白话统计阅读笔记：用ICC和CCC指标判断一致性以及Kappa检验在一致性分析中的应用

1. CCC，即为一致性相关系数，用于评价两份定量资料的一致性或可靠性，它在Pearson相关系数的基础上进行了改进，前一篇中提到用Pearson相关系数描述一致性的缺点是，无法考查两个变量的差距有多大，而CCC还同时考察了两个变量偏离45°线的程度，可以反映两个变量的差距大小，如果两个变量的Pearson相关系数较大，且偏离45°线很小，则说明一致性较好。

2. ICC，即组内相关系数，它基于变异的思想，对于两次测量如何才算一致性较好呢，很显然，如果个体内变异较小，就说明两个测量的结果一致性较好，因为如果个体内变异变大了，则说明两次测量的值差别很大，一致性不可能好。所以基于这一思想提出了ICC这一指标，

3. Kappa检验在一致性分析中的应用

1） Kappa一致性系数：在研究两个结果为二分类变量的一致性时，一般采用Kappa检验，卡方检验只能说明二者之间是否存在关联，而Pearson相关系数则主要用于连续资料的相关分析。Kappa检验主要用于两份分类资料之间的一致性分析，它要求两份分类资料的类别数相等的，该方法主要就是求出Kappa值，根据Kappa值的强弱来反映一致性的强弱，当Kappa值大于等于0.8时，认为二者的一致性非常好，在0.61~0.8之间时则认为二者的一致性较好，在0.41~0.6之间时则认为二者的一致性为中等，当Kappa值在0.21~0.4之间时则认为二者的一致性勉强可以接受，当Kappa值低于0.2时则认为二者没有一致性。

2） 加权的Kappa一致性系数：Kappa值的计算是将各类别的权重视为相同，因此主要用于无序分类资料的情况，如果是有序分类资料时，则通常采用加权的Kappa值。

尽管Kappa值能够用于分类资料的一致性分析，但是其受到行合计数或列合计数的影响较大，如果两类的例数差别很大，则此时使用Kappa一致性系数需要谨慎。

Ref: 《白话统计》 冯国双著