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, incorrelation coefficients. In measure of agreement, but only covariance. Correlations are reliability coefficients because they are bivariate; that is, onl also limited as not possible assess the simultaneous ings 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 el ments in reliability testing, correlation does not provide an efficient mechanism f evaluating the full scope of reliability.
Another objection to the use of correlation as a measure of reliability is based on th statistical definition of reliability; that is, correlation cannot separate out variance com ponents 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) 2:

intraclass ค่าสัมประสิทธิ์สหสัมพันธ์ (ICC)
วิธีการทางประวัติศาสตร์เพื่อความน่าเชื่อถือเกี่ยวข้องกับการใช้ว่ามันกวางบทที่ 5 เราได้พูดถึงปัญหาที่เกิดขึ้นด้วยวิธีการที่ค่าสัมประสิทธิ์ incorrelation ในการวัดของข้อตกลง แต่เพียงแปรปรวน ความสัมพันธ์ที่มีค่าสัมประสิทธิ์ความน่าเชื่อถือเพราะพวกเขาเป็น bivariate; ว่ามีที่ ONL จำกัด นอกจากนี้ยังเป็นไปไม่ได้ประเมินคำาพร้อมกันหรือสามารถมีความสัมพันธ์ในครั้งเดียว มันเป็นแง่มุมของความน่าเชื่อถือมากกว่าสองผู้ประเมินหรือความสัมพันธ์ระหว่างรับผิดชอบที่แตกต่างกันเช่นการประเมินรูปแบบการทดสอบและการทดสอบครั้ง ขณะที่เหล่านี้มักจะ ments สำคัญเอลในการทดสอบความน่าเชื่อถือ, ความสัมพันธ์ที่ไม่ได้ให้กลไกที่มีประสิทธิภาพฉประเมินขอบเขตของความน่าเชื่อถือ.
คัดค้านที่จะใช้เป็นตัวชี้วัดความสัมพันธ์ของความน่าเชื่อถือที่จะขึ้นอยู่กับความหมายทางสถิติชั้นของความน่าเชื่อถือ; ว่ามีความสัมพันธ์ที่ไม่สามารถแยกออกจาก ponents คอมแปรปรวนเนื่องจากข้อผิดพลาดหรือความแตกต่างจริงในชุดข้อมูล 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 เรากล่าวถึงปัญหาด้วยวิธีการ incorrelation ค่าสัมประสิทธิ์ ในวัดของข้อตกลง แต่ความ ความสัมพันธ์เป็นสัมประสิทธิ์ความเที่ยง เพราะพวกเขาเป็นสองตัวแปร นั่นคือค่ะยังไม่ได้ประเมินจำกัดเป็น ings พร้อมกันหรือสามารถมีหนึ่งครั้ง มันคือด้านความน่าเชื่อถือของมากกว่าสองจำนวนหรือความสัมพันธ์ระหว่างผู้ประเมินที่แตกต่างกัน bility เช่น แบบทดสอบ และการทดสอบครั้ง เป็นเหล่านี้มักจะสำคัญ El ments ในการทดสอบความน่าเชื่อถือความสัมพันธ์ไม่ได้ให้ประสิทธิภาพกลไก F ประเมินขอบเขตเต็มรูปแบบของความน่าเชื่อถือ
อื่นคัดค้านการใช้สถิติเป็นตัวชี้วัดความน่าเชื่อถือตามความหมายทางสถิติของความน่าเชื่อถือของพวกเขา นั่นคือ ไม่สามารถแยกความแปรปรวนสหสัมพันธ์ ponents com เนื่องจากข้อผิดพลาดหรือเป็นจริงความแตกต่างในชุดข้อมูล ดังนั้นสัมประสิทธิ์สหสัมพันธ์ไม่มีค่าความเที่ยงแท้ มันเป็นจริง 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