Actualizado por ultima vez el 25 de febrero de 2022, por Luis Benites.
Correlación intraclase
Correlación intraclase
La correlación intraclase mide la confiabilidad de las calificaciones o mediciones de los conglomerados: datos que se recopilaron como grupos o se clasificaron en grupos. Un término relacionado es correlación entre clases , que suele ser otro nombre para la correlación de Pearson (se pueden usar otras estadísticas, como la kappa de Cohen , pero esto es raro). El de Pearson generalmente se usa para la confiabilidad entre evaluadores cuando solo tiene uno o dos pares significativos de uno o dos evaluadores. Para obtener más información, querrá utilizar el ICC. Como la mayoría de los coeficientes de correlación, el ICC varía de 0 a 1.
- Un alto coeficiente de correlación intraclase (ICC) cercano a 1 indica una gran similitud entre los valores del mismo grupo.
- Un ICC bajo cercano a cero significa que los valores del mismo grupo no son similares.
Esto se ilustra mejor con un ejemplo. En la imagen a continuación, los valores del mismo grupo están agrupados de manera bastante estrecha. Por ejemplo, el grupo 3 (en el eje x) está agrupado entre aproximadamente -1,3 y -0,4 en el eje y. La mayoría de los grupos están agrupados de manera similar, lo que otorga a todo el conjunto un ICC alto de 0,91:
Un diagrama de puntos de un conjunto de datos con alta correlación intraclase. Imagen: skbkekas|Wikimedia Commons.
Compare ese conjunto con el siguiente gráfico de un conjunto de datos con un ICC extremadamente bajo de 0,07. Los valores dentro de los grupos están muy dispersos sin ningún grupo:
Conjunto de datos con un ICC bajo. Imagen: Skbkekas|Wikimedia Commons.
Usos Comunes y Cálculo
El ICC se utiliza para medir una amplia variedad de datos numéricos de conglomerados o grupos, que incluyen:
- Qué tan cerca se parecen los parientes entre sí con respecto a ciertas características o rasgos.
- Reproducibilidad de medidas numéricas realizadas por diferentes personas midiendo lo mismo.
Calcular el ICC a mano es muy complejo, en parte debido a la cantidad de fórmulas ICC para elegir y en parte porque las fórmulas en sí mismas son complejas. La razón principal de toda esta complejidad es que el ICC es muy flexible y se puede ajustar para evaluadores inconsistentes para todos los calificados. Por ejemplo, supongamos que tiene un grupo de 10 evaluadores que califican a 20 evaluados. Si 9 de los calificadores califican a 15 de los calificados y 1 calificador los califica a todos, o si 10 calificadores califican a 2 cada uno, aún puede calcular el ICC.
El cálculo del ICC generalmente se realiza con software, y cada programa tiene su propia terminología y peculiaridades. Por ejemplo, en SPSS, tiene tres opciones diferentes para calcular el ICC.
- Si tiene evaluadores/evaluadores inconsistentes, use «Aleatorio unidireccional».
- Si tiene evaluadores/evaluadores consistentes (por ejemplo, 10 evaluadores cada uno califica a 10 evaluados) y tiene datos de muestra . use “Al azar bidireccional”.
- Si tiene evaluadores/evaluadores consistentes (p. ej., 10 evaluadores cada uno califica a 10 evaluados) y tiene datos de población , use «Aleatorio bidireccional».
