كيفية حساب معامل الارتباط intraclass في بايثون

يتم استخدام معامل الارتباط داخل الفصل (ICC) لتحديد ما إذا كان من الممكن تقييم العناصر أو المواضيع بشكل موثوق بواسطة مقيمين مختلفين.

يمكن أن تتراوح قيمة ICC من 0 إلى 1، حيث يشير الرقم 0 إلى عدم وجود موثوقية بين المقيمين ويشير الرقم 1 إلى الموثوقية الكاملة.

أسهل طريقة لحساب ICC في بايثون هي استخدام الدالة penguin.intraclass_corr() من حزمة إحصائيات penguin ، والتي تستخدم الصيغة التالية:

pengouin.intraclass_corr(البيانات، الأهداف، المقيمون، الدرجات)

ذهب:

• البيانات: اسم إطار البيانات
• الأهداف: اسم العمود الذي يحتوي على “الأهداف” (الأشياء التي تتم ملاحظتها)
• المراجعون: اسم العمود الذي يحتوي على المراجعين
• الملاحظات: اسم العمود الذي يحتوي على الملاحظات

يقدم هذا البرنامج التعليمي مثالاً عمليًا لاستخدام هذه الميزة.

الخطوة 1: تثبيت البطريق

أولا وقبل كل شيء، تحتاج إلى تثبيت Penguin:

 pip install penguin

الخطوة 2: إنشاء البيانات

لنفترض أنه طُلب من أربعة محكمين مختلفين تقييم جودة ستة اختبارات مختلفة للالتحاق بالجامعات. يمكننا إنشاء إطار البيانات التالي للاحتفاظ بنتائج الحكام:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' exam ': [1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6,
                            1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6],
                   ' judge ': ['A', 'A', 'A', 'A', 'A', 'A',
                             'B', 'B', 'B', 'B', 'B', 'B',
                             'C', 'C', 'C', 'C', 'C', 'C',
                             'D', 'D', 'D', 'D', 'D', 'D'],
                   ' rating ': [1, 1, 3, 6, 6, 7, 2, 3, 8, 4, 5, 5,
                              0, 4, 1, 5, 5, 6, 1, 2, 3, 3, 6, 4]})

#view first five rows of DataFrame
df. head ()

	exam judge rating
0 1 A 1
1 2 A 1
2 3 A 3
3 4 To 6
4 5 A 6

الخطوة 3: حساب معامل الارتباط داخل الصف

بعد ذلك، سوف نستخدم الكود التالي لحساب معامل الارتباط داخل الصف:

 import penguin as pg

icc = pg. intraclass_corr (data=df, targets=' exam ', raters=' judge ', ratings=' rating ')

icc. set_index (' Type ')

        Description ICC F df1 df2 pval CI95%
Kind							
ICC1 Single raters absolute 0.505252 5.084916 5 18 0.004430 [0.11, 0.89]
ICC2 Single random raters 0.503054 4.909385 5 15 0.007352 [0.1, 0.89]
ICC3 Single fixed raters 0.494272 4.909385 5 15 0.007352 [0.09, 0.88]
ICC1k Average raters absolute 0.803340 5.084916 5 18 0.004430 [0.33, 0.97]
ICC2k Average random raters 0.801947 4.909385 5 15 0.007352 [0.31, 0.97]
ICC3k Average fixed raters 0.796309 4.909385 5 15 0.007352 [0.27, 0.97]

تقوم هذه الدالة بإرجاع النتائج التالية:

• الوصف: نوع ICC المحسوب
• ICC: معامل الارتباط داخل الطبقة (ICC)
• F: قيمة F للمحكمة الجنائية الدولية
• df1, df2: درجات الحرية المرتبطة بالقيمة F
• pval: القيمة p المرتبطة بقيمة F
• CI95%: فترة الثقة 95% للمحكمة الجنائية الدولية

لاحظ أن هناك ستة ICCs مختلفة محسوبة هنا. في الواقع، هناك عدة طرق لحساب المحكمة الجنائية الدولية بناءً على الافتراضات التالية:

• النموذج: تأثيرات عشوائية أحادية الاتجاه، أو تأثيرات عشوائية ثنائية الاتجاه، أو تأثيرات مختلطة ثنائية الاتجاه
• نوع العلاقة: الاتساق أو الاتفاق المطلق
• الوحدة: مُقيم واحد أو متوسط المُقيمين

للحصول على شرح مفصل لهذه الافتراضات، يرجى الرجوع إلى هذه المقالة .