統計名稱 | Pearson correlation coefficient | Intra-class correlation coefficient | Bland-Altman plot |
統計目的 | 比較兩不同評估工具施測結果的相關程度(是否有相同趨勢,看相關係數)。與ICC不同在於其無法看一致性(因為公式不同,未納入標準差做計算) | 比較同一評估工具兩次施測結果或兩不同評估工具施測結果的相關程度及一致性(相關程度高不代表一致性高,此代表兩次的分數有相同發展趨勢但分數不一定會相對應或相同) | 呈現相同評估工具兩次施測結果或兩不同評估工具施測結果的分佈圖及一致性(平均差越接近0代表一致性越高,但亦有可能在分布極廣,施測結果不一致時,平均差趨近0) |
量尺特性 | 連續量尺(等距interval、比率ratio) | 連續量尺(等距interval、比率ratio) | ? |
臨床涵義 | 效標關聯效度(同時效度、預測效度)、建構效度(收斂效度、發散效度) | 再測信度、施測者間信度、同時效度(兩工具量尺須一致方可使用) | 再測信度、施測者間信度、同時效度(兩工具量尺須一致方可使用) |
ICC:使用共同的mean和standard deviation
回覆刪除Pearson correlation coefficient:使用各別自己的mean和standard deviation
to En-Chi, so 那代表何意? the current statement is too technical.
回覆刪除to 怡靜: looks great! 唯一保留的是:I cannot follow 「(因為公式不同,未納入標準差做計算)」。
回覆刪除另外,我的學生強(仍夠解釋,讓你懂),才是我我成就指標。
還有, Bland-Altman plot 之量尺特性應非「無」。
回覆刪除Bland-Altman plot 很少用于效度驗證。ICC也很少。二者唯一可能用同時效度,且工具間之量尺範圍必須一致。
老師~我會列出那段話是因為我一直想不通,Pearson和ICC同樣都會描繪出趨勢圖,為什麼只有ICC可看出一致性如何而Pearson無法!?所以「因為公式不同,Pearson未納入標準差做計算」是恩琦說明給我聽的。
回覆刪除另外,原來使用Bland-Altman plot和ICC時,工具間之量尺範圍必須一致,之前一直在想說萬一兩工具的量尺範圍差距很大,那比較起來不就很奇怪嗎?例如兩者範圍各為0~10和0~100分,那這樣一致性一定很差阿!為了讓一致性高我可不可以把第二個量尺分數都除以10!?不過現在終於知道了!原來Bland-Altman plot和ICC有這個限制在阿!
To 怡靜
回覆刪除不好意思,讓妳誤會我的意思,我是說ICC的公式中,是用兩次測量分數整體合併(pool)的平均數和標準差,而Pearson則是使用每單次測量分數自己的平均數和標準差。
針對老師所提"量尺範圍必須一致",我解讀是,兩個評估工具計分尺度是一致的,例如:都為0,1,2。
哈~原來我又誤會了>"<謝謝恩琦^^
回覆刪除Thanks for En-Chi's supplements.
回覆刪除1. However, why「ICC的公式中,是用兩次測量分數整體合併(pool)的平均數和標準差,而Pearson則是使用每單次測量分數自己的平均數和標準差。」 make the difference?
2. 有關量尺是否一致,即使 response categories 不一致(如 0-1-2 VS 0-1-2-3-4),也可線性轉換後(皆轉換成最低與最高分數相同之量尺 0-2-4 vs 0-1-2-3-4),再比較其一致性。
ICC的公式簡單來說為A/(A+B)
回覆刪除A:受測分數真實的改變
B:測量誤差
當測量誤差小時,ICC就會趨近於1,表示信度高。
Pearson r並無區分變化是來自真實改變或測量誤差,所以並未能得到確實的信度係數。
何謂「真實的改變」??若依公式「真實的改變」越大,ICC越高!?
回覆刪除不同的受試者,在測量中應該會有不同的真實改變,A即為受試者分數的真實變異數。
回覆刪除在公式的解釋上,我原先是從另一個角度來看,測量誤差小,代表信度好,所以希望誤差越小,ICC可以越高,趨近於1。
從真實變異數(A)的角度來看,真實變異數越大,代表受測者間的變異越大,相對而言,從再測的誤差即小,則ICC就越大。
8/16的解釋好像仍不適當,所以請忽略,本來是想要刪除此留言,但仍想留下,以顯示自己曾思考過的方向和概念。
回覆刪除老師您好,想請問我在繪製 Bland-Altman plot 遇到一些問題,不知道能不能另外請教您呢?
回覆刪除拜託您了XD
您好,其實我也還只是博士班學生啦!請問我要怎麼連絡您?
刪除