SPSS的组内相关系数区分超级技巧

什么是组内相关系数？组内相关系数（ICC）常用于检测具有确定相关关系的个体间某种定量属性的相似程度，也可用于评价不同方法或测试人员对同一定量测量结果的一致性。

IBM SPSS Statistic为我们提供了组内相关系数分析工具，下面我们一起来看看它的使用场景和方式。

一、进行分析

第一步：准备好要进行相关系数分析的两组数据，然后点击“分析”菜单中“刻度”选项的“可靠性分析”，如图1。

图1：可靠性分析

第二步：在可靠性分析界面中，将两个组项目放入“项”中，模型选择阿尔法模型。

图2：放入项目

第三步：点击右侧的“统计”按钮，随后勾选上下方的“同类相关系数”，此时模型选项会从灰色变为可选项，可选的值有三个，分别是“双向混合”、“双向随机”和“单向随机”，如图3，这里我们选择“双向随机”模型。

图3：勾选同类相关系数

针对我们的使用需求，我们可以选择不同的类型，如果我们需要得到的是一致相关的结果，而不是高度相关的结果，那么这里我们需要选择“绝对一致”类型，这表示绝对的一致性，否则选用“一致”类型。

图4： 选用类型

二、结果分析

上述设置完成后，一路点击“继续”和“确定”，就可以生成分析结果，演示数据的结果如下图5，结果有三个表格，我们只需要关注它下方的那个“同类相关系数”表格即可。

图5： 结果展示

其中，单个测量是对每个研究者进行分析产生的结果，可以估计单个研究者的情况；平均测量是对多个研究者的均值进行分析产生的结果，应用范围较局限。我们从表格中，可以看到单个测量的同类相关性是 0.929，这表示它们之间是强相关的。

一般来说，低于0.4的相关性表示弱相关，高于0.75则表示强相关。

图6：结果解析

以上通过一些简单的演示数据，利用SPSS的可靠性分析工具，为大家演示了如何检测两组数据之间的相关性，操作起来非常简单，结果以表格方式呈现，更能让大家一目了然的得出最后结论，这就是IBM SPSS Statistics的强大之处。