ICC計算機
ICC計算機です。
データの入力 (対象者 × 評価者)
| 対象 | 評価者 1 | 評価者 2 | 操作 |
|---|---|---|---|
| 1 | |||
| 2 | |||
| 3 |
計算結果
ICC（級内相関係数）とは？データの一致度を測る物差し
医療、心理学、スポーツ科学などの研究分野において、複数の評価者が同じ対象を測定した際、その結果がどれくらい一致しているかを評価することは極めて重要です。この「一致度」や「信頼性」を数値化したものがICC（級内相関係数：Intraclass Correlation Coefficient）です。
通常の相関係数（ピアソンの積率相関係数）が2つの変数間の相関を見るのに対し、ICCは「グループ内のばらつき」と「グループ間のばらつき」を比較することで、測定の安定性を評価します。
1. ICCのモデル選択：どのICCを使えばいい？
ICCには、研究デザインに応じて「一元配置」「二元配置（ランダム/混合）」などのモデルがあり、算出される値の意味が異なります。
ICC(1,1) / ICC(1,k)
一元配置モデル： 各対象者を異なる評価者がランダムに評価する場合。評価者の特定が不要なケース。
ICC(2,1) / ICC(2,k)
二元配置変量モデル： 全ての対象者を同じ特定の評価者が評価し、その評価者を「一般的な評価者の代表」とみなす場合。検者間信頼性に最も多用されます。
ICC(3,1) / ICC(3,k)
二元配置変量モデル： 評価者を固定として扱う場合。特定の評価者間での一致度を知りたい時に使用します。
2. ICCスコアの解釈基準
算出されたICC値（0〜1）は、一般的に以下の基準で解釈されます（Landis & Koch or Cicchetti等の基準）。
| ICC値 | 信頼性の解釈 |
|---|---|
| 0.75 以上 | 非常に良好 (Excellent) |
| 0.60 ～ 0.74 | 良好 (Good) |
| 0.40 ～ 0.59 | まずまず (Fair) |
| 0.40 未満 | 不十分 (Poor) |
3. ICCを計算するメリット
- 測定器具の精度確認： 新しい測定器が従来のものと同じ結果を出すか検証できます。
- 評価者のスキル判定： 研修前後で評価が一致するようになったか、検者間のズレを数値化できます。
- 研究の妥当性向上： 信頼性の高いデータを用いた研究であることを客観的に証明できます。
よくある質問（FAQ）
Q：(1,1)と(1,k)の違いは何ですか？
A：末尾が「1」は単一の測定値の信頼性を、「k」は複数回の測定平均値の信頼性を表します。通常、臨床現場で1回の測定を前提とするなら「1」の方を使用します。
Q：マイナスの値が出ることがありますか？
A：理論上、ICCは0から1の間ですが、群内のばらつきが群間のばらつきを大きく上回る極端なケースで計算上マイナスになることがあります。その場合は「信頼性なし」と判断します。
Q：データ数はいくつ必要ですか？
A：統計的な安定性を得るためには、少なくとも30件以上のサンプルが望ましいとされていますが、予備調査などでは10〜20件程度で行われることもあります。
まとめ：信頼できるデータのために
ICCは一見難解な統計指標ですが、その背後にある「どれだけ安定して測れているか」という問いは、あらゆる科学的アプローチの原点です。この計算機を活用して、あなたの持っているデータの「質」を冷静に見極めてみましょう。