组内一致性(rwg/ICC)

所属分类：问卷分析

这个方法是做什么的

多层研究里常把个体的评分“聚合”成团队、班级或门店层面的变量，例如用团队成员对团队氛围打分的平均值代表这个团队的氛围。聚合之前要回答两个问题：同一团队的成员评价得够不够一致？不同团队之间是否真的存在差异、团队均值是否可靠？本模块用两类指标分别回答。

rwg(J) 衡量组内一致性：把团队内部观测到的评分方差，与“成员毫无一致性、随机作答”时的期望方差（零分布方差）比较，越接近 1 越一致；放入多个题项时按 James、Demaree 与 Wolf 提出的多题项公式合并。观测方差不小于零分布方差时记为 0，并统计这类团队的个数。ICC(1) 与 ICC(2) 来自以团队为因子的单因素方差分析：ICC(1) 是个体评分中由团队归属解释的方差比例，ICC(2) 是团队均值的信度。报告同时给出 F 检验与置信区间、各团队的 rwg(J) 明细和分布图。

需要准备什么数据

• 放入测量题项 [定量]：至少 1 个，定量变量（数值）
• 放入分组变量 [定类]：1 个，定类变量（分组/标签）

数据要求

• 数据表至少 6 行。
• 单列缺失率不超过 50%。
• 「放入分组变量 [定类]」的类别数需在 2~2000 之间。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 打算把个体问卷得分平均成团队层变量，需要报告聚合依据
• 想知道哪些团队内部意见分歧明显
• 设计多层研究时评估每个团队需要调查多少人

数据为长格式：每行一个人，分组变量标识所属团队，题项为同一构念的李克特评分。每个团队至少 2 人，只有 1 人的团队会被剔除并在第一张卡列出。“量表点数 A”要填题项的选项个数（5 点量表填 5），它决定零分布方差；题项取值跨度超过量表点数时，模块会提示检查设置。第五张卡把三条惯例标准逐条判定，并给出能否聚合的综合判断与可直接引用的表述。

什么时候不要用它

• 评分者对同一批对象打分、想看评分者之间是否一致（例如几位专家给同一组作品打分）：那是评分者信度问题，数据是“对象 × 评分者”的宽格式，用「组内相关系数(ICC)」；分类评定用「Kappa一致性检验」，排序评定用「Kendall一致性检验」。
• 只想看同一量表各题之间是否一致：那是内部一致性信度，用「信度分析」。
• 你关心的是团队之间均值差异是否显著本身，而不打算聚合：直接用「单因素方差分析」；要同时控制个体层协变量、保留个体层数据，用「混合模型」。
• 团队数很少（只有三五个）：ICC 的估计极不稳定，置信区间会非常宽。此时更适合把团队当作固定分组，用「单因素方差分析」比较各团队。

容易误读的地方

• 零分布的选择会明显改变 rwg。 均匀分布假定“无一致性时每个选项被选中的机会相同”，但现实作答常带有宽大倾向（普遍偏向高分），此时用均匀分布会高估一致性。可以把零分布换成轻度或中度偏态做敏感性分析，两个结果都报告。偏态零分布的方差常数只对 5 点量表有公开取值，其他点数的量表只能用均匀分布。
• 0.70 是惯例，不是检验。 rwg(J) ≥ 0.70、ICC(1) 大于 0.05、ICC(2) ≥ 0.70 都来自文献约定，报告中均如实标为惯例界值。尤其 ICC(2) 受团队规模影响很大：每个团队人数少时，即便团队间差异真实存在，ICC(2) 也会偏低。
• rwg 与 ICC 回答的问题不同，不能互相替代。 rwg 只看团队内部是否一致：各团队内部评分高度一致、而团队之间几乎没有差别时，rwg 很高而 ICC(1) 接近 0，此时聚合出来的团队变量没有区分度。两类指标都要报。
• 题项越多，rwg(J) 越容易偏高。 多题项公式会随题项数放大一致性，题项很多的量表即使单题一致性一般，rwg(J) 也可能超过 0.70。报告时写明题项数。
• 缺失作答会悄悄改变团队规模。 任一题项缺失的成员整行被剔除，原本 3 人的团队可能只剩 2 人，组内方差由两个人决定，rwg 很不稳定。第一张卡给出了剔除的记录数和团队规模范围，规模过小的团队应在解读时单独说明。
• 团队规模不等时 ICC 用的是平均规模。 报告以 N/G 作为每组人数代入，同时给出不等规模校正的 k₀ 口径作对照；两者差别大说明各团队人数很不均衡，解读 ICC(2) 时要格外谨慎。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：组内一致性与组内相关汇总
3. 输出结果三：rwg(J) 分布图
4. 输出结果四：效应量与置信区间
5. 输出结果五：结论与学术表述