ThesisICC 组内相关系数计算器（评分者/重测信度）
粘贴各评分者（或前后各次测量）对同一批对象的连续型打分，几秒钟算出六个模型的 ICC、F 检验与信度分档——量表评定和重测信度论文「ICC 用哪个模型、到底多大」是评阅人必问的一项。纯浏览器本地计算、数据不上传，免注册、完全免费。
免注册 · 公测期免费 · 数据留在你的浏览器本地
为什么 ICC 值得自己先算一遍
多位评分者对同一批对象打连续型分数（量表评定、动作评分、影像测量），或同一批对象前后两次测量（重测信度），论文都要报 ICC——交前自己算一遍，比被评阅人问「ICC 用的哪个模型」才回去翻数据从容得多。
按双因素方差分解算出 MSR/MSC/MSE/MSW 后，一次给出 Shrout & Fleiss 的 ICC(1,1)/(2,1)/(3,1)（单次测量）与 ICC(1,k)/(2,k)/(3,k)（平均测量）全部六个模型——与 SPSS「刻度 → 可靠性分析 → ICC」及 R 的 irr::icc 同口径，你按研究设计选用对应模型即可。
F = MSR/MSE 的检验统计量、自由度与精确 p 值，以及 Koo & Li (2016) 的信度分档（<0.5 差、0.5-0.75 中等、0.75-0.9 良好、>0.9 优秀）全部列出，论文可直接给完整结果。
计算在你的浏览器里完成，数据不发送到服务器，不调用 AI，随时可以换一批评分数据重算。
怎么用（3 步）
- 把「对象 × 评分者」的打分矩阵粘贴进输入框：一行 = 一个被评对象，一列 = 一位评分者（或一次测量），Tab/逗号/空格分隔，从 Excel 复制即可；行首可带对象编号；
- 点「计算 ICC」查看六个模型的 ICC、F 检验 p 值与信度分档；
- 按研究设计选对应模型（怎么选见下方 FAQ），把「写进论文」句式一键复制进论文，正式结论建议再用 SPSS 复核一遍。
常见问题
计算用的是什么方法？
对 n 个对象 × k 列打分做双因素方差分解：MSR（对象间均方）、MSC（评分者间均方）、MSE（残差均方）、MSW（组内均方）。ICC(1,1) = (MSR−MSW)/(MSR+(k−1)MSW)；ICC(2,1) = (MSR−MSE)/(MSR+(k−1)MSE+k(MSC−MSE)/n)；ICC(3,1) = (MSR−MSE)/(MSR+(k−1)MSE)；平均测量版本 ICC(1,k) = (MSR−MSW)/MSR、ICC(2,k) = (MSR−MSE)/(MSR+(MSC−MSE)/n)、ICC(3,k) = (MSR−MSE)/MSR。显著性用 F = MSR/MSE，df = (n−1, (n−1)(k−1))，p 由 F 分布精确计算——与 Shrout & Fleiss (1979) 及 SPSS 同口径。
六个模型怎么选？
按两问选：① 评分者怎么来的——每个对象由不同的随机评分者评（单向随机）选模型 1；评分者随机抽样且每人评所有对象（双向随机，结果要推广到其他评分者）选模型 2；就这几位固定评分者（双向混合，只关心这几个人）选模型 3。② 实际使用时用单人打分选「单次测量」(x,1)，用 k 人平均分选「平均测量」(x,k)。重测信度常用 ICC(2,1) 或 ICC(3,1)（绝对一致性口径通常报 ICC(2,1)）。
ICC 多大算可以？
常用 Koo & Li (2016) 分档：<0.5 信度差，0.5-0.75 中等，0.75-0.9 良好，>0.9 优秀。多数量表类论文以 ICC ≥ 0.75 作为评分者一致性可接受的标准；同时要看 p < 0.05（显著大于 0）与置信区间下限，不能只看点估计。
和 Cohen’s kappa、Kendall’s W 什么区别？
kappa 用于两评分者的「分类」结果一致性（如诊断阳性/阴性）；Kendall’s W 用于多位专家「排序/名次」的协调程度；ICC 用于「连续型打分或测量值」的一致性（量表分、角度、时长等）。数据是分类报 kappa、是名次报 W、是连续数值报 ICC——三者本站都有计算器。
两次重测数据怎么填？
一行一个对象，两列分别是第一次和第二次的测量值（k = 2）。结果里 ICC(2,1)（绝对一致性）或 ICC(3,1)（一致性口径）即重测信度，论文里写明所用口径即可。
我的数据会被上传吗？
不会。计算完全在你的浏览器本地完成，任何数据都不发送到服务器，也不调用 AI 服务。
ICC 算好了，研究方法章一站写完
工作台覆盖选题→开题→大纲→分章写作→文献→自查→导出全流程：把信度分析结果挂进对应章节让 AI 严格依据数据成文，不编造数字，全程免注册、免费。
免费打开工作台