Cómo calcular el coeficiente de correlación intraclase en Python

Actualizado el 17 de julio de 2024, por Luis Benites.

Se utiliza un coeficiente de correlación intraclase (ICC) para determinar si los elementos o sujetos pueden ser calificados de manera confiable por diferentes evaluadores.

El valor de un ICC puede variar de 0 a 1, donde 0 indica que no hay confiabilidad entre los evaluadores y 1 indica una confiabilidad perfecta.

La forma más fácil de calcular ICC en Python es usar la función pingouin.intraclass_corr () del paquete estadístico pingouin , que usa la siguiente sintaxis:

pingouin.intraclass_corr (datos, objetivos, evaluadores, calificaciones)

dónde:

• datos: el nombre del marco de datos
• objetivos: nombre de la columna que contiene los «objetivos» (las cosas que se califican)
• evaluadores: nombre de la columna que contiene a los evaluadores
• calificaciones: nombre de la columna que contiene las calificaciones

Este tutorial proporciona un ejemplo de cómo utilizar esta función en la práctica.

Paso 1: instala Pingouin

Primero, debemos instalar Pingouin:

pip instalar pingouin

Paso 2: crear los datos

Suponga que se les pide a cuatro jueces diferentes que califiquen la calidad de seis exámenes de ingreso a la universidad diferentes. Podemos crear el siguiente marco de datos para mantener las calificaciones de los jueces:

importar pandas como pd

#create DataFrame
 df = pd. DataFrame ({' examen ': [1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6,
                            1, 2, 3, 4, 5, 6, 1, 2, 3, 4, 5, 6],
                   ' juez ': ['A', 'A', 'A', 'A', 'A', 'A',
                             'B', 'B', 'B', 'B', 'B', 'B',
                             'C', 'C', 'C', 'C', 'C', 'C',
                             'D', 'D', 'D', 'D', 'D', 'D'],
                   ' calificación ': [1, 1, 3, 6, 6, 7, 2, 3, 8, 4, 5, 5,
                              0, 4, 1, 5, 5, 6, 1, 2, 3, 3, 6, 4]})

#ver las primeras cinco filas de DataFrame
 df. cabeza ()

	calificación del juez de examen
0 1 A 1
1 2 A 1
2 3 A 3
3 4 A 6
4 5 A 6

Paso 3: Calcule el coeficiente de correlación intraclase

A continuación, usaremos el siguiente código para calcular el coeficiente de correlación intraclase:

importar pingouin como pg

icc = pág. intraclass_corr (datos = gl, objetivos = ' examen ', calificadores = ' juez ', calificaciones = ' calificación ')

icc. set_index (' Tipo ')

        Descripción ICC F df1 df2 pval CI95%
Tipo							
ICC1 Evaluadores individuales absolutos 0.505252 5.084916 5 18 0.004430 [0.11, 0.89]
Evaluadores aleatorios únicos ICC2 0.503054 4.909385 5 15 0.007352 [0.1, 0.89]
ICC3 Evaluadores fijos simples 0.494272 4.909385 5 15 0.007352 [0.09, 0.88]
ICC1k Promedio de evaluadores absoluto 0.803340 5.084916 5 18 0.004430 [0.33, 0.97]
ICC2k Promedio de evaluadores aleatorios 0.801947 4.909385 5 15 0.007352 [0.31, 0.97]
ICC3k Promedio de evaluadores fijos 0,796309 4,909385 5 15 0,007352 [0,27, 0,97]

Esta función devuelve los siguientes resultados:

• Descripción: el tipo de ICC calculado
• ICC: el coeficiente de correlación intraclase (ICC)
• F: el valor F del ICC
• df1, df2: los grados de libertad asociados con el valor F
• pval: el valor p asociado con el valor F
• IC95%: el intervalo de confianza del 95% para el ICC

Observe que aquí se calculan seis ICC diferentes. Esto se debe a que hay varias formas de calcular el ICC según los siguientes supuestos:

• Modelo: efectos aleatorios unidireccionales, efectos aleatorios bidireccionales o efectos mixtos bidireccionales
• Tipo de relación: consistencia o acuerdo absoluto
• Unidad: calificador único o la media de calificadores

Para obtener una explicación detallada de estos supuestos, consulte este artículo .

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/