一致性相關係數(concordance correlation coefficient; CCC)

套路39: 一致性相關係數(concordance correlation coefficient; CCC)

1. 使用時機: 一致性相關係數是一個統計量(statistic)，針對連續型資料，用來估計兩種判讀方法或儀器的一致性的指標。
2. 分析類型: 母數分析(parametric analysis)。直接使用資料數值算統計叫parametric方法，把資料排序之後用排序的名次算統計叫non-parametric方法。
3. 範例資料: 咪路評估兩台分析儀的一致性，讀值資料如下：
組別
1
2
3
4
5
6
7
8
9
10
11
分析儀1
0.22
0.26
0.30
0.33
0.36
0.39
0.41
0.44
0.47
0.51
0.55
分析儀2
0.21
0.23
0.27
0.27
0.31
0.33
0.37
0.38
0.40
0.43
0.47
4. 使用R計算組內相關係數，方法一:
第一步: 安裝DescTools程式套件。
第二步: 呼叫DescTools程式套件備用。
  library(DescTools)
第三步: 輸入建立資料。
  Sp1 <- c(0.22, 0.26, 0.30, 0.33, 0.36, 0.39, 0.41, 0.44, 0.47, 0.51, 0.55)
  Sp2 <- c(0.21, 0.23, 0.27, 0.27, 0.31, 0.33, 0.37, 0.38, 0.40, 0.43, 0.47)
第四步: 閱讀DescTools程式套件中CCC函數的使用說明。
  help(CCC)
第五步: 使用DescTools程式套件的CCC函數代入Sp1及Sp2計算組內相關係數及p值。
  CCC(Sp1, Sp2, ci = "z-transform", conf.level = 0.95)
第六步: 判讀計算結果。
  $rho.c
        est    lwr.ci    upr.ci
1 0.8337058 0.6470369 0.9260831
  # 一致性相關係數rc = 0.8337058。
  # 沒有提供p值。
  # ci: 信賴區間(confidence interval)。
5. 使用R計算組內相關係數，方法二:
第一步: 安裝epiR程式套件。
第二步: 呼叫epiR程式套件備用。
  library(epiR)
第三步: 輸入建立資料。
  Sp1 <- c(0.22, 0.26, 0.30, 0.33, 0.36, 0.39, 0.41, 0.44, 0.47, 0.51, 0.55)
  Sp2 <- c(0.21, 0.23, 0.27, 0.27, 0.31, 0.33, 0.37, 0.38, 0.40, 0.43, 0.47)
第四步: 閱讀epiR程式套件中epi.ccc函數的使用說明。
  help(epi.ccc)
第五步: 使用epiR程式套件中epi.ccc函數代入Sp1及Sp2計算組內相關係數及p值。
  epi.ccc(Sp1, Sp2, ci = "z-transform", conf.level = 0.95, rep.measure = FALSE)
第六步: 判讀計算結果。
  $rho.c
        est     lower     upper
1 0.8337058 0.6470369 0.9260831
$s.shift
[1] 0.809665
$l.shift
[1] -0.5826083
$C.b
[1] 0.8388642
# 一致性相關係數rc = 0.8337058。
# 沒有提供p值。
6. 使用R計算組內相關係數，方法三:
第一步: 安裝cccrm程式套件。
第二步: 呼叫cccrm程式套件備用。
  library(cccrm)
第三步: 輸入建立資料。
dat <- read.table(header = T, text = "
Va ID Sp
0.22 1 1
0.26 2 1
0.3 3 1
0.33 4 1
0.36 5 1
0.39 6 1
0.41 7 1
0.44 8 1
0.47 9 1
0.51 10 1
0.55 11 1
0.21 1 2
0.23 2 2
0.27 3 2
0.27 4 2
0.31 5 2
0.33 6 2
0.37 7 2
0.38 8 2
0.40 9 2
0.43 10 2
0.47 11 2")
  # ID: 樣本編號，Sp: 儀器編號，Va: 儀器讀值
第四步: 閱讀cccrm程式套件的cccvc函數的使用說明。
  help(cccvc)
第五步: 使用cccrm程式套件的cccvc函數代入dat資料計算結果儲存到變數estccc。
  estccc <- cccvc(dat,"Va","ID","Sp")
  # 變數名稱estccc為使用者自定
第六步: 判讀計算結果。
estccc
  CCC estimated by variance components:
  CCC  LL CI 95%  UL CI 95%   SE CCC
0.84650264 0.65565247 0.93568549 0.06630915
  # 一致性相關係數rc = 0.84650264。
  # 沒有提供p值。
第七步: 使用基本模組(base)的summary函數顯示回歸數據。
  summary(estccc)
Linear mixed-effects model fit by REML
 Data: dades
        AIC       BIC   logLik
  -53.89028 -49.90735 30.94514
Random effects:
 Formula: ~1 | ind
        (Intercept)  Residual
StdDev:  0.09299551 0.0157538
Fixed effects: list(form)
                 Value   Std.Error DF   t-value p-value
(Intercept)  0.3854545 0.028438685 10 13.553881       0
met2        -0.0518182 0.006717444 10 -7.713973       0
 Correlation:
          (Intr)
met2 -0.118
Standardized Within-Group Residuals:
   Min        Q1        Med        Q3         Max
-1.45703306 -0.46891698 -0.02204018  0.54282347  1.19744868
Number of Observations: 22
Number of Groups: 11
CCC estimated by variance compoments
  CCC  LL CI 95%  UL CI 95%   SE CCC
0.84650264 0.65565247 0.93568549 0.06630915

來勁了嗎? 想知道更多?? 補充資料(連結):
1. 關於correlation coefficient (https://en.wikipedia.org/wiki/Correlation_coefficient)
2. 一致性相關係數計算公式 (https://en.wikipedia.org/wiki/Concordance_correlation_coefficient)
3. 關於R基礎，R繪圖及統計快速入門:
   a. R Tutorial: https://www.tutorialspoint.com/r/index.htm
   b. Cookbook for R: http://www.cookbook-r.com/
   c. Quick-R: https://www.statmethods.net/
   d. Statistical tools for high-throughput data analysis (STHDA): http://www.sthda.com/english/
e. The Handbook of Biological Statistics: http://www.biostathandbook.com/
f. An R Companion for the Handbook of Biological Statistics: http://rcompanion.org/rcompanion/index.html
4. Zar, JH. 2010. Biostatistical Analysis, Fifth Edition, Pearson.

留言

張貼留言

這個網誌中的熱門文章

統計不球人 目錄 (Table of Contents)

用 R 做生醫資料科學   (Biomedical Data Science using R) 如何選擇統計方法 1 如何選擇統計方法  2 ***************************   第一段 : 起手式   ****************************** 套路 0: 安裝 R 不球人 套路 1: R 算統計不球人 ， 使用 R 函數 套路 2: 使用 ggplot2 繪圖 (Graphics using ggplot2) 套路 3: 敘述性統計 (Descriptive Statistics) 套路 4: 如何檢查資料是否接近常態分布 (Check Normality using R) 套路 5: 機率分布 (Probability Distributions) ***************************   第二段 : 比較平均值、中數   *************************** 套路 6: 單一樣本 Z 檢定 (One-Sample Z test) 套路 7: 單一樣本 t 檢定 (One-Sample t test) 套路 8: 單一樣本 Wilcoxon signed-rank 檢定 ( One-Sample Wilcoxon signed-rank test ， non-parametric ) 套路 9: 單一樣本符號檢定 (One Sample Sign test) 套路 10: 兩組獨立樣本 Z 檢定 (Two-Sample Z Test) 套路 11: 兩組變異數相同獨立樣本 t 檢定 ( t Test for Two-Samples with Equal Variances) 套路 12: 兩組變異數不同樣本 t 檢定 ( t Test for Two-Samples with Unequal Variances ， Welch Two Sample t test) 套路 13: 成對樣本 t 檢定 (Paired Sample t test) 套路 14: 兩組獨立樣本曼恩 - 惠尼 U 檢定 (...
閱讀完整內容

如何選擇統計方法 1

如何選擇統計方法 1 第一步 : 選擇統計方法可 依照統計方法用途的分類 來選擇統計方法 。 第二步 : 要了解確認統計方法的用途可看他的虛無假設 (Null hypothesis) H 0 。 以下為統計方法用途分類及本站網頁聯結 。 類別 1. 對資料進行基本分析 ， 以了解資料的大概情況 (summary) ， 例如平均值 、 中位數 、 四分位數 、 有無離群值 (outlier) 及是否為常態分布等 … 敘述性統計 (Descriptive Statistics) 如何檢查資料是否接近常態分布 (Normality Test using R) 類別 2. 比較平均值 (mean) 或中位數 (median) 2.1. 單一樣本 ( 與期望值或特定值相比 ) 單一樣本 Z 檢定 (One-Sample Z test) 單一樣本 t 檢定 (One-Sample t test) 單一樣本 Wilcoxon signed-rank 檢定 ( One-Sample Wilcoxon signed-rank test) 單一樣本符號檢定 (One Sample Sign test) 2.2. 兩組獨立樣本 ( 兩組獨立樣本相比 ) 兩組獨立樣本 Z 檢定 (Two-Sample Z Test) 兩組變異數相同樣本 t 檢定 (t Test for Two-Samples with Equal Variances) 兩組變異數不同樣本 t 檢定 (t Test for Two-Samples with Unequal Variances ， Welch Two Sample t-test) 兩組獨立樣本曼恩 - 惠尼 U 檢定 (Two-Sample Mann-Whitney U Test) 比較兩組獨立次序資料 (Two-Sample Test for Ordinal Data) 兩組獨立樣本 Mood's 中位數檢定 (Two-Sample Mood's Median Test) 2.3. 兩組成對樣本 ( 兩組成對樣本相比 ) 成對樣本 t 檢定 (Pai...
閱讀完整內容

單因子多樣本中位數差異檢定 (Kruskal-Wallis test)

圖片
套路 21: 單因子多樣本中位數差異檢定 (Kruskal-Wallis test) 變異數分析適用連續資料之差異分析，若自變項有一個，就是單因子變異數分析。 多樣本中位數差異檢定是對應 單因子變異數分析的無母數分析方法。當數據不符合單因子變異數分析的前提假設 ( 相同變異數，數據為常態分布 ) 時，可選擇 多樣本中位數差異檢定來做為替代分析方法 。 ** 注意 ** ” 比較變異數 ” (comparing variances) 和 ” 變異數分析 ” (analysis of variance) 不同。變異數分析是多組資料比較平均值或中位數。統計假設檢定檢定什麼 ? 看 H 0 。例如多組獨立樣本假設檢定 H 0 : k 組樣本中位數相同， H A : 至少有一組中位數不同 ， 是檢定多組資料的中位數是否相同。假設相等時為雙尾 (two-tailed test) 檢定。 1. 使用時機 : 用於比較多組樣本中位數 (median) 。 2. 分析類型 : 無母數分析 (non-parametric analysis) 。 直接使用資料數值算統計叫 parametric 方法，把資料排序之後用排序的名次算統計叫 non-parametric 方法。 3. 假設前提 : 無。 4. 範例資料 : 咪路調查餵食不同飼料的肉雞體重 (g) ， 資料如下： 飼料 1 飼料 2 飼料 3 飼料 4 61.8 78.8 70.5 60.3 65.1 79.5 72.6 63.8 61.7 76.0 71.7 64.1 63.3 73.4 72.0 61.4 77.3 71.1 60.9 不同飼料是否效果不同 ? H 0 : 餵食不同飼料的肉雞體重 ( 中位數 ) 相同。 H A : 餵食不同飼料的肉雞體重 ...
閱讀完整內容