À quoi sert le calculateur de statistiques ICC
Le coefficient de corrélation intraclasse (ICC) mesure à quel point les unités d'un même groupe se ressemblent. Concrètement, il quantifie la fiabilité de notations ou de mesures répétées : quelle part de la variation totale provient de véritables différences entre les sujets, et non du bruit de mesure. Cet outil calcule la forme à effets aléatoires à un facteur, pour mesure unique, \(\text{ICC}(1,1)\), à partir d'une simple matrice de notations.
Comment l'utiliser
Saisissez un sujet (cible) par ligne et séparez la note de chaque juge, ou chaque mesure répétée, par des espaces ou des virgules. Chaque ligne doit comporter le même nombre de colonnes \(k\). Le calculateur renvoie l'ICC ainsi que le nombre de sujets \(n\), le nombre de juges \(k\), et les carrés moyens inter- et intra-sujets.
La formule expliquée
L'ICC repose sur une analyse de la variance. Avec \(n\) sujets et \(k\) mesures chacun, la formule affichée est :
$$\text{ICC}(1,1) = \frac{MS_B - MS_W}{MS_B + (k-1)\,MS_W}$$
Ici, \(MS_B = \frac{SS_B}{n-1}\) est le carré moyen inter-sujets et \(MS_W = \frac{SS_W}{n(k-1)}\) est le carré moyen intra-sujets. Des valeurs proches de \(1\) traduisent un excellent accord, tandis que des valeurs proches de \(0\) signalent une faible fiabilité.
Exemple concret
Prenons trois sujets évalués par deux juges : \((1,2)\), \((3,4)\), \((5,6)\). La moyenne générale vaut \(3.5\). On obtient \(MS_B = 8\) et \(MS_W = 0.5\), d'où :
$$\text{ICC} = \frac{8 - 0.5}{8 + (2-1)\times 0.5} = \frac{7.5}{8.5} \approx 0.882$$
Un ICC de \(0.88\) reflète une fiabilité bonne à excellente entre les deux juges.
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.
FAQ
Qu'est-ce qu'une bonne valeur d'ICC ? Une interprétation courante considère les valeurs inférieures à \(0.5\) comme faibles, celles de \(0.5\)–\(0.75\) comme modérées, celles de \(0.75\)–\(0.9\) comme bonnes, et celles supérieures à \(0.9\) comme excellentes.
Quel modèle d'ICC est utilisé ici ? Ce calculateur applique le modèle à effets aléatoires à un facteur, pour mesure unique, \(\text{ICC}(1,1)\), adapté lorsque chaque sujet est évalué par un ensemble différent de juges.
L'ICC peut-il être négatif ? Oui. Lorsque la variation intra-sujet dépasse la variation inter-sujets, l'ICC peut devenir légèrement négatif, ce que l'on interprète généralement comme une absence d'accord.