如何利用变异数成份估计一致性相关系数-台北医学大学生物统计研究.PDF

如何利用變異數成份估計 一致性相關係數 蔡秒玉 彰化師範大學統計資訊所副教授/ 一致性相關係數的定義 在生物醫學研究中，若有一個新的測量方法要 與黃金標準或是早期慣用的測 量 方法進行比較時，我們希望新的方法與黃金測量或是早期慣用的 方法兩者之間 具有相當程度的一致性(agreement) ，這樣才能證明新的測量 法具有一定的準確 性。若針對類別型資料 (categorical data) ，最廣為大家接受的是kappa 統計量，其 中 Cohen’s kappa及 weighted kappa 分別是使用在二元(binary data)及有序的判讀 資料 (ordinal data)上(Cohen, 1960; 1968) 。當判讀結果為連續型資料時 ，組內相關 係數(Intraclass correlation coefficient; ICC)則是常用來評估家庭或集群判讀資料 組內的相關性大小，亦即用來反映連續資料上的一致性(Bartko, 1966; Shrout and Fleiss, 1979) ；另一個針對連續型資料，可用來估計兩種判讀方法或儀器的一致 性指標為一致性相關係數(concordance correlation coefficient; CCC) ，其為測量任 兩對判讀資料相距於經原點的45度線的變異(variation of the linear relationship between each pair of data from the 45 line through the origin) (Lin, 1989) 。此一致 性相關係數有兩方面的優點，其第一項優點為可以評估每一筆判讀資料離所配適 的迴歸線多遠，此即代表精確度 (precision) ，另一項優點為評估所配適的迴歸線 離經原點的45度線多遠，此即代表準確度(accuracy) (King and Chinchilli, 2001) 。 本文章主要是針對一致性相關係數的估計進行探討。 Y Y 根據 Lin (1989)提出針對兩個連續型變數 和 的 一致性相關係數定義如 1 2 下: 2 E [(Y Y ) ] 2 c 1 2 1 2  2 2 12 2 , E [(Y Y ) |Y and Y are uncorrelated]   (  ) 1 2 1 2 1 2 1  2 其中 E (Y ) ， E (Y ) ，2 Var(Y ) ，2 Var(Y ) ， Cov(Y ,Y ) 。由 1 1 2 2 1 1 2 2 12 1 2 1 此定義可知， 的值域落在－ 1 與1之間，若為－1則表示兩儀器之間 完全不一  c 致 (perfect disagreement) ；為0則表示彼此間互相獨立；為 1則表示兩者之間 完 2 2 全一致(perfect agreement) 。當 與 時， 則相當於皮爾森相關係數