ضریب همبستگی درونطبقهای (ICC)
ضریب همبستگی درونطبقهای (ICC) شاخصی برای سنجش میزان پایایی نمرات و دادههای حاصل از ارزیابی یا قضاوت دو یا چند کارشناس میباشد. این ضریب در نرمافزار SPSS قابل برآورد است بنابرین کاربرد بسیاری در روش پژوهش علمی دارد.
همبستگی درون طبقاتی برای ارزیابی توافق زمانی که دو یا چند ارزیاب مستقل وجود دارد و نتیجه در یک سطح پیوسته اندازهگیری میشود، استفاده میشود. ارزیابها باید مستقل باشند، اما همچنین باید در تعریف عملیاتی و شناسایی سازه آموزش ببینند. این ضریب به دلیل استفاده از اندازهگیری پیوسته، شاخص قویتری در مقایسه با ضریب کاپا است. همچنین از کاپای کوهن بیشتر برای سازگاری در دیدگاه دو ارزیاب استفاده میشود اما زمانیکه تعداد ارزیابها بیشتر میشود ICC معیار بهتری است.
ار جمله کاربردهای شاخص ICC در اعتبارسنجی و پایایی تحلیل کیفی است. همچنین میتوان از این ضریب با درنظرگیری ملاحظاتی برای سنجش پایایی مدلسازی ساختاری-تفسیری نیز استفاده کرد. نظر به کاربرد و اهمیت مساله، در این مقاله ضریب همبستگی درونطبقهای (ICC) آموزش داده شده است.
کاربرد ضریب همبستگی درونطبقهای (ICC)
ضریب پایایی درون طبقهای (Intraclass Correlation Coefficient)، یک معیار بررسی سازگاری دیدگاه چند ارزیاب است. این ضریب برای محاسبه توافق بین دو کدگذار در تحلیل کیفی نیز استفاده میشود. فیشر (۱۹۵۴)، ضریب پایایی درون طبقهای را برای اصلاح ضریب همبستگی پیرسون معرفی کرد. با این حال، ضریب پایایی درون طبقهای جدید با میانگین مربعات (یعنی تخمین واریانس های جمعیت بر اساس تغییرپذیری در میان یک مجموعه معین از معیارها) برآورد میشود که از طریق تجزیه و تحلیل واریانس به دست می آید.
این شاخص به طور گسترده در تحلیل های کیفی مرتبط با ارزیابی های بالینی در رشته پزشکی استفاده می شود. اشکال مختلفی از ICC وجود دارد که می تواند نتایج متفاوتی را در صورت اعمال بر روی یک مجموعه از داده ها ارائه دهد و روش های گزارش ICC ممکن است بین محققین متفاوت باشد. با توجه به اینکه اشکال مختلف ICC، مفروضات متمایزی دارد و به تفاسیر متفاوتی منجر می شود، مهم است که محققان از کاربرد صحیح هر یک از اشکال ICC آگاه باشند. از فرم مناسب در تجزیه و تحلیل خود استفاده کنند و فرم خود را به طور دقیق گزارش کنند.
این شاخص مقادیر بین صفر و یک را به دست می دهد.
- مقدار ICC بیشتر از ۰/۹ بیانگر توافق بالای بین دوکدگذار است.
- مقدار ICC بین ۰/۷۵ و ۰/۹ پایایی خوبی را نشان می دهد.
- مقدار ICC بین ۰/۵ و ۰/۷۵ پایایی متوسط
- مقدار ICC کمتر از ۰/۵ ضعیف ترین پایایی است که باید از آن صرف نظر کرد.
به اندازههای ICC کمتر از ۰/۵ اهمیت نمیدهیم و آنها را پایایی ضعیف مینامیم. در این صورت باید در کدگذاری تجدیدنظر کرد.
ضریب همبستگی درونطبقهای در SPSS
۱. داده ها به صورت درون موضوعی وارد می شوند.
ضریب همبستگی درونطبقهای در SPSS
۱. روی Analyze کلیک کنید.
۲. از قسمت Scale گزینه Reliability Analysis کلیک کنید.
۳. در کادری که باز میشود دادهها را به کادر Items منتقل شود.
۴. روی دکمه Statistics کلیک کنید.
۵. در کادر جدید گزینه Intraclass correlation coefficient را تیک بزنید.
۶. در کشویی Model کلیک کنید، سه گزینه وجود دارد.
اگر پژوهشگران رتبهبندیهای یکسانی برای هر مشاهده ندارند، از مدل تصادفی یک طرفه استفاده کنید.
چنانچه پژوهشگران رتبهبندیهای یکسانی برای هر مشاهده دارند و از نمونهای از ارزیابها استفاده میکنند، از مدل تصادفی دو طرفه استفاده کنید.
اگر پژوهشگران رتبهبندیهای یکسانی برای هر مشاهده دارند و از تنها ارزیابهای معتبر (جمعیت) استفاده میکنند، از مدل مخلوط دو طرفه استفاده کنید.
۷. از قسمت Type گزینه Consistency را انتخاب کنید.
۸. روی دکمه Continue کلیک کنید.
۹. روی دکمه OK کلیک کنید تا نتایج ظاهر شود.
خلاصه و جمعبندی
از ضریب همبستگی درون رده ای یا همان ICC هنگامی که یک فرد یا منبع تصمیمگیری، چندین مرتبه و در زمانهای مختلف، به یک مفهوم واحد، اندازههای عددی اختصاص میدهد، نیز به کار میرود. به عنوان مثال در یک مطالعه با زمانهای اندازهگیری قبل، بعد و پیگیری که در پی بررسی تاثیر مداخله آموزشی هستیم، میخواهیم پایایی و همبستگی درونی بین زمانها را به دست بیاوریم. در این حالت میتوانیم از تحلیل ICC استفاده کنیم.
هنگامی که مطالعه ما One-way Random است، یعنی داوران و ارزیابان هر یک به اجراکنندگان و افراد متفاوتی امتیازدهی کردهاند، انتخاب Type یعنی Consistency یا Absolute Agreement تحلیل ICC به دلیل اینکه واریانس بین ارزیابان حاصل محاسبه بین افراد و اجراکنندگان یکسانی نیست، معنایی ندارد. به همین دلیل است که با انتحاب مدل One-way Random در نرمافزار SPSS، گزینههای Type غیرفعال میشوند.
دلیل دیگری که برای غیر فعال بودن Consistency در مدل One-way Random مطرح میشود این است که ما از Consistency هنگامی استفاده میکنیم که مطالعه ما دارای زمان و تایمهای مختلف اندازهگیری است. یعنی یک مفهوم و یا همان Subject را در چند تایم مختلف اندازهگیری میکنیم و میخواهیم پایایی بین این زمانها را یا یکدیگر به دست بیاوریم. واضح است که در این مدل نمیتوانیم از One-way Random استفاده کنیم، زیرا در هر زمان همه Subjectها را اندازه میگیریم و اینگونه نیست که در یک تایم، برخی از موارد و در تایم دیگر موارد دیگری را اندازهگیری کنیم.
به این نکته هم توجه کنید که چنانچه در یک مطالعه، استفاده از آرا و نظرات افراد یکسان منع شده باشد و هر فرد باید به یک موضوع رای دهد، استفاده از مدل one-way random effects توصیه میشود.
تهیه و تنظیم: پشتیبانی پارسمدیر
آمار کاربردی مدیریت | ۲۰ تیر ۰۲
