ICC(級内相関係数)計算ツール

ICC(級内相関係数)計算ツール

新興 AI Skill PRO

計算を入力してください

1行につき1人の被験者(対象)を入力してください。各評価者または反復測定のスコアはスペースまたはカンマで区切ります。すべての行の列数は同じにそろえてください。

公式

ICC=MSB−MSWMSB+(k−1)MSWここで{MSB=SSBn−1MSW=SSWn(k−1)n,k,SSB,SSW= 取得元: 評価行列\begin{gathered} \text{ICC} = \frac{\text{MSB} - \text{MSW}}{\text{MSB} + (k-1)\,\text{MSW}} \\[1.5em] \text{ここで}\quad \left\{ \begin{aligned} \text{MSB} &= \frac{\text{SSB}}{n-1} \\ \text{MSW} &= \frac{\text{SSW}}{n\,(k-1)} \\ n,\,k,\,\text{SSB},\,\text{SSW} &= \text{ 取得元: } \text{評価行列} \end{aligned} \right. \end{gathered}
利用統計

広告

結果

級内相関係数 ICC(1,1)
0.882
一元配置変量効果モデル・単一測定
被験者数(n) 3
評価者数/測定回数(k) 2
被験者間平均平方(MS_B) 8.0000
被験者内平均平方(MS_W) 0.5000

このページの誤りを報告

このICC計算ツールでできること

級内相関係数(ICC)は、同じグループに属する対象どうしがどれだけ似ているかを表す指標です。実務では、評価や反復測定の信頼性を数値化するために使われます。つまり、測定に含まれるばらつきのうち、どれだけが測定ノイズではなく被験者間の本当の違いによるものかを示します。本ツールは、シンプルな評価行列から一元配置変量効果モデル・単一測定のかたちである \(\text{ICC}(1,1)\) を計算します。

被験者を行、評価者を列とする評価マトリックスのグリッド
ICCは、行を被験者、列を評価者または反復測定とする評価マトリックスを使用します。

使い方

1行につき1人の被験者(対象)を入力し、各評価者のスコアや反復測定値はスペースまたはカンマで区切ってください。すべての行は同じ列数 \(k\) にそろえる必要があります。計算後は、ICCに加えて被験者数 \(n\)、評価者数 \(k\)、そして被験者間・被験者内の平均平方が表示されます。

計算式の解説

ICCは分散分析(ANOVA)にもとづいて求められます。\(n\) 人の被験者とそれぞれ \(k\) 回の測定があるとき、表示される式は次のとおりです。

$$\text{ICC}(1,1) = \frac{MS_B - MS_W}{MS_B + (k-1)\,MS_W}$$

ここで \(MS_B = \frac{SS_B}{n-1}\) は被験者間平均平方、\(MS_W = \frac{SS_W}{n(k-1)}\) は被験者内平均平方です。値が \(1\) に近いほど一致度が非常に高く、\(0\) に近いほど信頼性が低いことを示します。

広告
評価者間の高い一致と低い一致を示す2つのパネル
ICCが高いほど評価者間の一致が高く、低いほど不一致が大きいことを示します。

計算例

3人の被験者を2人の評価者が評価した場合を考えます。\((1,2)\)、\((3,4)\)、\((5,6)\) とすると、総平均は \(3.5\) です。このとき \(MS_B = 8\)、\(MS_W = 0.5\) となり、次のように計算できます。

$$\text{ICC} = \frac{8 - 0.5}{8 + (2-1)\times 0.5} = \frac{7.5}{8.5} \approx 0.882$$

ICCが \(0.88\) という値は、2人の評価者間で良好〜非常に高い信頼性があることを表しています。

ICC を手計算する方法

以下の式は ICC(1,1)、すなわち一元配置変量効果モデルによる単一測定の係数です。これは(特定の国や国家標準に紐づかない)一般的な統計手法であり、信頼性および一致度の研究で広く用いられています。ここでは、3 人の被験者をそれぞれ 2 人の評価者が評価する小さな例を通して解説します。評価値は \((1,2)\)、\((3,4)\)、\((5,6)\) であり、したがって被験者数は \(n = 3\)、評価者数は \(k = 2\) です。

  1. 行列を並べ、総平均を求める。 1 行を 1 被験者、1 列を 1 評価者としてデータを配置し、次に すべての \(n\cdot k\) 個の値を平均します。

    $$\bar{x} = \frac{1+2+3+4+5+6}{6} = \frac{21}{6} = 3.5$$
  2. 各被験者の行平均を計算する。

    $$\bar{x}_1 = \frac{1+2}{2} = 1.5,\qquad \bar{x}_2 = \frac{3+4}{2} = 3.5,\qquad \bar{x}_3 = \frac{5+6}{2} = 5.5$$
  3. 被験者間平方和 \(\text{SS}_B = k\sum(\bar{x}_i - \bar{x})^2\):

    $$\text{SS}_B = 2\left[(1.5-3.5)^2 + (3.5-3.5)^2 + (5.5-3.5)^2\right] = 2\left[4 + 0 + 4\right] = 16$$
  4. 被験者内平方和 \(\text{SS}_W = \sum\sum (x_{ij} - \bar{x}_i)^2\)。各値のその行平均からの偏差の二乗を合計します:

    $$\text{SS}_W = \underbrace{(0.25+0.25)}_{\text{行 }1} + \underbrace{(0.25+0.25)}_{\text{行 }2} + \underbrace{(0.25+0.25)}_{\text{行 }3} = 1.5$$
  5. 自由度で割って平均平方を求めます。ここで \(df_B = n-1\)、\(df_W = n(k-1)\) を用います:

    $$\text{MS}_B = \frac{\text{SS}_B}{n-1} = \frac{16}{3-1} = 8,\qquad \text{MS}_W = \frac{\text{SS}_W}{n(k-1)} = \frac{1.5}{3(2-1)} = 0.5$$
  6. ICC(1,1) の式に代入する:

    $$\text{ICC}(1,1) = \frac{\text{MS}_B - \text{MS}_W}{\text{MS}_B + (k-1)\,\text{MS}_W} = \frac{8 - 0.5}{8 + (2-1)(0.5)} = \frac{7.5}{8.5} \approx 0.882$$

このデータセットの級内相関係数は 0.882 であり、強い一致を示しています。被験者間のばらつきが、1 人の被験者の繰り返し評価内のばらつきを大きく上回っているのです。

広告

主要な用語と変数

  • 級内相関係数(ICC) — 同一グループ内の測定値がどれだけ強く互いに似ているかを定量化する値(通常 0 から 1 の間)。評価者間や繰り返し測定における一致度と信頼性の評価に用いられます。値が高いほど一貫性が高いことを意味します。
  • 被験者 / 対象 — 測定される対象(人、サンプル、または項目)。評価行列では各被験者が 1 行に対応します。
  • 評価者 — 評価を生み出す人、測定機器、または測定機会。各評価者(または繰り返し測定)は行列の 1 列に対応します。
  • \(n\)(被験者数) — 行列の行数、すなわち評価された異なる対象の数。その自由度は \(n-1\) です。
  • \(k\)(評価者数 / 測定回数) — 列数、すなわち各被験者が受けた評価の数。
  • \(\text{SS}_B\) と \(\text{MS}_B\)(被験者間) — \(\text{SS}_B = k\sum(\bar{x}_i-\bar{x})^2\) は被験者の行平均が総平均からどれだけ異なるかを測ります。被験者間平均平方 \(\text{MS}_B = \text{SS}_B/(n-1)\) は被験者間の真の差を捉えます。
  • \(\text{SS}_W\) と \(\text{MS}_W\)(被験者内) — \(\text{SS}_W = \sum\sum(x_{ij}-\bar{x}_i)^2\) は被験者の評価がその平均の周りにどれだけ散らばっているかを測ります。被験者内平均平方 \(\text{MS}_W = \text{SS}_W/[n(k-1)]\) は測定誤差または評価者間の不一致を反映します。
  • 一元配置変量効果モデル — ICC(1,1) の背後にあるモデル。各被験者はランダムに抽出された(互いに異なる可能性のある)評価者の組によって評価され、被験者効果のみがモデル化されます。「ランダムに選ばれた 1 人の評価者による単一の評価はどれだけ信頼できるか?」という問いに答えます。
  • 単一測定 対 平均測定 — 単一測定 ICC は 1 つの個別評価の信頼性を推定し、平均測定 ICC はすべての \(k\) 個の評価の平均の信頼性を推定します。平均をとると誤差が減るため、平均測定の値は常に高くなります。
  • 一致度 / 信頼性 — 信頼性とは、全分散のうち被験者間の真の差に起因する割合のことです。一致度はさらに、評価者が被験者を単に一貫して順位付けするだけでなく、同じ絶対値を与えることを要求します。ICC(1,1) は一元配置モデルの下での絶対一致度を反映します。

よくある質問

ICCはどのくらいの値なら良いのですか? 一般的な目安では、\(0.5\) 未満は「低い(poor)」、\(0.5\)〜\(0.75\) は「中程度(moderate)」、\(0.75\)〜\(0.9\) は「良好(good)」、\(0.9\) を超えると「非常に高い(excellent)」と解釈されます。

このツールで使われているICCのモデルは? 本計算ツールは、一元配置変量効果モデル・単一測定の \(\text{ICC}(1,1)\) を算出します。これは、被験者ごとに異なる評価者の組み合わせで評価される場合に適しています。

ICCがマイナスになることはありますか? あります。被験者内のばらつきが被験者間のばらつきを上回ると、ICCはわずかにマイナスになることがあり、これは通常「一致なし」と解釈されます。

最終更新:

数学と統計で人気の電卓

数学と統計の電卓をすべて見る