pubmed.info
Drag tiles by their title, resize at the bottom edge.

평가자 간 신뢰도를 위한 ICC·카파 계산기

Excel에서 평가 자료를 붙여넣으십시오(대상당 한 행, 평가자당 한 열). 타일이 측정값에는 급내상관계수를, 범주에는 카파를 신뢰구간, 그림, 방법 기술문과 함께 계산합니다. 무료이며 데이터는 브라우저에만 남습니다.

이 도구 자세히 보기

할 수 있는 일

  • 측정값: Shrout와 Fleiss의 6가지 형태 모두에 대한 급내상관계수(ICC). 일원, 이원 무작위(절대 일치), 이원 혼합(일관성) 모형 각각에 대해 단일 평가와 평가자 평균을 신뢰구간 및 F 검정과 함께 계산합니다.
  • 평가자 2명, 범주: Cohen 카파, 순서 범주에서는 선형 또는 이차 가중 카파와 관찰 일치도 및 우연 기대 일치도, PABAK, Gwet AC1. 범주가 두 개이면 양성 일치도와 음성 일치도, 유병률 지수, 편향 지수도 제공합니다.
  • 평가자 3명 이상: 부트스트랩 신뢰구간을 포함한 Fleiss 카파, 범주별 카파, Light 카파, Gwet AC1.
  • ICC의 경우 측정의 표준오차(SEM)와 최소 탐지 가능 변화량(MDC95).
  • Koo와 Li(ICC), Landis와 Koch(카파)에 따른 해석과, 카파 역설 같은 함정에 대한 안내.

사용 방법

데이터를 붙여넣거나 CSV 또는 TXT 파일을 불러옵니다. 첫 행에는 평가자 이름, 이후 대상당 한 행씩, 탭, 세미콜론, 쉼표로 구분합니다. 최대 20,000행, 40열까지 가능합니다. 결측값이 있는 행은 제외됩니다. 타일이 ICC와 카파 중 무엇을 계산할지 자동으로 판단하며, 이를 직접 바꾸고, 평가자 열을 선택하고, ICC 모형, 가중 방식, 범주 순서, 90%, 95%, 99% 신뢰수준을 고를 수 있습니다. 가상 데이터로 만든 예시 세 가지로 직접 시험해 볼 수 있습니다.

출력과 내보내기

Word나 Excel에 복사하거나 CSV로 받을 수 있는 결과표, 9개 언어로 된 SVG, 벡터 PDF 또는 300·600 dpi PNG 그림, 방법 기술문 초안을 제공합니다. 프로젝트는 저장했다가 다시 불러올 수 있습니다.

방법

ICC는 Shrout와 Fleiss(1979)의 분산분석으로, 신뢰구간은 McGraw와 Wong(1996)에 따라 구합니다. Cohen 카파는 Fleiss, Cohen, Everitt(1969)의 점근 표준오차를, Fleiss 카파는 Fleiss(1971)에 따라 백분위수 부트스트랩을 사용합니다.

데이터와 개인정보 보호

모든 데이터는 브라우저에 남으며 전송되지 않습니다. 이름이나 생년월일은 입력하지 마십시오. 이 타일은 통계 자문을 대신하지 않습니다. 논문에 쓸 결과는 다른 소프트웨어로 확인하십시오.

자주 묻는 질문

어떤 ICC 형태를 보고해야 합니까?

평가자가 다른 평가자들을 대표하고 값이 실제로 일치해야 할 때는 보통 ICC(2,1), 즉 절대 일치를 보는 이원 무작위 모형을 씁니다. 이 평가자들만 중요하고 체계적 차이가 문제되지 않으면 ICC(3,1), 각 대상을 서로 다른 평가자가 평가했다면 ICC(1,1)을 씁니다.

평가자들이 거의 항상 일치하는데 왜 카파가 낮습니까?

아주 드물거나 아주 흔한 범주가 있으면 카파가 낮아집니다(카파 역설). 관찰 일치도를 보고하고 PABAK과 Gwet AC1을 확인하십시오.

Cohen 카파와 Fleiss 카파 중 무엇을 씁니까?

평가자가 2명이면 Cohen 카파, 3명 이상이면 Fleiss 카파를 씁니다. 여러 평가자의 순서형 평가에는 ICC가 적합합니다.

pubmed.info는 추적 쿠키를 사용하지 않으며 사용자 프로필을 만들지 않습니다. 방문은 익명으로 집계됩니다(쿠키 없음, IP 주소 단축). Google 광고는 사용자의 동의 설정에 따라서만 표시됩니다.