统计百科 · 2026-06-24

组内相关系数 ICC 有哪几种？该选哪个？ICC(1)/(2,k)/(3,k) 类型完全指南

统计百科：系统梳理 ICC 的六种模型（单向/双向 × 单次/均值 × 一致/绝对一致），说清 ICC(1)、ICC(2,1)、ICC(2,k)、ICC(3,1)、ICC(3,k) 的适用前提、公式差异与 APA 7th 报告写法，附可直接套用的论文句式和 ChatSRS 实操指令。

ICC（Intraclass Correlation Coefficient，组内相关系数）是评估测量一致性与可靠性的核心指标，广泛用于评分者间信度、重测信度、仪器校准等场景。但 ICC 并非一个单一指标，而是一个"6 格"模型族。不同选择直接影响 ICC 数值与可发表性——很多论文因为选错模型被审稿人退回。本文系统梳理 ICC 的六种形态，给出一张"三步选型决策树"，并附可直接抄进论文的 APA 7th 格式句式。

你选对 ICC 了吗？

审稿人关于 ICC 最常见的批注：

"请说明使用的是哪种 ICC 模型（单向/双向随机/双向混合）"
"评分者是否可推广至总体？如不能，应使用双向混合效应而非双向随机效应"
"报告的 ICC 是单次测量还是平均测量？请与研究设计保持一致"
"一致性 ICC 和绝对一致性 ICC 含义不同，请说明选择依据"
"ICC 数值未报告置信区间，请补充 95% CI"

这些批注背后，是 Shrout & Fleiss（1979）经典分类框架和 Koo & Li（2016）操作指南——两篇加起来被引超 25000 次的文献中的核心区分。本文把这些内容拆解成可操作的决策步骤。

一、ICC 是什么：从"组间 vs 组内"到"一致性"

直觉含义

ICC 回答的问题是：在总变异中，有多大比例来自研究对象（被测者）之间的真实差异，而不是测量误差？

$\text{ICC} = \frac{\sigma^2_{\text{subjects}}}{\sigma^2_{\text{subjects}} + \sigma^2_{\text{error}}}$

ICC = 0：所有变异都来自测量误差，评分毫无价值
ICC = 1：所有变异都来自被测者的真实差异，测量完全可靠
ICC > 0.75：通常视为"好"的信度；> 0.90 视为"优秀"（Koo & Li, 2016）

为什么 ICC 有多种

问题的关键在于："误差"包括什么？

不同研究设计下，"误差"的构成不同：

误差来源	说明
评分者差异（系统偏差）	某评分者普遍打分偏高/偏低
随机测量误差	同一评分者不同次测量的随机波动
被测者×评分者交互	某评分者对特定被测者特别严/松

把哪些误差纳入分母，就决定了你得到的是哪种 ICC。

二、Shrout & Fleiss 六格框架：三维度两两组合

ICC 由三个维度的选择决定，每个维度各两个选项：

维度 1：模型（效应结构）

模型	描述	代号
单向随机效应	每个被测者由不同的随机抽样评分者评定，评分者不重复	One-Way
双向随机效应	所有被测者由相同的一组评分者评定，该组评分者是从更大总体中随机抽取的，结果可推广	Two-Way Random
双向混合效应	所有被测者由相同的一组评分者评定，该组评分者就是研究中特定的固定评分者，结果不推广至其他评分者	Two-Way Mixed

关键判断：你的评分者（或测量时间点/仪器）是否可以推广至一个更大的评分者总体？

可以 → 双向随机效应
不可以（就是这几个特定的人/时间/仪器）→ 双向混合效应
每个被测者由不同评分者评定 → 单向随机效应

维度 2：测量单元

测量单元	描述	代号
单次测量	信度来自单次评分，ICC 反映单次测量的可靠性	Single
均值测量	信度来自 k 次测量均值，ICC 反映 k 次均值的可靠性（更高）	Average（k次）

关键判断：你在实际研究中使用的是单次测量值，还是多次测量的平均值？

用单次值 → 报告单次测量 ICC
用均值 → 报告均值测量 ICC（通常更高，因均值削减了随机误差）

维度 3：一致性定义（仅双向模型适用）

一致性类型	描述	公式差异
一致性（Consistency）	评分者之间的排名顺序是否一致，允许系统性偏差（一个人总打高分但排名一致）	不把评分者系统偏差算入误差
绝对一致性（Absolute Agreement）	评分值本身是否完全相同，不允许系统性偏差	把评分者系统偏差算入误差

关键判断：你关心的是"评分者排名一致就行"，还是"评分者给出的绝对数值必须吻合"？

只要排名一致即可（如判断哪组患者病情更重）→ 一致性
数值本身必须吻合（如仪器读数是否可互换、量表分数是否可跨评分者直接比较）→ 绝对一致性

三、六种 ICC 一览表

三维度两两组合，得到 2×2×（单/双）共六种 ICC（Shrout & Fleiss，1979，括号记法）：

Shrout & Fleiss	现代简写	模型	测量单元	一致性类型
ICC(1,1)	ICC(1)	单向随机	单次	—
ICC(1,k)	ICC(1,k)	单向随机	k次均值	—
ICC(2,1)	ICC(2)	双向随机	单次	绝对一致性（亦有一致性变体）
ICC(2,k)	ICC(2,k)	双向随机	k次均值	绝对一致性（亦有一致性变体）
ICC(3,1)	ICC(3)	双向混合	单次	一致性
ICC(3,k)	ICC(3,k)	双向混合	k次均值	一致性

注：双向模型（ICC 2/3）还有"绝对一致性"变体，记为 ICC(2,1) agreement vs. consistency。现代统计软件（SPSS、R 的 irr/irrNA 包）通常分别输出 consistency 和 agreement 两个版本。

四、三步决策树：选哪种 ICC

Step 1 — 评分者设计
        |
        |-- A. 每个被测者由不同评分者评定（评分者不重复）
        |       --> 单向随机效应: ICC(1,1) 或 ICC(1,k)
        |
        |-- B. 所有被测者由同一组评分者评定
                |
                Step 2 — 评分者是否可推广？
                |
                |-- 可推广至更大总体（随机抽取的评分者）
                |       --> 双向随机效应: ICC(2,1) 或 ICC(2,k)
                |
                |-- 不可推广（特定固定评分者/固定时间点）
                        --> 双向混合效应: ICC(3,1) 或 ICC(3,k)
                                |
                                Step 3 — 一致性要求
                                |
                                |-- 只要排名一致（允许系统偏差）
                                |       --> Consistency: ICC(3,1)C 或 ICC(3,k)C
                                |
                                |-- 数值必须完全吻合（不允许系统偏差）
                                        --> Absolute Agreement: ICC(3,1)A 或 ICC(3,k)A
                                        （在 Step 2 双向随机中同样适用此区分）

最常见场景快速对应

研究场景	推荐 ICC
两位评分者分别给同一批患者评分，要判断仪器是否可互换	ICC(2,1) 绝对一致性
三位临床医生用固定量表评估同一批患者，关心排名是否一致	ICC(3,1) 一致性
重测信度：同一受试者隔两周由同一仪器测量两次	ICC(3,1) 绝对一致性
训练过的固定评分小组（5人）给所有样本评分，结果不推广	ICC(3,k) 一致性
从评分者库中随机抽取评分者，结果需可推广	ICC(2,1) 或 ICC(2,k)
每份作文由不同的一位随机评分者打分	ICC(1,1)

五、公式剖析：误差分母的差异

以双向设计为例，理解三种 ICC 在分母上的差异：

设方差分解为：

$MS_{BMS}$：被测者间均方（Between Measurement Subject）
$MS_{WMS}$：被测者内均方
$MS_{BRS}$：评分者间均方（Between Raters）
$MS_{EMS}$：误差均方（Residual）
$n$：被测者数，$k$：评分者数

ICC(3,1) — 双向混合，单次，一致性

$\text{ICC}(3,1) = \frac{MS_{BMS} - MS_{EMS}}{MS_{BMS} + (k-1)MS_{EMS}}$

分母不含 $MS_{BRS}$（评分者系统偏差不算作误差），因此即使评分者有稳定的偏高/偏低倾向，ICC 仍可能很高。

ICC(2,1) 绝对一致性 — 双向随机，单次，绝对一致

$\text{ICC}(2,1){\text{agreement}} = \frac{MS{BMS} - MS_{EMS}}{MS_{BMS} + (k-1)MS_{EMS} + \frac{k}{n}(MS_{BRS} - MS_{EMS})}$

分母包含 $MS_{BRS}$（评分者系统偏差计入误差），只要评分者之间有系统性偏差，ICC 就会下降——即使排名完全一致。

ICC(2,1) 一致性 — 双向随机，单次，一致

$\text{ICC}(2,1){\text{consistency}} = \frac{MS{BMS} - MS_{EMS}}{MS_{BMS} + (k-1)MS_{EMS}}$

与 ICC(3,1) 公式相同——这正是 Shrout & Fleiss（1979）的重要发现：当只关心一致性（不关心系统偏差）时，双向随机和双向混合的 ICC 值完全相同。两者区别仅在于可推广性的理论解释，不影响数值。

ICC(X,k) 均值版——Spearman-Brown 推论

$k$ 次均值的 ICC 通过 Spearman-Brown 公式从单次 ICC 推导：

$\text{ICC}(X,k) = \frac{k \cdot \text{ICC}(X,1)}{1 + (k-1) \cdot \text{ICC}(X,1)}$

例：ICC(3,1) = 0.60，3 位评分者均值的 ICC(3,3) = (3 × 0.60) / (1 + 2 × 0.60) = 1.80 / 2.20 = 0.818。均值测量 ICC 始终高于单次测量 ICC，使用均值时必须报告均值版 ICC，不能用单次版凑数。

六、ICC 数值解读标准

Koo & Li（2016）在 Journal of Chiropractic Medicine 发表的操作指南给出当前最广泛引用的解读标准：

ICC 数值	信度水平
< 0.50	差（Poor）
0.50 – 0.75	中等（Moderate）
0.75 – 0.90	好（Good）
> 0.90	优秀（Excellent）

重要提醒：

ICC 数值本身不够，必须报告 95% 置信区间（CI）。小样本下 ICC 点估计的 CI 极宽（例如 n = 20 时 ICC = 0.82，CI 可能低至 0.58），点估计毫无意义。
信度的实际意义还取决于研究目的：临床上用于个体诊断决策，ICC 通常需 > 0.90；用于组间比较的研究，0.70 有时可接受。
样本量计划：若研究目的是"验证 ICC > 0.70"，使用专门的信度研究样本量公式（Walter, Eliasziw, & Donner, 1998），而非一般统计功效公式。

七、在 ChatSRS 一句话获得 ICC 分析与 APA 报告

打开 chatsrs.com，上传数据后输入：

"两位评分者对 50 份作文分别独立评分（数据在 rater1、rater2 列），评分者是固定的特定两人、结果不推广至其他评分者。我在报告中使用两人均值，但需要评分者在绝对数值上吻合（不只是排名一致）。请计算并报告对应的 ICC 类型、点估计值和 95% CI，输出符合 APA 7th 格式的完整结果句和方法章节描述。"

ChatSRS 会自动选型为 ICC(3,2) 绝对一致性，输出 SPSS 风格三线表 + APA 段落 + 置信区间，可直接复制进论文。

支持指定任意评分者数量、选择一致性/绝对一致性、输出单次或均值版 ICC，无需手动套公式。

八、APA 7th 完整报告模板

方法章节描述（双向混合，单次，绝对一致性）

采用组内相关系数（ICC）评估评分者间信度。
ICC 计算基于双向混合效应模型（two-way mixed-effects model），
以绝对一致性（absolute agreement）为一致性标准，
报告单次测量 ICC [即 ICC(3,1)]。
参照 Koo 与 Mae（2016）的解读标准：ICC < .50 为差，
.50–.75 为中等，.75–.90 为好，> .90 为优秀。

结果段落模板（单次，绝对一致性）

两位评分者对 [被测对象] 的评分显示出 [好/优秀] 的评分者间一致性，
ICC(3,1) = .XX，95% CI [.XX, .XX]（Koo & Li, 2016）。
评分者 1（M = XX, SD = XX）与评分者 2（M = XX, SD = XX）
的均值差异未达显著，t([n-1]) = X.XX, p = .XXX，
表明两位评分者在绝对评分水平上亦保持一致。

填入数值的示例：

两位评分者对 50 份作文的评分者间信度分析结果显示，评分者间一致性为优秀，ICC(3,1) = .924，95% CI [.872, .956]（Koo & Li, 2016）。评分者 1（M = 74.3，SD = 11.2）与评分者 2（M = 73.8，SD = 11.6）的均值差异未达显著，t(49) = 0.63，p = .532，表明两位评分者在绝对评分水平上亦保持一致。

结果段落模板（均值，一致性）

三位评分者对 [被测对象] 的评分基于双向混合效应模型（一致性），
三人均值的组内相关系数 ICC(3,3) = .XX，95% CI [.XX, .XX]，
信度水平为 [好/优秀]（Koo & Li, 2016）。

填入数值的示例：

三位评分者对患者步态的评分者间信度采用三人均值计算，ICC(3,3) = .891，95% CI [.832, .931]，信度水平为好（Koo & Li, 2016）。

重测信度模板（双向混合，单次，绝对一致性）

重测信度通过间隔 [X] 周的两次测量计算，采用双向混合效应绝对一致性 ICC，
ICC(3,1) = .XX，95% CI [.XX, .XX]，
两次测量均值差异为 X.XX（95% CI [X.XX, X.XX]），
标准测量误差（SEM）= X.XX，最小可检测差异（MDC）= X.XX（95% 置信水平）。

九、常见错误对照表

常见错误	正确做法	违反原则
只报告 ICC = .85，不说明类型	说明 ICC(3,1)、双向混合、绝对一致性	APA 7th 要求完整报告统计量规格
用 ICC(3,1) 数值声称"可推广到其他评分者"	可推广须用双向随机效应 ICC(2,1)	模型假设不符
评分者有明显偏高/偏低倾向，却用一致性 ICC	需关心绝对数值时，须用绝对一致性 ICC	误差定义不当，ICC 虚高
实际用三人均值，却报告单次 ICC(3,1)	三人均值须报告 ICC(3,3)	报告单元与研究设计不匹配
未报告 95% CI	补充 95% CI	点估计在小样本下不可信
Pearson r 当作 ICC	ICC 是类内相关，Pearson r 是类间相关，含义不同	指标选用错误
n = 15，就声称 ICC 良好	至少 n = 30 才有窄 CI；n < 20 需说明局限	小样本 CI 极宽，结论不稳

常见 FAQ

Q：ICC 和 Pearson 相关系数有什么区别，不能用 Pearson r 替代吗？

A：不能替代。Pearson r 只检验两列数据的线性关联方向和强度，对系统性偏差完全不敏感——评分者 A 总给出比评分者 B 高 20 分的结果，Pearson r 仍然可能是 1.00，但 ICC（绝对一致性）会因系统偏差而显著下降。ICC 用于评估"测量值可互换"的程度，Pearson r 不具备这一属性。APA 及大多数信度研究规范要求在信度场景下使用 ICC，而非 Pearson r。

Q：双向随机（ICC 2）和双向混合（ICC 3）的一致性版本数值完全一样，区别到底在哪？

A：数值确实相同（见第五节公式），区别在于理论推广性声明。ICC(2) 允许你说"若换另一组从同一总体随机抽取的评分者，信度结论仍然成立"；ICC(3) 只能说"就这组特定评分者而言，信度如此"。大多数临床研究中评分者是固定的特定人员，用 ICC(3) 更诚实；若评分者由培训认证机构认定可互换，则可考虑 ICC(2)。审稿人越来越关注这一区分。

Q：重测信度应该用哪种 ICC？

A：重测信度最常用 ICC(3,1) 绝对一致性：测量时间点是固定的（不推广至任意时间点），且两次测量值必须在绝对水平上吻合，而非仅排名一致。若两次测量由不同仪器/操作者执行且这些仪器/操作者可推广至更大总体，则改用 ICC(2,1) 绝对一致性。

Q：ICC 达到多少才能在论文中声称"信度良好"？

A：Koo & Li（2016）给出最广泛引用的标准：ICC > 0.75 为好，> 0.90 为优秀。但这只是经验参考值，必须同时报告 95% CI，若 CI 下限低于 0.75，就不能简单声称"信度良好"。此外，临床诊断场景通常要求 > 0.90，科研组比较场景可接受稍低的阈值。建议在方法章节明确说明选用的解读标准及其文献来源。

Q：ChatSRS 能自动判断应该用哪种 ICC 并解释选型理由吗？

A：可以。在 chatsrs.com 中描述你的研究设计（评分者是否固定、是否关心绝对一致性、使用单次还是均值），ChatSRS 会在输出结果前先列出选型推理链，说明选用某种 ICC 的依据，方便直接写进方法章节脚注或回复审稿人。

快速参考：ICC 选型速查卡

[步骤一] 评分者设计
  每个被测者 → 不同评分者（不重复） → ICC(1,1) 或 ICC(1,k)
  所有被测者 → 同一组评分者       → 进步骤二

[步骤二] 评分者可推广性
  评分者可推广至总体（随机抽取）   → 双向随机: ICC(2,?) → 进步骤三
  评分者固定、不可推广             → 双向混合: ICC(3,?) → 进步骤三

[步骤三] 一致性类型
  只要排名一致，允许系统偏差       → Consistency (一致性)
  数值必须完全吻合，不允许偏差     → Absolute Agreement (绝对一致性)

[步骤四] 测量单元
  实际用单次测量值                 → 单次: ICC(X,1)
  实际用 k 次均值                  → 均值: ICC(X,k)

[结果] APA 报告必须包含：
  ICC 类型 + 点估计（两位小数）+ 95% CI + 信度水平判断 + 文献依据
  例: ICC(3,1) = .924, 95% CI [.872, .956]，信度优秀（Koo & Li, 2016）