相关性分析
组内相关系数
把同一批对象上的多列定量分看成可互换的评分者或重复次数，用对象间方差占总方差的比例读一致性。
这篇能回答什么
组内相关系数（ICC）问的是：「几名评分者（或几次重复）给同一批对象打的定量分，有多少变异来自对象本身，而不是来自评分者或误差」。它把总方差拆成对象间与误差（必要时再拆评分者主效应），得到 0 到 1 附近的比例：越接近 1，对象排序越稳、分数越像在测同一件事。列在这里是可互换的重复，不是两门不同的课。
这和 Pearson 相关性分析 不是同一个问题。Pearson 把两列当成两种构念，用标准化协方差得到一个 r；给其中一列整体加 10 分，r 几乎不动。绝对一致的 ICC 会把这 10 分算进误差——系统偏高的阅卷人会压低系数。教学表用语文、数学、英语三列练「三名阅卷人」的覆盖：仅单评 58 人（18.24%），双评重叠 76 人（23.9%），三评齐备 184 人（57.86%），对象合计 318。投稿应换成同一量表的多名评分者。
什么时候不该用
两列是不同科目或不同构念，要的是共变强度，用 Pearson 或秩相关。两名评分者打的是阴阳性、等级标签，用 kappa一致性检验。只要平均差是否为 0，用 配对样本 t 检验。要校准斜率是否接近 1，用 Deming回归。量表内部多题是否同向，用 信度分析 的 Cronbach α，不要把 α 改口叫 ICC。
如何选择方法
先问列是不是「同一件事的重复」。是 → 选 ICC，并事先写清：随机还是固定评分者、要一致性还是绝对一致、报单个评分者还是 k 个评分者的均值。不是重复、只是两门成绩一起涨 → Pearson。标签重合 → Kappa。还没决定该走哪条相关路径 → 相关分析自动求解 只会把变量对送进路由仓，不会替你算出 ICC。
组内相关系数：2–10 列定量重复；输出评分者覆盖仓与一致性阅读。
Pearson r：两列不同构念的线性共变，对平移不敏感。
Kappa：定类判定的超出随机重合，不吃连续分。
Cronbach α：多题内部一致性，评分者不是题目。
输入、输出与限制
输入
宽表：一行一个对象，每一列是一名评分者或一次重复的定量分。教学练习勾选语文成绩、数学成绩、英语成绩，假装它们是三名阅卷人。学号、班级不要进评分者格。
评分者 / 重复列：最少 2 个，最多 10 个定量列。
对象：按行对齐；缺一列分的行会掉进单评或双评仓。
输出
评分者覆盖仓：单评 58、双评 76、三评齐备 184，合计 318。图把三个仓画成带区间的对照。本页不打印 F，也不把图上的点估计写成某种 ICC(2,1)。
产品限制
真正能进「三名评分者」方差分解的，是齐备仓的 184 人，不是合计 318。
类别 A/B/C 是覆盖档，不是年级，也不是低/中/高分。
语文对数学对英语只是操作练习，不能写成三名医生的评分者信度。
表里没有模型标签时，不要补写「采用双向随机、绝对一致」。
编号列会被拒绝；一列满分、一列等级文字，不能混进同一套重复。
案例
研究问题。 定量成绩表同时有语文、数学、英语三列连续分。教学上把它们当作三名阅卷人对「同一份综合能力」的重复给分，先数清有多少学生被 1 人、2 人、3 人都打过，再决定 ICC 该用哪一部分对象。真实论文必须换成同一量表、同一批影像的多名评分者。
工作表为「Sheet1」。评分者列勾选语文、数学、英语。对象合计 318：单评 58（18.24%），双评 76（23.9%），三评齐备 184（57.86%）。齐备仓超过一半，双评仓大约四分之一，单评仓不到两成。下载后按同样三列复现覆盖人数。
在 StatsX 中操作
步骤 1 · 拖入成绩表
把定量成绩 xlsx 放进工作台，确认工作表是「Sheet1」。单文件不超过 20 MB。
步骤 2 · 挑三列同一量纲的连续分
画像里语文、数学、英语应为定量。教学把它们当阅卷人；实验室数据应换成评分者甲 / 乙 / 丙。
步骤 3 · 搜索组内相关
目录输入 ICC 或「组内」。不要点成 Pearson——后者不会按评分者覆盖分仓。
步骤 4 · 三列都放进评分者角色
评分者 / 重复勾选语文、数学、英语（2–10 列）。不要只勾两列却去解释三评齐备仓。运行分析。
步骤 5 · 先对覆盖人数
合计应对 318。单评约 58、双评约 76、齐备约 184。齐备仓才是三列都有分的对象。不要在表里找 F。
如何阅读输出
下表清点 318 名对象被几名「阅卷人」打过。单评 58（18.24%），双评 76（23.9%），三评齐备 184（57.86%）。工作台类别 A/B/C 按这个顺序对应。齐备仓厚，只说明三列同时非缺失的人多，不能写成「评分者信度已经高」。
| 评分者覆盖 | 对象数 | 占比(%) |
|---|---|---|
| 仅 1 名评分者给出分数 | 58 | 18.24 |
| 恰好 2 名评分者重叠 | 76 | 23.9 |
| 3 名评分者齐备 | 184 | 57.86 |
| 合计（对象） | 318 | 100 |
工作台类别 A/B/C 对应单评、双评重叠、三评齐备。表里只有对象数与占比，没有 F。
阅读顺序：对象合计 318 → 齐备仓 184 够不够做三评分者分解 → 单评 58 只能描述、不能假装也被三人都打过 → 再谈一致性。Pearson 专页上语文×数学 r=0.094 那种「几乎无相关」说的是两门课，拿来当 ICC 会答错题：ICC 要的是同一能力被重复测量。图上的区间若跨过 0，也只是对照条的位置，本页没有给出 F，就不要写「评分者效应显著」。实验室数据上，齐备仓太薄时应先补评分，而不是改用两列 Pearson 交差。
理论与公式
设对象 i 的真分数随机效应为 p_i，第 j 次重复的误差为 e_{ij}。最简单的单因素随机模型把观察写成 x_{ij}=μ+p_i+e_{ij}。组内相关是对象方差占总方差的份额：
双向模型再拆评分者主效应。一致性 ICC 把评分者方差留在分母之外（只关心排序）；绝对一致 ICC 把评分者方差加进分母（系统偏高也算不一致）。McGraw 与 Wong 用 ICC(1)、ICC(A,1)、ICC(C,k) 等标签区分。估计时常用均方，但本页占用表没有给出均方，也就没有可引用的 F。覆盖仓只回答「这名对象被几列打过」：三评齐备才同时进入上面的 σ_p² 与 σ_e²。
注意事项
三门成绩不是三名医生，结论不能写成评分者信度合格。
ICC 的分母对象是齐备仓 184，不要用 318 去对 SPSS 列表删除后的 n。
给一名阅卷人整体加分，Pearson r 几乎不动，绝对一致 ICC 会下降。
表里没有 F，不要手写「评分者效应显著」或某一种 ICC 型号。
Kappa 对的是类别重合，连续分不要改口叫加权 Kappa 交差。
α 高只说明题目同向，回答不了「两名阅卷人打得是否一样」。
常见问题
参考文献
Shrout, P. E., & Fleiss, J. L. Intraclass correlations: uses in assessing rater reliability[J]. Psychological Bulletin, 1979, 86(2): 420–428.
McGraw, K. O., & Wong, S. P. Forming inferences about some intraclass correlation coefficients[J]. Psychological Methods, 1996, 1(1): 30–46.
Koo, T. K., & Li, M. Y. A guideline of selecting and reporting intraclass correlation coefficients for reliability research[J]. Journal of Chiropractic Medicine, 2016, 15(2): 155–163.
张文彤, 董伟. SPSS统计分析高级教程[M]. 高等教育出版社.