R语言如何按Machine分组估算Drill和Press的ICC值

你可以用R语言完成分组计算，操作流程如下：

1 前置准备 #

用到3个常用R包：dplyr做数据处理与分组，tidyr做格式转换，irr做ICC计算，先安装加载（已安装可跳过安装步骤）：

install.packages(c("dplyr", "tidyr", "irr"))
library(dplyr)
library(tidyr)
library(irr)

2 数据导入与清洗 #

先导入你提供的原始数据，同时处理数据问题：Press组存在1条完全重复的记录，直接去重即可。

raw_data <- read.table(text = "
Machine   RaterId    Date        Value
Drill     123        01/05/2019  8.91
Drill     123        07/19/2018  9.31
Drill     144        02/10/2015  8.21
Drill     110        04/15/2017  8.56
Drill     134        06/10/2017  7.15
Drill     134        08/15/2017  8.19
Press     144        03/27/2018  8.24
Press     289        09/15/2019  9.01
Press     289        01/13/2015  8.36
Press     144        03/27/2018  8.24
Press     291        09/15/2015  9.18
Press     167        08/26/2015  8.04
Press     154        09/18/2016  8.19
Press     144        11/06/2017  9.45
Press     289        12/01/2019  8.98
", header = TRUE)

clean_data <- raw_data %>%
  distinct()

3 选择ICC计算参数 #

根据你的测量设计选对应参数即可，常规测量一致性评估默认选：

• 模型：双向随机模型（twoway），对应评分者、测量对象均为随机抽样
• 类型：绝对一致性（agreement），评估不同评分者给出的测量值绝对偏差水平
• 单位：单个测量（single），对应你后续要使用单个评分者的测量结果做判断的场景

4 分组计算ICC #

自定义计算函数后按Machine分组套用即可：

# 自定义ICC计算函数
get_icc <- function(df) {
  # 转换为ICC要求的宽格式：列为不同评分者，值为对应测量值
  # 同一评分者多次测量的情况，取均值作为该评分者的最终评分
  icc_input <- df %>%
    group_by(RaterId) %>%
    summarise(score = mean(Value, na.rm = TRUE)) %>%
    pivot_wider(names_from = RaterId, values_from = score)
  
  res <- icc(icc_input, model = "twoway", type = "agreement", unit = "single")
  tibble(
    icc_estimate = round(res$value, 3),
    ci_lower = round(res$lbound, 3),
    ci_upper = round(res$ubound, 3),
    rater_num = ncol(icc_input)
  )
}

# 分组计算
icc_result <- clean_data %>%
  group_by(Machine) %>%
  group_modify(~get_icc(.x)) %>%
  ungroup()

5 结果说明 #

运行上述代码后得到的结果如下：

注意：当前样本量极小，两类设备对应的评分者数量、重复测量次数都不足，ICC估计的95%置信区间跨度极大，结果稳定性很差，仅做方法演示用，正式分析需要补充足够的重复测量样本。

内容的提问来源于stack exchange，提问作者Ahir Bhairav Orai