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

三因子變異數分析 (Three Way ANOVA)

圖片
套路 24: 三因子變異數分析 (Three Way ANOVA) 應用三因子變異數分析的資料有三影響因子 ，就是有三個自變項 。此檢定有七組 H 0 和 H A 。 H 0 : m 因子 1-1 = m 因子 1-2 = … = m 因子 1-m ， H A : 至少有一組平均值不同。 H 0 : m 因子 2-1 = m 因子 2-2 = … = m 因子 2-n ， H A : 至少有一組平均值不同。 H 0 : m 因子 3-1 = m 因子 3-2 = … = m 因子 3-o ， H A : 至少有一組平均值不同。 H 0 : 因子 1 與因子 2 互不影響 ， H A : 因子 1 與因子 2 互相影響。 H 0 : 因子 1 與因子 3 互不影響 ， H A : 因子 1 與因子 3 互相影響。 H 0 : 因子 2 與因子 3 互不影響 ， H A : 因子 2 與因子 3 互相影響。 H 0 : 因子 1 、 因子 2 與因子 3 互不影響 ， H A : 因子 1 、 因子 2 與因子 3 互相影響。 1. 使用時機 : 變異數分析適用連續資料之差異分析，若自變項有 3 個，就是三因子變異數分析。 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. 假設前提 : 每組資料 (observations within each cell) 都是常態分布 (normally distributed) 且具相同變異數 (equal variances) 。 4. 範例資料 : 咪路研究溫度對孔雀魚 ( Poecilia reticulata ) 、寶蓮燈魚 ( Paracheirodon axelrodi ) 及斑馬魚 ( Danio rerio ) 生長的影響。在 20 ° C 、 24 ° C 及 28 ° C 培養下，三種魚身長變化 (cm) 資料如下： 孔雀魚 ( Poecilia reticulata ) 20 ° C 24 ° C ...
閱讀完整內容

比較二或多組變異數Levene’s 檢定 (Levene’s Test for Comparing Two or More Variances)

圖片
套路 27: 比較二或多組變異數 Levene’s 檢定   (Levene’s Test for Comparing Two or More Variances) 什麼是比較多組獨立樣本變異數檢定 ? 說白了就是多組分別獨立取樣的資料做比較的假設檢定。 ** 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。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 : s 1 2 = s 2 2 = … = s k 2 ， H A : 至少有一組變異數不同 ， 是檢定多組資料的變異數是否相同。假設相等時為雙尾 (two-tailed test) 檢定。 1. 使用時機 : 用於比較觀測到的兩組或多組變異數 (variances) 。 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. 前提假設 : 資料偏離常態分布 (normal distribution) 仍可用。 4. 資料範例 1 ， 兩組變異數 : 咪路調查高一和大一學生體重 (kg) ， 資料如下 : 高一 41 35 33 36 40 46 31 37 34 30 38 大一 52 57 62 55 64 57 56 55 60 59 請問高一和大一學生體重變異數是否相同 ? H 0 : σ 2 1 = σ 2 2 ， H A : σ 2 1 ≠ σ 2 2 。 第一步 : 輸入建立資料 ， 用小 c 將資料放入名稱為 h1 及...
閱讀完整內容