Intraclass ဆက်စပ်ဆက်စပ်ကိန်း- အဓိပ္ပါယ် + ဥပမာ


အဆင့်သတ်မှတ်သူ နှစ်ဦး သို့မဟုတ် ထို့ထက်ပိုသော လေ့လာမှုများတွင် ရမှတ်များ၏ ယုံကြည်စိတ်ချရမှုကို တိုင်းတာရန်အတွက် အတန်းတွင်းဆက်စပ်ဆက်စပ်ကိန်း (ICC) ကို အသုံးပြုသည်။

ICC ၏တန်ဖိုးသည် 0 မှ 1 အထိရှိနိုင်ပြီး 0 သည် အဆင့်သတ်မှတ်သူများကြားတွင် ယုံကြည်စိတ်ချရမှုမရှိကြောင်း နှင့် 1 သည် အဆင့်သတ်မှတ်သူများကြားတွင် ပြီးပြည့်စုံသောယုံကြည်စိတ်ချရမှုကို ညွှန်ပြသည့် 0 ဖြစ်သည်။

ရိုးရိုးရှင်းရှင်းပြောရလျှင်၊ မတူညီသော အဆင့်သတ်မှတ်သူများမှ အကြောင်းအရာများ (သို့မဟုတ် အကြောင်းအရာများ) ကို ယုံကြည်စိတ်ချစွာ အဆင့်သတ်မှတ်နိုင်သည်ဆိုသည်ကို ဆုံးဖြတ်ရန် ICC ကို အသုံးပြုပါသည်။

အောက်ပါအချက်သုံးချက်အပေါ် မူတည်၍ တွက်ချက်နိုင်သော ICC ၏ မတူညီသော ဗားရှင်းများစွာ ရှိပါသည်။

  • မော်ဒယ်- တစ်လမ်းသွား ကျပန်းအကျိုးသက်ရောက်မှုများ၊ နှစ်လမ်းကျပန်းအကျိုးသက်ရောက်မှုများ သို့မဟုတ် နှစ်လမ်းသွား ရောနှောထားသော အကျိုးဆက်များ
  • ဆက်ဆံရေးအမျိုးအစား- ညီညွတ်မှု သို့မဟုတ် အကြွင်းမဲ့သဘောတူညီချက်
  • ယူနစ်- အဆင့် သတ်မှတ်သူ တစ်ဦးတည်း သို့မဟုတ် ပျမ်းမျှ အဆင့်သတ်မှတ်သူများ

ဤသည်မှာ မတူညီသော မော်ဒယ် သုံးမျိုး၏ အကျဉ်းချုပ် ဖော်ပြချက်ဖြစ်ပါသည်။

1. တစ်လမ်းမောင်းကျပန်းအကျိုးသက်ရောက်မှုပုံစံ- ဤပုံစံသည် ဘာသာရပ်တစ်ခုစီကို ကျပန်းရွေးချယ်ထားသော အကဲဖြတ်သူများ၏ မတူညီသောအုပ်စုတစ်စုမှ အကဲဖြတ်သည်ဟု ယူဆပါသည်။ ဤပုံစံဖြင့်၊ အဆင့်သတ်မှတ်သူများကို ကျပန်းအကျိုးသက်ရောက်မှုများ၏ရင်းမြစ်အဖြစ် သတ်မှတ်သည်။ ဘာသာရပ်တစ်ခုစီကို အကဲဖြတ်ရန် ယေဘုယျအားဖြင့် တူညီသောအကဲဖြတ်အဖွဲ့ကို အသုံးပြုထားသောကြောင့် ဤပုံစံကို လက်တွေ့တွင် အသုံးပြုခဲပါသည်။

2. နှစ်လမ်းကျပန်းအကျိုးသက်ရောက်မှုပုံစံ- ဤပုံစံသည် အဆင့်သတ်မှတ်ထားသော k အုပ်စုတစ်စုကို လူဦးရေတစ်ခုမှ ကျပန်းရွေးချယ်ပြီး ဘာသာရပ်များကို အဆင့်သတ်မှတ်ရန် အသုံးပြုသည်ဟု ယူဆသည်။ ဤပုံစံကိုအသုံးပြုခြင်း၊ အဆင့်သတ်မှတ်ခြင်းနှင့် ဘာသာရပ်များကို ကျပန်းအကျိုးသက်ရောက်မှုများ၏ရင်းမြစ်များအဖြစ် သတ်မှတ်သည်။ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ရလဒ်များကို လေ့လာမှုတွင်အသုံးပြုသည့် အလားတူအဆင့်သတ်မှတ်မှုများနှင့် ယေဘုယျဖော်ပြလိုသည့်အခါ ဤပုံစံကို မကြာခဏအသုံးပြုပါသည်။

3. နှစ်လမ်းရောစပ်သောအကျိုးသက်ရောက်မှုပုံစံ- ဤပုံစံသည် အဆင့်သတ်မှတ်ခြင်း k အုပ်စုတစ်စုအား လူဦးရေမှ ကျပန်းရွေးချယ်ပြီး ဘာသာရပ်များကို အဆင့်သတ်မှတ်ရန် အသုံးပြုသည်ဟုလည်း ယူဆပါသည်။ သို့သော်၊ ကျွန်ုပ်တို့ရွေးချယ်ထားသော အဆင့်သတ်မှတ်ပေးသူများအုပ်စုသည် တစ်ခုတည်းသော စိတ်ဝင်စားဖွယ်အဆင့်သတ်မှတ်သူများသာဖြစ်သည်ဟု ယူဆသည်၊ ဆိုလိုသည်မှာ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ရလဒ်များကို လေ့လာမှုတွင်အသုံးပြုသည့် အဆင့်သတ်မှတ်သူများနှင့် အလားတူသွင်ပြင်လက္ခဏာများတူညီသော အခြားအဆင့်သတ်မှတ်သူများထံသို့ ကျွန်ုပ်တို့၏ရလဒ်များကို ယေဘုယျဖော်ပြလိုခြင်းမရှိကြောင်း ဆိုလိုပါသည်။

ဤသည်မှာ ကျွန်ုပ်တို့တိုင်းတာလိုသော မတူညီသော ဆက်ဆံရေး နှစ်မျိုး၏ အကျဉ်းချုပ်ဖော်ပြချက်ဖြစ်သည်-

1. ညီညွတ်မှု- တရားသူကြီးများ၏ အဆင့်သတ်မှတ်ချက်များကြား စနစ်ကျသော ကွာခြားချက်များကို ကျွန်ုပ်တို့ စိတ်ဝင်စားပါသည် (ဥပမာ၊ တရားသူကြီးများသည် အလားတူအကြောင်းအရာများကို အနိမ့်နှင့် မြင့်သည်ဟု အဆင့်သတ်မှတ်ခဲ့ပါသလား။)

2. အကြွင်းမဲ့သဘောတူညီချက်- တရားသူကြီးများ၏ ရမှတ်များအကြား အကြွင်းမဲ့ ကွာခြားချက်များကို ကျွန်ုပ်တို့ စိတ်ဝင်စားပါသည် (ဥပမာ၊ တရားသူကြီး A နှင့် တရားသူကြီး B တို့၏ ရမှတ်များအကြား လုံးဝကွာခြားချက်ကား အဘယ်နည်း။)

ဤသည်မှာ ကျွန်ုပ်တို့စိတ်ဝင်စားနိုင်သည့် မတူညီသော ယူနစ် နှစ်ခု၏ အကျဉ်းချုပ်ဖော်ပြချက်ဖြစ်သည်-

1. တစ်ဦးတည်းသုံးသပ်သူ- ကျွန်ုပ်တို့သည် တိုင်းတာမှုအတွက် အခြေခံအဖြစ် တစ်ဦးတည်းသုံးသပ်သူ၏ အဆင့်သတ်မှတ်ချက်များကိုသာ အသုံးပြုလိုပါသည်။

2. အဆင့်သတ်မှတ်ခြင်း- ကျွန်ုပ်တို့သည် တိုင်းတာခြင်းအတွက် အခြေခံအဖြစ် တရားသူကြီးများ၏ ရမှတ်အားလုံး၏ ပျမ်းမျှအား အသုံးပြုလိုပါသည်။

မှတ်ချက်- အကြောင်းအရာ တစ်ခုစီကို လွဲချော်နေသော အဆင့်သတ်မှတ်သူနှစ်ဦးကြားတွင် သဘောတူညီချက်အဆင့်ကို တိုင်းတာလိုပါက၊ Cohen’s Kappa အစား သင်အသုံးပြုသင့်သည်။

intraclass correlation coefficient ကို ဘယ်လိုအဓိပ္ပာယ်ဖွင့်မလဲ။

Koo & Li ၏ အဆိုအရ intraclass correlation coefficient ၏တန်ဖိုးကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုရမည်နည်း

  • 0.50 အောက်- ယုံကြည်စိတ်ချရမှု ညံ့ဖျင်းသည်။
  • 0.5 နှင့် 0.75 ကြား- အလယ်အလတ် ယုံကြည်စိတ်ချရမှု
  • 0.75 နှင့် 0.9 ကြား- ယုံကြည်စိတ်ချရမှုကောင်းသည်။
  • 0.9 ထက်ကြီးသည်- အလွန်ကောင်းမွန်သော ယုံကြည်စိတ်ချရမှု

အောက်ဖော်ပြပါ ဥပမာသည် လက်တွေ့တွင် intraclass ဆက်စပ်ဆက်စပ်ကိန်းကို တွက်ချက်နည်းကို ပြသထားသည်။

ဥပမာ- intraclass ဆက်စပ်ဆက်စပ်ကိန်းကို တွက်ချက်ခြင်း။

မတူညီသော ကောလိပ်ဝင်ခွင့်စာမေးပွဲ ၁၀ ခု၏ အရည်အသွေးကို အကဲဖြတ်ရန် မတူညီသော တရားသူကြီးလေးဦးကို တောင်းဆိုသည်ဆိုပါစို့။ ရလဒ်များကို အောက်တွင် ပြထားသည်။

intraclass correlation coefficient ကို တွက်ချက်ခြင်း ဥပမာ

ဝင်ခွင့်စာမေးပွဲအတွက် အရည်အချင်းပြည့်မီသော တရားသူကြီးများထဲမှ တရားသူကြီးလေးဦးကို ကျပန်းရွေးချယ်ပြီး တရားသူကြီးများအကြား အကြွင်းမဲ့သဘောတူညီချက်ကို တိုင်းတာလိုပြီး ကျွန်ုပ်တို့၏တိုင်းတာမှု၏အခြေခံအဖြစ် အကဲဖြတ်သူတစ်ဦးတည်း၏ရှုထောင့်မှ ရမှတ်များကို အသုံးပြုလိုသည်ဆိုပါစို့။

R တွင်အောက်ပါကုဒ်ကိုအသုံးပြု၍ နှစ်လမ်းကျပန်းအကျိုးသက်ရောက်မှုပုံစံ တစ်ခုနှင့်ကိုက်ညီရန်၊ အကြွင်းမဲ့သဘောတူညီချက် အဖြစ် အဆင့်သတ်မှတ်သူများကြားဆက်ဆံရေးအဖြစ်နှင့် တစ်ခုတည်း ယူနစ်ကို စိတ်ဝင်စားမှုယူနစ်အဖြစ်အသုံးပြုခြင်းတို့ကိုအသုံးပြု၍ ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 #load the interrater reliability package
library (irr)

#define data
data <- data. frame (A=c(1, 1, 3, 6, 6, 7, 8, 9, 8, 7),
                   B=c(2, 3, 8, 4, 5, 5, 7, 9, 8, 8),
                   C=c(0, 4, 1, 5, 5, 6, 6, 9, 8, 8),
                   D=c(1, 2, 3, 3, 6, 4, 6, 8, 8, 9))

#calculate ICC
icc(data, model = " twoway ", type = " agreement ", unit = " single ")

   Model: twoway 
   Type: agreement 

   Subjects = 10 
     Failures = 4 
   ICC(A,1) = 0.782

 F-Test, H0: r0 = 0; H1: r0 > 0 
    F(9.30) = 15.3, p = 5.93e-09 

 95%-Confidence Interval for ICC Population Values:
  0.554 < ICC < 0.931

intraclass correlation coefficient (ICC) သည် 0.782 ဖြစ်သည် ။

ICC ကို ဘာသာပြန်ခြင်းအတွက် လက်မ၏ စည်းမျဉ်းများကို အခြေခံ၍ 0.782 ရှိသော ICC သည် စာမေးပွဲများကို အဆင့်သတ်မှတ်သူများမှ “ ကောင်းမွန်သော” ယုံကြည်စိတ်ချရမှုဖြင့် ရမှတ်ရနိုင်ကြောင်း ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် မတူညီသော စာရင်းအင်းဆော့ဖ်ဝဲများတွင် ICC တွက်ချက်နည်းကို အသေးစိတ်ရှင်းပြပေးသည်-

Excel တွင် Intraclass Correlation Coefficient တွက်ချက်နည်း
R တွင် intraclass correlation coefficient တွက်ချက်နည်း
Python တွင် Intraclass Correlation Coefficient တွက်ချက်နည်း

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်