INTRACLASS CORRELATION COEFFICIENT(

INTRACLASS CORRELATION COEFFICIENT(ICC)
the historical approach to reliability involved the use of that it doe Chapter 5 we discussed the problems with approach, in correlation coefficients. In measure of agreement, but only covariance. Correlations are reliability coefficients because they are bivariate; that is,
only also limited as not possible assess the simultaneous or can be correlated at one time. It is to aspects of reliability of more than two raters or the relationships among different bility, such as raters, test forms, and testing occasions. As these are often important elements in reliability testing, correlation does not provide an efficient mechanism evaluating the full scope of reliability.
Another objection to the use of correlation as a measure of reliability is based on statistical definition of reliability; that is, correlation cannot separate out variance components due to error or true differences in a data set. Therefore, the correlation coefficient is not a true reliability coefficient. It is actually more accurate to use the square of the cor relation coefficient(the coefficient of determination) for this purpose, because r reflects how much variance in one measurement is accounted for by the variance in a second measurement(see Chapter 24 This is analogous to asking how much of the total ance in a set of data is shared by two measurements(the"true" variance) and how much is not shared(the error variance). If we could correlate true scores with observed scores in a set of data, the square of the correlation coefficient would be the reliability coefficient. We can confirm this interpretation using the data from Table 26.1A. For the correlation between observed and true scores, Therefore
To overcome the limitations of correlation as a measure of reliabili some researchers have used more than one reliability index with single study. For instance, in test-retest situation or a rater reliability study, both correlation and a t-test can be performed to assess consistency and average agreement between the data sets. This strategy does address the interpretation of agreement

ผลลัพธ์ (ไทย) 1:

INTRACLASS สห COEFFICIENT(ICC) วิธีการทางประวัติศาสตร์เพื่อความน่าเชื่อถือที่เกี่ยวข้องกับการใช้ป้องกัน 5 บทที่เรากล่าวถึงปัญหาเกี่ยวกับวิธีการ ในสัมประสิทธิ์สหสัมพันธ์ ในวัดของข้อตกลง แต่แปรปรวนเท่านั้น ความสัมพันธ์มีสัมประสิทธิ์ความน่าเชื่อถือเพราะเป็น bivariate นั่นก็คือ เพียงจำกัดยัง ไม่ได้ประเมินที่เกิดขึ้นพร้อมกัน หรือสามารถ correlated ครั้งเดียว มีลักษณะของความน่าเชื่อถือของ raters มากกว่าสอง หรือทดสอบความสัมพันธ์ใน bility ที่แตกต่างกัน เช่น raters แบบฟอร์ม และโอกาสทดสอบ เป็นบ่อยเหล่านี้เป็นองค์ประกอบสำคัญในการทดสอบความน่าเชื่อถือ ความสัมพันธ์ไม่มีกลไกที่มีประสิทธิภาพประเมินขอบเขตของความน่าเชื่อถือแบบเต็ม มรดกอื่นใช้ของความสัมพันธ์เป็นการวัดความน่าเชื่อถือตามคำจำกัดความทางสถิติของความน่าเชื่อถือ นั่นคือ ความสัมพันธ์ไม่สามารถแยกออกส่วนประกอบความแปรปรวนเนื่องจากข้อผิดพลาดหรือความแตกต่างที่แท้จริงในชุดข้อมูล ดังนั้น สัมประสิทธิ์สหสัมพันธ์ได้สัมประสิทธิ์ความน่าเชื่อถือจริง มันจะถูกต้องจริงมากกว่าใช้สแควร์ของการประกอบ ความสัมพันธ์สัมประสิทธิ์ (ค่าสัมประสิทธิ์ของการกำหนด) สำหรับวัตถุประสงค์นี้ เนื่องจาก r แสดงจำนวนผลต่างในวัดหนึ่งจะคิดยู่ในวัดสอง (ดูบทที่ 24 นี้จะคล้ายคลึงกับถามจำนวน ance รวมในชุดของข้อมูลร่วมกัน โดยสองวัด (ต่าง "จริง") แล้วเท่าใช้ร่วมกัน (ผลต่างที่ผิดพลาด) ถ้าเราสามารถสร้างความสัมพันธ์คะแนนจริงกับคะแนนสังเกตในชุดของข้อมูล กำลังสองของสัมประสิทธิ์สหสัมพันธ์จะมีค่าสัมประสิทธิ์ความน่าเชื่อถือ เราสามารถยืนยันการตีความนี้โดยใช้ข้อมูลจากตาราง 26.1A สำหรับความสัมพันธ์ระหว่างคะแนนสังเกต และแท้จริง ดังนั้น เพื่อเอาชนะข้อจำกัดของความสัมพันธ์เป็นการวัด reliabili นักวิจัยบางส่วนได้ใช้ดัชนีความน่าเชื่อถือมากกว่าหนึ่งกับศึกษาเดียว ตัวอย่าง retest ทดสอบสถานการณ์หรือการศึกษาความน่าเชื่อถือ rater ความสัมพันธ์และการทดสอบ t สามารถดำเนินการเพื่อประเมินความสอดคล้องและข้อตกลงการเฉลี่ยระหว่างชุดข้อมูลนั้น กลยุทธ์นี้การตีความข้อตกลง

ผลลัพธ์ (ไทย) 2:

intraclass ค่าสัมประสิทธิ์สหสัมพันธ์ (ICC)
วิธีการทางประวัติศาสตร์เพื่อความน่าเชื่อถือเกี่ยวข้องกับการใช้ว่ามันกวางบทที่ 5 เราได้พูดถึงปัญหาที่เกิดขึ้นด้วยวิธีการในค่าสัมประสิทธิ์สหสัมพันธ์ ในการวัดของข้อตกลง แต่เพียงแปรปรวน ความสัมพันธ์ที่มีค่าสัมประสิทธิ์ความน่าเชื่อถือเพราะพวกเขาเป็น bivariate; ว่ามีที่
จำกัด เฉพาะนอกจากนี้ยังเป็นไปไม่ได้ประเมินพร้อมกันหรือสามารถมีความสัมพันธ์ในครั้งเดียว มันเป็นแง่มุมของความน่าเชื่อถือมากกว่าสองผู้ประเมินหรือความสัมพันธ์ระหว่างรับผิดชอบที่แตกต่างกันเช่นการประเมินรูปแบบการทดสอบและการทดสอบครั้ง ขณะที่เหล่านี้มักจะองค์ประกอบที่สำคัญในการทดสอบความน่าเชื่อถือ, ความสัมพันธ์ที่ไม่ได้ให้กลไกที่มีประสิทธิภาพการประเมินขอบเขตของความน่าเชื่อถือ.
คัดค้านที่จะใช้ความสัมพันธ์เป็นตัวชี้วัดของความน่าเชื่อถือจะขึ้นอยู่กับความหมายทางสถิติของความน่าเชื่อถือ ว่ามีความสัมพันธ์ที่ไม่สามารถแยกออกจากองค์ประกอบความแปรปรวนเนื่องจากข้อผิดพลาดหรือความแตกต่างจริงในชุดข้อมูล ดังนั้นค่าสัมประสิทธิ์สหสัมพันธ์ไม่ได้เป็นค่าสัมประสิทธิ์ความน่าเชื่อถือจริง มันเป็นความจริงที่ถูกต้องในการใช้ตารางค่าสัมประสิทธิ์ความสัมพันธ์คร (ที่ค่าสัมประสิทธิ์ของความมุ่งมั่น) เพื่อวัตถุประสงค์นี้เพราะอาสะท้อนให้เห็นถึงวิธีการมากความแปรปรวนในการวัดคิดโดยความแปรปรวนในการวัดที่สอง (ดูบทที่ 24 นี้จะคล้ายคลึง จะถามว่ามาก ance รวมในชุดของข้อมูลที่ใช้ร่วมกันโดยสองวัด (ที่ "ความจริง" ความแปรปรวน) และวิธีการมากที่ไม่ได้ใช้ร่วมกัน (แปรปรวนข้อผิดพลาด). ถ้าเราสามารถมีความสัมพันธ์คะแนนจริงกับคะแนนที่สังเกตในชุดของ ข้อมูลตารางค่าสัมประสิทธิ์สหสัมพันธ์จะเป็นค่าสัมประสิทธิ์ความน่าเชื่อถือ. เราสามารถยืนยันการตีความนี้โดยใช้ข้อมูลจากตาราง 26.1A.
สำหรับความสัมพันธ์ระหว่างคะแนนที่สังเกตและเป็นความจริงที่ดังนั้นเพื่อเอาชนะข้อจำกัด ของความสัมพันธ์เป็นตัวชี้วัดของ reliabili นักวิจัยบาง มีการใช้มากกว่าหนึ่งดัชนีความน่าเชื่อถือกับการศึกษาเดียว. ยกตัวอย่างเช่นในสถานการณ์การทดสอบหรือสอบซ่อมการศึกษาประเมินความน่าเชื่อถือทั้งความสัมพันธ์และ t-test สามารถดำเนินการในการประเมินความมั่นคงและข้อตกลงเฉลี่ยระหว่างชุดข้อมูล กลยุทธ์นี้จะอยู่ที่การตีความของข้อตกลง

ผลลัพธ์ (ไทย) 3:

สัมประสิทธิ์ที่แสดง ( ICC )
วิธีการทางประวัติศาสตร์เพื่อความน่าเชื่อถือที่เกี่ยวข้องกับการใช้มัน โด บทที่ 5 เรากล่าวถึงปัญหาด้วยวิธีการในสัมประสิทธิ์สหสัมพันธ์ ในวัดของข้อตกลง แต่ความ ความสัมพันธ์เป็นสัมประสิทธิ์ความเที่ยง เพราะพวกเขาเป็นสองตัวแปร ; นั่นคือ
เท่านั้นยัง จำกัด เป็นไม่ได้ประเมินพร้อมกันหรือสามารถมีหนึ่งครั้ง มันคือด้านความน่าเชื่อถือของมากกว่าสองจำนวนหรือความสัมพันธ์ระหว่างผู้ประเมินที่แตกต่างกัน bility เช่น แบบทดสอบ และการทดสอบครั้ง เป็นเหล่านี้มักจะเป็นองค์ประกอบสำคัญในการทดสอบความน่าเชื่อถือความสัมพันธ์ไม่ได้ให้ประสิทธิภาพกลไกการประเมินขอบเขตเต็มรูปแบบของความน่าเชื่อถือ
อื่นคัดค้านการใช้สถิติเป็นตัวชี้วัดความน่าเชื่อถือขึ้นอยู่กับคำจำกัดความของความน่าเชื่อถือทางสถิติ คือ ไม่สามารถแยกออกค่าส่วนประกอบความแปรปรวนเนื่องจากข้อผิดพลาดหรือเป็นจริงความแตกต่างในชุดข้อมูล ดังนั้น ความสัมพันธ์ไม่ใช่มีค่าความเที่ยงแท้มันเป็นจริง ถูกต้องมากขึ้นที่จะใช้ตารางของ COR ความสัมพันธ์ค่าสัมประสิทธิ์ ( แทรกแซง ) สำหรับวัตถุประสงค์นี้เพราะ R สะท้อนเท่าไหร่ในการวัดความคิดโดยความแปรปรวนในวัดที่สอง ( ดูบทที่ 24 นี้คล้ายคลึงกับถามเท่าใด ance ทั้งหมดในชุดของข้อมูลที่ใช้ร่วมกันโดยทั้งสองวัด ( " ความจริง " ) และเท่าไหร่ที่ใช้ร่วมกัน ( ( ข้อผิดพลาด ) ถ้าเราสามารถมีความสัมพันธ์กับคะแนนจริงและคะแนนในชุดข้อมูลตารางของความสัมพันธ์จะ มีค่าสัมประสิทธิ์ความเที่ยง . เราสามารถยืนยันการตีความนี้ใช้ข้อมูลจากตาราง 26.1a สำหรับความสัมพันธ์ระหว่างจำนวนคะแนนจริง ดังนั้นการเอาชนะข้อ จำกัด ของ
) เป็นวัดของ reliabili นักวิจัยบางคนมีการใช้ดัชนีมากกว่าหนึ่งความน่าเชื่อถือกับการศึกษาเดียว สำหรับอินสแตนซ์ในการทดสอบซ้ำสถานการณ์หรือระดับการศึกษาความเชื่อมั่นทั้งสหสัมพันธ์และการทดสอบที่สามารถดำเนินการเพื่อประเมินความสอดคล้องและข้อตกลงเฉลี่ยระหว่างข้อมูลชุด กลยุทธ์นี้จะอยู่ที่การตีความของข้อตกลง