统计百科 ·
组内相关系数ICC的APA报告怎么写？ICC(2,k)、95%CI、评分者信度格式全解
统计百科：专攻ICC组内相关系数APA 7th报告格式——ICC(2,k)类型选择、95%置信区间、评分者一致性阈值（ICC≥.68/.75/.90），给出可直接套用论文的完整报告模板，并盘点审稿人最常挑的ICC格式错误。
论文里的评分者信度让人头疼，不在于跑统计，而在于格式细节：ICC要选哪种类型、(2,1)和(2,k)有什么区别、95%置信区间怎么报、信度阈值.68/.75/.90哪个标准算过关、方法章节怎么说明……这篇文章专攻"ICC到底怎么规范写进论文"这一具体格式点，给出APA 7th所有评分者信度场景的完整模板，并逐一盘点审稿人最常挑的格式错误。
你的ICC报告有这些问题吗？
审稿人或导师关于ICC报告最常见的反馈：
- "ICC类型没有说明，是one-way还是two-way、一致性还是绝对一致？"
- "单个评分者信度ICC(2,1)和平均评分者信度ICC(2,k)不一样，请说明你用的哪个"
- "ICC值只报到两位小数，需要报告95%置信区间"
- "信度阈值说'ICC > 0.7即可接受'，但没有引用判断标准的文献"
- "ICC = 0.82是好的信度，但样本量只有8人，可信区间极宽，请补充CI"
- "评分者是随机抽样还是固定评分者？这决定ICC用Mixed还是Random模型"
这些错误集中在Koo & Li（2016）、Shrout & Fleiss（1979）以及APA Publication Manual第七版关于信度报告的多个章节，但专门针对ICC汇总的实操指南并不多。本文只讲一件事：ICC到底怎么规范写进论文的每一种场景。
如果你还没看过姊妹篇 F值的APA 7th报告写法，建议先读那篇，本文默认你已了解p值不加前导零（.032而非0.032）等基础格式规则，不再重复。
一、ICC是什么，与Pearson r、Kappa有什么区别
ICC统计量的直觉含义
ICC（Intraclass Correlation Coefficient，组内相关系数）回答的问题是：不同评分者对同一对象的评分，有多少比例的变异来自对象本身（真实差异），而非评分者误差？
$ICC = \frac{\sigma^2_{subjects}}{\sigma^2_{subjects} + \sigma^2_{error}}$
- ICC = 1 表示所有变异都来自被评对象，评分者完全一致
- ICC = 0 表示被评对象之间毫无差异，所有变异都是评分者误差
- ICC越接近1，评分者信度越高
ICC与Pearson r的关系：Pearson r测量的是两变量的线性关联，忽略均值差异。当评分者数量k=2时，ICC(2,1)一致性（consistency）模型等价于Pearson r；k>2时两者不等价。ICC(2,1)绝对一致性（absolute agreement）模型额外惩罚评分者均值的系统性偏差。这就是为什么ICC更严格，适合评估"两位评分者能否给出相同数值"，而Pearson r只衡量"两者是否高度线性相关"。
ICC与Cohen's Kappa的关系：Kappa用于类别变量（分类型评分），ICC用于连续型或有序多分变量。等距量表、李克特量表、计量单位的评分者一致性，应选ICC，而非Kappa。
ICC用在哪些场景
| 场景 | ICC的含义 |
|---|---|
| 编码员信度（内容分析） | 两位及以上编码员的编码一致性 |
| 临床量表重测信度 | 同一量表两次施测的稳定性 |
| 多评分者评定 | 多位评委对同一受试者的打分一致性 |
| 仪器/设备重复测量 | 同一仪器多次测量的再现性 |
| 观察者间信度 | 行为观察编码的评分者一致性 |
二、ICC模型选择：(1,1)、(2,1)、(3,1)与(1,k)、(2,k)、(3,k)
这是ICC报告里最容易出错的地方，也是审稿人最常挑的问题。
三种方差分析模型
| 模型 | 评分者来源 | 适用情形 |
|---|---|---|
| One-Way Random（单向随机，Model 1） | 每个对象由不同的随机评分者评定 | 不同论文用不同审稿人；评分者随机抽样且不固定 |
| Two-Way Mixed（双向混合，Model 2） | 评分者固定，但被评对象是随机样本 | 固定的两位编码员评所有材料；研究者自己是评分者 |
| Two-Way Random（双向随机，Model 3） | 评分者和对象均为随机样本 | 目标是推广到其他评分者总体；评分者也是抽样来的 |
实践中最常用：Model 2（Two-Way Mixed），因为大多数研究都有固定评分者（研究者本人或受训编码员），被评材料才是随机样本。
(,1) vs (,k)：单个评分者 vs 平均评分者
| 表达形式 | 含义 | 适用情形 |
|---|---|---|
| ICC(2,1) | 单个评分者给一个对象评分的信度 | 实际使用时只用1位评分者的分数 |
| ICC(2,k) | k位评分者平均分的信度 | 实际使用时取多位评分者的平均分 |
关键原则：你在正式分析中用的是哪种分数，就报哪种ICC。若两位编码员各自独立评分后取平均，则信度报ICC(2,2)；若实际用其中一位的分数，则报ICC(2,1)。
Spearman-Brown公式揭示了两者的关系：ICC(2,k) > ICC(2,1)。用k=2时，ICC(2,2)通常比ICC(2,1)高约20-30%。这不是"刷高信度"，而是反映了"两个评分者取平均后误差更小"的客观事实。
一致性（Consistency）vs 绝对一致性（Absolute Agreement）
| 类型 | 包含评分者偏差 | 解读 |
|---|---|---|
| Consistency | 不惩罚均值差异 | 评分者打分趋势一致即可，允许系统性偏高/偏低 |
| Absolute Agreement | 惩罚均值差异 | 评分者必须给出接近的绝对数值 |
临床测量、仪器比对中通常需要Absolute Agreement（例如不同仪器测血压，0.90和0.92不是"差不多"，而是有实质差异）。行为编码、内容分析中通常用Consistency。
三、评分者一致性阈值：ICC≥.68、.75、.90的出处与使用
主流阈值标准汇总
| ICC范围 | Koo & Li (2016) | Cicchetti (1994) | 解读 |
|---|---|---|---|
| < .50 | Poor（差） | Poor | 信度不可接受 |
| .50 – .75 | Moderate（中等） | Fair | 勉强可用，须谨慎解释 |
| .75 – .90 | Good（良好） | Good | 多数期刊接受的最低合格线 |
| > .90 | Excellent（优秀） | Excellent | 临床测量、仪器比对的推荐水平 |
关于.68阈值：部分教育测量和心理学文献（如Landis & Koch，1977）将.61-.80划为"Substantial"，但需注意该阈值体系是针对Cohen's Kappa（类别变量信度）制定的，并非ICC连续量场景。在非参数或类别信度场景中，.68有时被用作"可接受"的最低线，但此阈值不应直接套用于ICC连续型评分，否则容易造成标准误用。更常见和被广泛认可的ICC临界值是Koo & Li（2016）的.75（Good）和.90（Excellent）。
实践建议：
- 心理学、教育学、社会科学：引用Koo & Li（2016），ICC ≥ .75为Good，ICC ≥ .90为Excellent
- 临床医学、康复科学：ICC ≥ .90作为"临床可用"的严格标准
- 内容分析、编码员信度：ICC ≥ .75通常被期刊接受；部分期刊要求 ≥ .80
引用格式（APA 7th）：
依据Koo与Li（2016）的分类标准，ICC < .50为差、.50-.75为中等、.75-.90为良好、> .90为优秀。
四、APA 7th格式规范：ICC报告必须包含的要素
必报要素清单
| 要素 | 格式 | 示例 |
|---|---|---|
| ICC类型（完整规格） | ICC(模型, k)，说明一致性类型 | ICC(2,1)，绝对一致性 |
| ICC点估计 | ICC = .XX（两位小数） | ICC = .847 |
| 95%置信区间 | 95% CI [下限, 上限] | 95% CI [.712, .921] |
| 显著性（可选） | F(df1, df2) = XX, p < .001 | F(39, 39) = 12.38, p < .001 |
| 效应大小解读 | 引用标准 + 描述语（良好/优秀） | Good（Koo & Li，2016） |
| 样本量 | n = XX（被评对象数） | n = 40 |
| 评分者数 | k = XX | k = 2 |
ICC值与置信区间的精度要求
- ICC值精确到三位小数（如ICC = .847，不写.85或.8472）
- 95% CI下限和上限各精确到三位小数：95% CI [.712, .921]
- 当置信区间包含0或为负值时，必须报告并说明样本量不足
- F值精确到两位小数，p值精确到三位小数（不加前导零）
五、各场景完整APA报告模板
场景一：两位编码员，固定评分者，取单人分数
情形：内容分析，2位编码员各自独立编码，最终使用其中一位的编码结果，共40个分析单元。
完整报告段落模板：
两名编码员对[X]类别进行独立编码，评分者信度采用双向混合模型
组内相关系数[ICC(2,1)，一致性/绝对一致性]评估。
结果显示 ICC(2,1) = .XX（95% CI [XX, XX]），
依据Koo与Li（2016）的分类标准，属于[良好/优秀]信度水平。
编码分歧通过研究者协商解决，最终采用协商一致后的编码。
填入数值的示例：
两名经过培训的编码员对40篇社交媒体帖子进行独立编码，评分者信度采用双向混合模型组内相关系数[ICC(2,1)，绝对一致性]评估。结果显示ICC(2,1) = .847（95% CI [.712, .921]），依据Koo与Li（2016）的分类标准，属于良好信度水平。编码分歧通过研究者协商解决，最终采用协商一致后的编码结果用于后续分析。
场景二：两位评分者，取平均分，ICC(2,2)
情形：写作质量评定，2位评委各自打分后取平均，共30份作文。
完整报告段落模板：
两位评委对[X]进行独立评分，最终取两位评委的平均分作为分析数据。
评分者信度采用双向混合模型平均评分者ICC[ICC(2,2)，一致性]评估。
结果显示ICC(2,2) = .XX（95% CI [XX, XX]），
表明两位评委的平均评分具有[良好/优秀]的评分者信度
（Koo & Li，2016）。
填入数值的示例：
两位经过培训的评委分别对30份叙事写作样本进行独立评分（1-10分李克特量表），最终取两位评委的平均分作为分析数据。评分者信度采用双向混合模型平均评分者组内相关系数ICC(2,2)，绝对一致性模型评估，结果显示ICC(2,2) = .912（95% CI [.832, .956]），依据Koo与Li（2016）的分类标准，属于优秀信度水平。
场景三：三位评分者，ICC(2,3)，方法章节完整写法
情形：行为观察研究，3位评分者对视频编码，取三位评分者平均值，共50段视频。
方法章节完整报告模板：
信度分析
三名观察者独立对[X]行为进行编码（1 = 无，2 = 轻度，3 = 中度，4 = 重度）。
在正式编码前，三名观察者完成了[N小时]培训，并对[n]个训练样本进行
联合讨论以统一标准。正式编码阶段，三名观察者两两独立，互不知晓对方结果。
评分者信度采用双向混合模型平均评分者ICC[ICC(2,3)，绝对一致性]评估，
以反映最终分析中使用平均分的实际情形。结果显示ICC(2,3) = .XX
（95% CI [XX, XX]），依据Koo与Li（2016）的分类标准为[良好/优秀]信度，
表明三名观察者对[X]行为的编码具有充分的一致性，
可支持后续分析的效度。编码分歧（同一片段三者分歧超过1分）通过
三方协商解决，分歧片段占总样本的XX%。
填入数值的示例：
三名经过8小时培训的观察者对50段课堂互动视频进行独立编码，评分类别为教师反馈质量（1-4分）。评分者信度采用ICC(2,3)，绝对一致性模型评估，结果显示ICC(2,3) = .883（95% CI [.813, .929]），依据Koo与Li（2016）的分类标准属于良好信度水平。编码分歧片段（分歧>1分）占总样本的8%，均通过三方协商解决。
场景四：单一测量工具的重测信度（临床场景）
情形：量表两次施测的重测信度，1位测量者，30名被试，两次测量间隔2周。
完整报告段落模板：
量表的重测信度采用双向混合模型单一测量者ICC[ICC(2,1)，绝对一致性]评估，
两次测量间隔为[N]天/周，以避免记忆效应。结果显示ICC(2,1) = .XX
（95% CI [XX, XX]），依据Koo与Li（2016）的标准，
重测信度达到[良好/优秀]水平，表明该量表在[N]周内具有良好的时间稳定性。
填入数值的示例：
量表的重测信度采用双向混合模型ICC(2,1)（绝对一致性）评估，间隔2周进行两次施测以避免记忆效应（n = 30）。结果显示ICC(2,1) = .934（95% CI [.870, .966]），依据Koo与Li（2016）的分类标准达到优秀水平，表明该量表在2周内具有良好的时间稳定性。
六、在ChatSRS一句话获得规范ICC报告
打开 chatsrs.com，上传数据后输入：
"对两位编码员的评分数据做ICC评估，使用双向混合模型绝对一致性ICC(2,1)；输出ICC点估计（三位小数）、95%置信区间、F值和p值；依据Koo & Li（2016）解读信度水平；给出符合APA 7th格式的完整报告段落，包含评分者数、样本量和方法章节描述。"
ChatSRS的输出段落即为上文示例格式，数值自动填入，可直接复制进论文。
如需三位或更多评分者（如ICC(2,3)）、重测信度或随机评分者模型（ICC(1,1)），在指令中说明设计类型，ChatSRS自动切换报告模板并说明所选模型的理由。
七、方法章节怎么说明ICC分析
标准方法章节描述（双向混合模型，两位评分者）
采用双向混合模型组内相关系数（ICC，Two-Way Mixed，Absolute Agreement）
评估两位编码员的评分者间信度（inter-rater reliability）。
ICC类型选择依据Koo与Li（2016）的建议：评分者固定，被评对象为随机样本，
使用绝对一致性模型以严格衡量评分者数值吻合程度。
最终分析使用单一评分者的分数（ICC(2,1)）/ 两位评分者的平均分（ICC(2,2)）。
信度水平判断依据Koo与Li（2016）：< .50为差，.50-.75为中等，
.75-.90为良好，> .90为优秀。统计分析使用ChatSRS（R引擎），
显著性水平设为alpha = .05。
八、ICC报告常见错误对照表
| 常见错误 | 正确写法 | 违反的规则 |
|---|---|---|
| "ICC = .85，信度良好" | ICC(2,1) = .847（95% CI [.712, .921]） | 必须说明ICC类型+CI |
| 只报Pearson r代替ICC | ICC(2,1)，绝对一致性 | Pearson r不惩罚均值偏差 |
| ICC类型未说明 | 明确写出ICC(模型, k)和一致性类型 | 类型决定计算结果 |
| 信度阈值无引文 | 引用Koo & Li（2016） | 阈值来源需文献支撑 |
| ICC = .82写成"ICC = 0.82" | ICC = .820（不加前导零，保留三位小数） | APA格式不加前导零，且ICC值须精确到三位小数 |
| 两位编码员取均值却报ICC(2,1) | 取均值应报ICC(2,2) | k应与实际使用分数一致 |
| 仅报ICC点估计无CI | 95% CI必须报告 | 点估计缺乏不确定性量化 |
| "ICC > 0.7即可接受"无来源 | 明确引用判断标准文献 | 需文献支撑阈值判断 |
| 随机评分者用双向混合模型 | 随机评分者应用One-Way或Two-Way Random | 模型选择需匹配设计 |
常见FAQ
Q：ICC(2,1)和ICC(2,2)哪个值更高，为什么？
A：ICC(2,k)一定 ≥ ICC(2,1)，因为多个评分者取平均后，随机误差相互抵消，平均分比单人评分更稳定。这一关系由Spearman-Brown公式保证，两者之间的差距取决于评分者数量k和ICC(2,1)的大小。例如：若ICC(2,1) = .70，则ICC(2,2)约为.82。选用哪个值取决于你实际使用哪种分数：用单人分数就报ICC(2,1)，用平均分就报ICC(2,2)——不能为了"信度好看"故意报ICC(2,2)却用单人分数。
Q：为什么有的文章报ICC(3,1)，有的报ICC(2,1)，区别是什么？
A：ICC模型数字对应不同的方差成分假设。Model 2（ICC(2,x)）假设评分者是固定的（Two-Way Mixed），适用于"本研究的这k位评分者是固定的，目标是推广到同类被评对象"。Model 3（ICC(3,x)）假设评分者也是随机的（Two-Way Random），适合"评分者本身也是从更大总体中随机抽取的，结论要推广到其他可能的评分者"。实践中，大多数内容分析、临床测量研究的评分者是固定的研究者/编码员，应使用Model 2（ICC(2,1)或ICC(2,k)）。
Q：ICC = .68算合格吗，可以发表吗？
A：取决于你引用的阈值标准和研究领域。依据Koo & Li（2016），ICC .68落在Moderate区间（.50-.75），不属于Good以上，大多数心理学和行为科学期刊对此会提出异议。但若是探索性研究、难以评定的复杂构念、或样本量小导致CI宽，部分期刊会接受并要求明确说明局限性。临床医学通常要求≥.90。建议：（1）如实报告CI，若CI下限高于.50，说明不排除Good的可能；（2）在讨论中说明信度局限对结论的影响；（3）若可能，增加样本量或增加评分者并重新计算ICC(2,k)以提升信度估计。
Q：样本量多少才能得到可靠的ICC估计？
A：这是ICC报告中最被忽视的问题。Koo & Li（2016）建议：若目标是95% CI宽度不超过±.10，至少需要30个被评对象（k=2时）。被评对象越少，置信区间越宽，点估计的不确定性越大——例如n=10时，ICC = .85但95% CI可能是[.42, .97]，这个区间跨越了从"差"到"优秀"的全部范围，意义有限。建议在方法章节说明样本量的合理性，并报告完整CI让读者自行判断。
Q：ICC和Cohen's Kappa怎么选？
A：主要看评分变量的测量水平。评分为类别变量（如"有/无"、"A类/B类/C类"）用Kappa；评分为连续型或有序多分变量（如李克特1-7分、百分制评分）用ICC。有时同一研究会同时报告两种信度：对类别层面（是否属于某主题）报Kappa，对频次/程度层面（某主题出现了多少次/多强烈）报ICC。
快速参考：ICC报告格式速查卡
[两位评分者，单人分数，双向混合，绝对一致性]
ICC(2,1) = .XXX (95% CI [.XXX, .XXX])
信度水平: [Moderate/Good/Excellent] (Koo & Li, 2016)
[两位评分者，取均值，双向混合，绝对一致性]
ICC(2,2) = .XXX (95% CI [.XXX, .XXX])
信度水平: [Good/Excellent] (Koo & Li, 2016)
[k位评分者，取均值，双向混合，一致性]
ICC(2,k) = .XXX (95% CI [.XXX, .XXX])
信度水平: [Good/Excellent] (Koo & Li, 2016)
[重测信度，双向混合，绝对一致性]
ICC(2,1) = .XXX (95% CI [.XXX, .XXX])，间隔X周
信度水平: [Good/Excellent]
[不确定评分者是否固定时，保守选择]
ICC(1,1) = .XXX (95% CI [.XXX, .XXX])
注: One-Way Random，更保守
ICC阈值参考 (Koo & Li, 2016):
< .50 = Poor | .50-.75 = Moderate | .75-.90 = Good | > .90 = Excellent
相关阅读
本文首发于ChatSRS官方博客。如有问题或反馈，欢迎在ChatSRS站内 [用户中心 -> 帮助与反馈] 联系我们。