评估测量一致性与信度

Assess Measurement Agreement and Reliability · 🟡进阶 · 所属分类：科研数据与生物统计

很多人拿 Pearson 相关或 R² 当一致性证据——两台仪器高度相关却系统性偏一截，照样被说成「吻合」，结论根本站不住；ICC 选错型号、kappa 被患病率带偏也极常见。它帮你按数据类型和设计选对指标，把方法比较和评分者数据算成正确的一致性与信度结论，而不是用相关系数冒充。

适合谁

做临床检验、影像标注、行为学评分的研究者，以及需要做方法学比较或评分者信度的研究生。

给它什么 · 得到什么

• 你提供：配对或多评分者数据（两法/两仪器/重测的连续测量，或多评分者宽表，或名义/有序标签），并说明数据类型、设计和临床可接受界值
• 你得到：一致性/信度报告——连续给 Bland-Altman 图与 Deming/Passing-Bablok 回归，信度给指定型号的 ICC 及 CI，分类给 Cohen/加权/Fleiss kappa（含观测一致率与患病率校正）；均附型号选择说明、样本量和可复现代码

怎么用

先给一句示例提问：「两台血气仪测同一批 60 个样本的乳酸值，帮我判断它们能不能互换，别用相关系数。」 触发后它会画 Bland-Altman、算一致性界限并做 Passing-Bablok 回归，对照你设定的临床可接受界值判读结果，并说清其中的不确定性。

提个醒

相关系数和 R² 不能证明一致性，它会明确区分并禁止拿来冒充；ICC 必声明具体型号、kappa 必同时报观测一致率；影像/临检标注的一致性结果仅供研究与方法评估，不是诊断结论。