2\) mide cuánto difieren las medias de fila de los sujetos respecto a la media global; el cuadrado medio entre sujetos \(\text{MS}_B = \text{SS}_B/(n-1)\) capta las diferencias reales entre sujetos.
- \(\text{SS}_W\) y \(\text{MS}_W\) (dentro de los sujetos) — \(\text{SS}_W = \sum\sum(x_{ij}-\bar{x}_i)^2\) mide la dispersión de las puntuaciones de un sujeto en torno a su propia media; el cuadrado medio dentro de los sujetos \(\text{MS}_W = \text{SS}_W/[n(k-1)]\) refleja el error de medición o el desacuerdo entre evaluadores.
- Modelo unidireccional de efectos aleatorios — el modelo que subyace al ICC(1,1): cada sujeto es evaluado por un conjunto (posiblemente diferente) de evaluadores elegidos al azar, y solo se modela el efecto del sujeto. Responde a la pregunta "¿qué fiabilidad tiene una única puntuación de un evaluador elegido al azar?"
- Medidas individuales frente a medidas promedio — el ICC de medidas individuales estima la fiabilidad de una única puntuación individual, mientras que el ICC de medidas promedio estima la fiabilidad de la media de las \(k\) puntuaciones. El valor de medidas promedio siempre es mayor porque el promediado reduce el error.
- Concordancia / fiabilidad — la fiabilidad es la proporción de la varianza total debida a diferencias reales entre sujetos; la concordancia requiere además que los evaluadores den los mismos valores absolutos, no solo que ordenen a los sujetos de forma consistente. El ICC(1,1) refleja la concordancia absoluta bajo el modelo unidireccional.
Preguntas frecuentes
¿Qué valor de ICC se considera bueno? Una guía habitual considera deficientes los valores por debajo de \(0.5\), moderados los de \(0.5\)–\(0.75\), buenos los de \(0.75\)–\(0.9\) y excelentes los superiores a \(0.9\).
¿Qué modelo de ICC se utiliza aquí? Esta calculadora aplica el modelo de efectos aleatorios de una vía con medidas individuales, \(\text{ICC}(1,1)\), adecuado cuando cada sujeto es valorado por un conjunto distinto de evaluadores.
¿El ICC puede ser negativo? Sí. Cuando la variación dentro de un sujeto supera la variación entre sujetos, el ICC puede resultar ligeramente negativo, lo que suele interpretarse como ausencia de acuerdo.