ICC hesaplama aracı ne işe yarar?
Sınıf içi korelasyon katsayısı (ICC), aynı gruptaki birimlerin birbirine ne kadar benzediğini ölçer. Uygulamada puanlamaların ya da tekrarlı ölçümlerin güvenilirliğini ortaya koyar: toplam değişkenliğin ne kadarı öznelerin arasındaki gerçek farklardan, ne kadarı ölçüm gürültüsünden kaynaklanıyor? Bu araç, tek yönlü rastgele etkiler modelinin tek ölçüm biçimini, yani \(\text{ICC}(1,1)\) değerini, basit bir puanlama matrisinden hesaplar.
Nasıl kullanılır?
Her satıra bir özneyi (hedefi) girin ve her değerlendiricinin puanını veya tekrarlı ölçümü boşluk ya da virgülle ayırın. Her satırda aynı sayıda sütun \(k\) bulunmalıdır. Hesaplama aracı; ICC değerini, özne sayısını \(n\), değerlendirici sayısını \(k\) ve özneler arası ile özne içi ortalama kareleri döndürür.
Formülün açıklaması
ICC, bir varyans analizi üzerine kurulur. \(n\) özne ve her biri için \(k\) ölçüm olduğunda formül şu şekildedir:
$$\text{ICC}(1,1) = \frac{MS_B - MS_W}{MS_B + (k-1)\,MS_W}$$
Burada \(MS_B = \frac{SS_B}{n-1}\) özneler arası ortalama kare, \(MS_W = \frac{SS_W}{n(k-1)}\) ise özne içi ortalama karedir. \(1\)'e yakın değerler mükemmel uyumu, \(0\)'a yakın değerler ise düşük güvenilirliği gösterir.
Örnek çözüm
İki değerlendirici tarafından puanlanan üç özneyi ele alalım: \((1,2)\), \((3,4)\), \((5,6)\). Genel ortalama \(3.5\)'tir. Buradan \(MS_B = 8\) ve \(MS_W = 0.5\) elde edilir:
$$\text{ICC} = \frac{8 - 0.5}{8 + (2-1)\times 0.5} = \frac{7.5}{8.5} \approx 0.882$$
\(0.88\) düzeyinde bir ICC, iki değerlendirici arasında iyi ile mükemmel arası bir güvenilirliğe işaret eder.
ICC'nin Elle Nasıl Hesaplanacağı
Aşağıdaki formül ICC(1,1)'dir — bir tek yönlü rastgele etkiler modelinden elde edilen tek ölçüm katsayısıdır. Bu, genel bir istatistiksel yöntemdir (herhangi bir ülkeye veya ulusal standarda bağlı değildir) ve güvenilirlik ile uyum çalışmalarında yaygın olarak kullanılır. Her biri iki değerlendirici tarafından puanlanan üç denek içeren küçük bir örnek üzerinde çalışıyoruz: puanlar \((1,2)\), \((3,4)\) ve \((5,6)\) olup, dolayısıyla \(n = 3\) denek ve \(k = 2\) değerlendirici vardır.
-
Matrisi düzenleyin ve genel ortalamayı bulun. Verileri her satırda bir denek ve her sütunda bir değerlendirici olacak şekilde yerleştirin, ardından tüm \(n\cdot k\) değerin ortalamasını alın.
$$\bar{x} = \frac{1+2+3+4+5+6}{6} = \frac{21}{6} = 3.5$$ -
Her deneğin satır ortalamasını hesaplayın.
$$\bar{x}_1 = \frac{1+2}{2} = 1.5,\qquad \bar{x}_2 = \frac{3+4}{2} = 3.5,\qquad \bar{x}_3 = \frac{5+6}{2} = 5.5$$ -
Denekler arası kareler toplamı \(\text{SS}_B = k\sum(\bar{x}_i - \bar{x})^2\):
$$\text{SS}_B = 2\left[(1.5-3.5)^2 + (3.5-3.5)^2 + (5.5-3.5)^2\right] = 2\left[4 + 0 + 4\right] = 16$$ -
Denek içi kareler toplamı \(\text{SS}_W = \sum\sum (x_{ij} - \bar{x}_i)^2\), her değerin kendi satır ortalamasından sapmalarının karelerini toplayarak:
$$\text{SS}_W = \underbrace{(0.25+0.25)}_{\text{satır }1} + \underbrace{(0.25+0.25)}_{\text{satır }2} + \underbrace{(0.25+0.25)}_{\text{satır }3} = 1.5$$ -
Serbestlik derecelerine bölün ve ortalama kareleri elde edin; burada \(df_B = n-1\) ve \(df_W = n(k-1)\) kullanılır:
$$\text{MS}_B = \frac{\text{SS}_B}{n-1} = \frac{16}{3-1} = 8,\qquad \text{MS}_W = \frac{\text{SS}_W}{n(k-1)} = \frac{1.5}{3(2-1)} = 0.5$$ -
ICC(1,1) formülüne yerleştirin:
$$\text{ICC}(1,1) = \frac{\text{MS}_B - \text{MS}_W}{\text{MS}_B + (k-1)\,\text{MS}_W} = \frac{8 - 0.5}{8 + (2-1)(0.5)} = \frac{7.5}{8.5} \approx 0.882$$
Bu veri kümesi için sınıf içi korelasyon katsayısı 0.882 olup, güçlü bir uyuma işaret eder — denekler arasındaki değişkenlik, bir deneğin tekrarlanan puanları içindeki değişkenliği büyük ölçüde aşar.
Temel Terimler ve Değişkenler
- Sınıf içi korelasyon katsayısı (ICC) — aynı grup içindeki ölçümlerin birbirine ne kadar güçlü benzediğini niceleyen bir değer (tipik olarak 0 ile 1 arasında); değerlendiriciler veya tekrarlanan ölçümler arasındaki uyum ve güvenilirliği değerlendirmek için kullanılır. Daha yüksek değerler daha fazla tutarlılık anlamına gelir.
- Denek / hedef — ölçülen nesne (bir kişi, örnek veya öğe). Puanlama matrisinde her denek bir satırdır.
- Değerlendirici — bir puanlama üreten kişi, cihaz veya ölçüm durumu. Her değerlendirici (veya tekrarlanan ölçüm) matrisin bir sütunudur.
- \(n\) (denek sayısı) — matristeki satırların sayısı, yani kaç farklı hedefin puanlandığı. Serbestlik derecesi \(n-1\)'dir.
- \(k\) (değerlendirici / ölçüm sayısı) — sütunların sayısı, yani her deneğin kaç puan aldığı.
- \(\text{SS}_B\) ve \(\text{MS}_B\) (denekler arası) — \(\text{SS}_B = k\sum(\bar{x}_i-\bar{x})^2\), deneklerin satır ortalamalarının genel ortalamadan ne kadar farklı olduğunu ölçer; denekler arası ortalama kare \(\text{MS}_B = \text{SS}_B/(n-1)\), denekler arasındaki gerçek farkları yakalar.
- \(\text{SS}_W\) ve \(\text{MS}_W\) (denek içi) — \(\text{SS}_W = \sum\sum(x_{ij}-\bar{x}_i)^2\), bir deneğin puanlarının kendi ortalaması etrafındaki dağılımını ölçer; denek içi ortalama kare \(\text{MS}_W = \text{SS}_W/[n(k-1)]\), ölçüm hatasını veya değerlendiriciler arası uyuşmazlığı yansıtır.
- Tek yönlü rastgele etkiler modeli — ICC(1,1)'in arkasındaki model: her denek, rastgele seçilmiş (muhtemelen farklı) bir değerlendirici kümesi tarafından puanlanır ve yalnızca denek etkisi modellenir. "Rastgele seçilmiş bir değerlendiriciden gelen tek bir puanlama ne kadar güvenilirdir?" sorusuna yanıt verir.
- Tek ölçüm ile ortalama ölçüm karşılaştırması — tek ölçüm ICC'si, bireysel bir puanlamanın güvenilirliğini tahmin ederken, ortalama ölçüm ICC'si tüm \(k\) puanlamanın ortalamasının güvenilirliğini tahmin eder. Ortalama alma hatayı azalttığı için ortalama ölçüm değeri her zaman daha yüksektir.
- Uyum / güvenilirlik — güvenilirlik, toplam varyansın denekler arasındaki gerçek farklardan kaynaklanan oranıdır; uyum ise ek olarak değerlendiricilerin denekleri yalnızca tutarlı biçimde sıralamalarını değil, aynı mutlak değerleri vermelerini gerektirir. ICC(1,1), tek yönlü model altında mutlak uyumu yansıtır.
Sıkça sorulan sorular
İyi bir ICC değeri nedir? Yaygın kılavuzlara göre \(0.5\) altındaki değerler zayıf, \(0.5\)–\(0.75\) arası orta, \(0.75\)–\(0.9\) arası iyi, \(0.9\) üzeri ise mükemmel kabul edilir.
Burada hangi ICC modeli kullanılıyor? Bu hesaplama aracı, tek yönlü rastgele etkiler modelinin tek ölçüm biçimini, yani \(\text{ICC}(1,1)\) değerini raporlar; bu model her öznenin farklı bir değerlendirici grubu tarafından puanlandığı durumlar için uygundur.
ICC negatif olabilir mi? Evet. Özne içi değişkenlik özneler arası değişkenliği aştığında ICC hafif negatif çıkabilir; bu genellikle uyum olmadığı şeklinde yorumlanır.