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):
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