ในทางสถิติค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่มหรือค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม ( ICC ) ^{[ 1 ]}เป็นสถิติเชิงพรรณนา ที่สามารถใช้ได้เมื่อมีการวัดเชิงปริมาณกับหน่วยที่จัดเป็นกลุ่ม โดยจะอธิบายว่าหน่วยในกลุ่มเดียวกันมีความคล้ายคลึงกันมากน้อยเพียงใด แม้ว่าจะถูกมองว่าเป็น สหสัมพันธ์ประเภทหนึ่งแต่แตกต่างจากมาตรวัดสหสัมพันธ์อื่นๆ ส่วนใหญ่ตรงที่มันทำงานกับข้อมูลที่มีโครงสร้างเป็นกลุ่มมากกว่าข้อมูลที่มีโครงสร้างเป็นคู่สังเกต

ค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม (Intraclass correlation)มักใช้ในการวัดระดับความคล้ายคลึงกันระหว่างบุคคลที่มีความสัมพันธ์ทางสายเลือดในระดับคงที่ (เช่น พี่น้องร่วมสายเลือด) ในแง่ของลักษณะเชิงปริมาณ (ดูการถ่ายทอดทางพันธุกรรม ) อีกหนึ่งการประยุกต์ใช้ที่สำคัญคือ การประเมินความสอดคล้องหรือความสามารถในการทำซ้ำของการวัดเชิงปริมาณที่ทำโดยผู้สังเกตการณ์ที่แตกต่างกันซึ่งวัดปริมาณเดียวกัน

งานวิจัยแรกๆ เกี่ยวกับค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม (intraclass correlation) มุ่งเน้นไปที่กรณีของการวัดแบบจับคู่ และสถิติค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม (ICC) ตัวแรกที่ถูกเสนอขึ้นมานั้นเป็นการดัดแปลงมาจากค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างกลุ่ม (Pearson correlation)

พิจารณาชุดข้อมูลที่ประกอบด้วย ค่า ข้อมูลคู่N ค่า ( x _{n ,1} ,  x _{n ,2} ) สำหรับn  = 1, ..., Nค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่มrที่เสนอครั้งแรก^{[ 2 ]}โดยRonald Fisher ^{[ 3 ]}คือ

${\displaystyle r={\frac {1}{Ns^{2}}}\sum _{n=1}^{N}(x_{n,1}-{\bar {x}})(x_{n,2}-{\bar {x}}),}$

ที่ไหน

${\displaystyle {\bar {x}}={\frac {1}{2N}}\sum _{n=1}^{N}(x_{n,1}+x_{n,2}),}$

${\displaystyle s^{2}={\frac {1}{2N}}\left\{\sum _{n=1}^{N}(x_{n,1}-{\bar {x}})^{2}+\sum _{n=1}^{N}(x_{n,2}-{\bar {x}})^{2}\right\}.}$

สถิติเวอร์ชันต่อมา^{[ 3 ]}ใช้องศาอิสระ 2 N  −1 ในตัวส่วนสำหรับการคำนวณs ²และN  −1 ในตัวส่วนสำหรับการคำนวณrดังนั้นs ²จึงไม่มีอคติ และrจะไม่มีอคติหากทราบ s

ความแตกต่างที่สำคัญระหว่างค่า ICC นี้กับค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างกลุ่ม (Pearson)คือ ข้อมูลจะถูกรวมเข้าด้วยกันเพื่อประมาณค่าเฉลี่ยและความแปรปรวน เหตุผลก็คือ ในกรณีที่ต้องการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม ข้อมูลแต่ละคู่จะถือว่าไม่มีลำดับ ตัวอย่างเช่น หากเราศึกษาความคล้ายคลึงกันของฝาแฝด โดยปกติแล้วจะไม่มีวิธีใดที่จะเรียงลำดับค่าของบุคคลทั้งสองในคู่ฝาแฝดได้อย่างมีความหมาย เช่นเดียวกับค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างกลุ่ม ค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่มสำหรับข้อมูลแบบจับคู่จะอยู่ในช่วง  [−1, +1]

ค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่มยังถูกกำหนดสำหรับชุดข้อมูลที่มีกลุ่มที่มีค่ามากกว่า 2 ค่า สำหรับกลุ่มที่ประกอบด้วยค่าสามค่า จะถูกกำหนดเป็น^{[ 3 ]}

${\displaystyle r={\frac {1}{3Ns^{2}}}\sum _{n=1}^{N}\left\{(x_{n,1}-{\bar {x}})(x_{n,2}-{\bar {x}})+(x_{n,1}-{\bar {x}})(x_{n,3}-{\bar {x}})+(x_{n,2}-{\bar {x}})(x_{n,3}-{\bar {x}})\right\},}$

ที่ไหน

${\displaystyle {\bar {x}}={\frac {1}{3N}}\sum _{n=1}^{N}(x_{n,1}+x_{n,2}+x_{n,3}),}$

${\displaystyle s^{2}={\frac {1}{3N}}\left\{\sum _{n=1}^{N}(x_{n,1}-{\bar {x}})^{2}+\sum _{n=1}^{N}(x_{n,2}-{\bar {x}})^{2}+\sum _{n=1}^{N}(x_{n,3}-{\bar {x}})^{2}\right\}.}$

เมื่อจำนวนรายการต่อกลุ่มเพิ่มขึ้น จำนวนพจน์ผลคูณไขว้ในนิพจน์นี้ก็จะเพิ่มขึ้นด้วย รูปแบบที่เทียบเท่าต่อไปนี้คำนวณได้ง่ายกว่า:

${\displaystyle r={\frac {K}{K-1}}\cdot {\frac {N^{-1}\sum _{n=1}^{N}({\bar {x}}_{n}-{\bar {x}})^{2}}{s^{2}}}-{\frac {1}{K-1}},}$

โดยที่Kคือจำนวนค่าข้อมูลต่อกลุ่ม และคือค่าเฉลี่ยตัวอย่างของ^{กลุ่ม}ที่n ^{[ 3 ]}รูปแบบนี้มักจะถูกยกให้เป็นผลงานของHarris [ ^{4 ] เทอม}ด้านซ้ายไม่เป็นลบ ดังนั้นค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่มจะต้องเป็นไปตามเงื่อนไข ${\displaystyle {\bar {x}}_{n}}$

${\displaystyle r\geq {\frac {-1}{K-1}}.}$

สำหรับค่า K ขนาดใหญ่ ค่า ICC นี้เกือบจะเท่ากับ

${\displaystyle {\frac {N^{-1}\sum _{n=1}^{N}({\bar {x}}_{n}-{\bar {x}})^{2}}{s^{2}}},}$

ซึ่งสามารถตีความได้ว่าเป็นสัดส่วนของความแปรปรวนทั้งหมดที่เกิดจากความแปรผันระหว่างกลุ่มโรนัลด์ ฟิชเชอร์อุทิศบทหนึ่งทั้งหมดให้กับความสัมพันธ์ภายในกลุ่มในหนังสือคลาสสิกของเขาStatistical Methods for Research Workers ^{[ 3 ]}

สำหรับข้อมูลจากประชากรที่เป็นเพียงสัญญาณรบกวน สูตรของฟิชเชอร์จะให้ค่า ICC ที่กระจายตัวอยู่รอบ ๆ 0 กล่าวคือบางครั้งอาจเป็นค่าลบ นี่เป็นเพราะฟิชเชอร์ออกแบบสูตรให้ปราศจากอคติ ดังนั้นค่าประมาณที่ได้จึงอาจเป็นการประมาณค่าสูงเกินไปหรือต่ำเกินไปในบางครั้ง สำหรับค่าพื้นฐานในประชากรที่มีขนาดเล็กหรือเป็น 0 ค่า ICC ที่คำนวณจากตัวอย่างอาจเป็นค่าลบได้

นับตั้งแต่โรนัลด์ ฟิชเชอร์ สัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม (Intraclass Correlation: ICC) ถูกพิจารณาภายใต้กรอบการวิเคราะห์ความแปรปรวน (ANOVA) และเมื่อไม่นานมานี้ภายใต้กรอบของแบบจำลองผลกระทบแบบสุ่ม (Random Effects Model: RES) มีการเสนอตัวประมาณค่า ICC หลายตัว โดยตัวประมาณค่าส่วนใหญ่สามารถกำหนดได้ในรูปของแบบจำลองผลกระทบแบบสุ่ม

${\displaystyle Y_{ij}=\mu +\alpha _{j}+\varepsilon _{ij},}$

โดยที่Y _ijคือ การสังเกต ^{ครั้งที่}iใน กลุ่ม ^ที่j , μคือค่าเฉลี่ย โดยรวมที่ไม่สามารถสังเกตได้ , α _jคือผลกระทบสุ่มที่ไม่สามารถสังเกตได้ซึ่งใช้ร่วมกันโดยค่าทั้งหมดในกลุ่มjและε _ijคือเทอมเสียงรบกวนที่ไม่สามารถ สังเกตได้ ^{[ 5 ]}สำหรับแบบจำลองที่จะระบุได้นั้นα _jและε _ijถือว่ามีค่าเฉลี่ยเป็นศูนย์และไม่มีความสัมพันธ์กัน นอกจากนี้α _jยังถือว่ามีการกระจายแบบเดียวกัน และε _ijก็ถือว่ามีการกระจายแบบเดียวกันเช่นกัน ความแปรปรวนของ α _jจะถูกแทนด้วยσ² _αและค่าความแปรปรวนของε _ijจะถูกแทนด้วยσ² _ε.

ประชากร ICC ในกรอบนี้คือ^{[ 6 ]}

${\displaystyle {\frac {\sigma _{\alpha }^{2}}{\sigma _{\alpha }^{2}+\sigma _{\varepsilon }^{2}}}.}$

ภายใต้กรอบแนวคิดนี้ ค่า ICC คือค่าสหสัมพันธ์ระหว่างข้อมูลสองชุดจากกลุ่มเดียวกัน

ข้อดีของกรอบงาน ANOVA นี้คือกลุ่มต่างๆ สามารถมีจำนวนค่าข้อมูลที่แตกต่างกัน ซึ่งจัดการได้ยากหากใช้สถิติ ICC ก่อนหน้านี้ ค่า ICC นี้จะไม่เป็นลบเสมอ ทำให้สามารถตีความได้ว่าเป็นสัดส่วนของความแปรปรวนทั้งหมดที่เป็น "ระหว่างกลุ่ม" ค่า ICC นี้สามารถขยายให้ครอบคลุมผลกระทบของตัวแปรควบคุมได้ ในกรณีนี้ ค่า ICC จะถูกตีความว่าเป็นการจับความคล้ายคลึงกันภายในกลุ่มของค่าข้อมูลที่ปรับตามตัวแปรควบคุมแล้ว^{[ 8 ]}

นิพจน์นี้ไม่สามารถเป็นค่าลบได้ (ต่างจากสูตรดั้งเดิมของฟิชเชอร์) ดังนั้น ในตัวอย่างจากประชากรที่มีค่า ICC เท่ากับ 0 ค่า ICC ในตัวอย่างเหล่านั้นจะสูงกว่าค่า ICC ของประชากร

มีการเสนอสถิติ ICC ที่แตกต่างกันหลายแบบ ซึ่งไม่ได้ประมาณค่าพารามิเตอร์ประชากรเดียวกันทั้งหมด มีการถกเถียงกันอย่างมากว่าสถิติ ICC ใดเหมาะสมสำหรับการใช้งานที่กำหนด เนื่องจากอาจให้ผลลัพธ์ที่แตกต่างกันอย่างมากสำหรับข้อมูลชุดเดียวกัน^{[ 9 ] [ 10 ]}

ในแง่ของรูปแบบทางพีชคณิต ค่า ICC ดั้งเดิมของ Fisher เป็นค่า ICC ที่คล้ายคลึงกับค่าสัมประสิทธิ์สหสัมพันธ์ของ Pearson มากที่สุด ความแตกต่างที่สำคัญอย่างหนึ่งระหว่างสถิติทั้งสองคือ ในค่า ICC ข้อมูลจะถูกปรับค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานโดยใช้ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานรวม ในขณะที่ในค่าสหสัมพันธ์ของ Pearson แต่ละตัวแปรจะถูกปรับค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานโดยใช้ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของตัวเอง การปรับขนาดแบบรวมสำหรับค่า ICC นั้นสมเหตุสมผลเพราะการวัดทั้งหมดมีปริมาณเดียวกัน (แม้ว่าจะอยู่ในหน่วยที่แตกต่างกัน) ตัวอย่างเช่น ในชุดข้อมูลแบบจับคู่ที่แต่ละ "คู่" คือการวัดเพียงครั้งเดียวสำหรับแต่ละหน่วยสองหน่วย (เช่น การชั่งน้ำหนักฝาแฝดแต่ละคนในคู่แฝดเหมือน) แทนที่จะเป็นการวัดสองครั้งที่แตกต่างกันสำหรับหน่วยเดียว (เช่น การวัดส่วนสูงและน้ำหนักของแต่ละบุคคล) ค่า ICC จึงเป็นการวัดความสัมพันธ์ที่เป็นธรรมชาติมากกว่าค่าสหสัมพันธ์ของ Pearson

คุณสมบัติสำคัญอย่างหนึ่งของค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันคือ ค่านี้ไม่เปลี่ยนแปลงเมื่อมีการใช้การแปลงเชิง เส้นที่แตกต่างกัน กับตัวแปรทั้งสองที่นำมาเปรียบเทียบกัน ดังนั้น หากเราหาความสัมพันธ์ระหว่างXและYโดยที่Y  = 2X  + 1 ค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันระหว่างXและYจะเท่ากับ 1 ซึ่งเป็นความสัมพันธ์ที่สมบูรณ์แบบ คุณสมบัตินี้ไม่มีความหมายสำหรับค่า ICC เนื่องจากไม่มีเกณฑ์ในการตัดสินใจว่าจะใช้การแปลงแบบใดกับแต่ละค่าในกลุ่ม อย่างไรก็ตาม หากข้อมูลทั้งหมดในทุกกลุ่มได้รับการแปลงเชิงเส้นแบบเดียวกัน ค่า ICC ก็จะไม่เปลี่ยนแปลง

ICC ใช้เพื่อประเมินความสอดคล้องหรือความสอดคล้องของการวัดที่ทำโดยผู้สังเกตการณ์หลายคนซึ่งวัดปริมาณเดียวกัน^{[ 11 ]} ตัวอย่างเช่น หากแพทย์หลายคนถูกขอให้ให้คะแนนผลการสแกน CT สำหรับสัญญาณของการลุกลามของมะเร็ง เราสามารถถามได้ว่าคะแนนมีความสอดคล้องกันมากน้อยเพียงใด หากทราบความจริง (เช่น หากการสแกน CT ทำกับผู้ป่วยที่ได้รับการผ่าตัดสำรวจในภายหลัง) โดยทั่วไปแล้วจุดสนใจจะอยู่ที่ว่าคะแนนของแพทย์ตรงกับความจริงมากน้อยเพียงใด หากไม่ทราบความจริง เราสามารถพิจารณาได้เฉพาะความคล้ายคลึงกันระหว่างคะแนนเท่านั้น ประเด็นสำคัญของปัญหานี้คือมีความแปรปรวนทั้งระหว่างผู้สังเกตการณ์และภายในผู้สังเกตการณ์ ความแปรปรวนระหว่างผู้สังเกตการณ์หมายถึงความแตกต่างอย่างเป็นระบบระหว่างผู้สังเกตการณ์ เช่น แพทย์คนหนึ่งอาจให้คะแนนผู้ป่วยที่มีความเสี่ยงสูงกว่าแพทย์คนอื่นอย่างสม่ำเสมอ ความแปรปรวนภายในผู้สังเกตการณ์หมายถึงความเบี่ยงเบนของคะแนนของผู้สังเกตการณ์คนใดคนหนึ่งในผู้ป่วยคนใดคนหนึ่งที่ไม่ใช่ส่วนหนึ่งของความแตกต่างอย่างเป็นระบบ

ค่าสัมประสิทธิ์ความสอดคล้องระหว่างผู้สังเกตการณ์ (ICC) ถูกสร้างขึ้นเพื่อใช้กับ การวัด ที่สามารถสลับเปลี่ยนได้กล่าวคือข้อมูลแบบกลุ่มซึ่งไม่มีวิธีใดที่จะจัดลำดับการวัดภายในกลุ่มได้อย่างมีความหมาย ในการประเมินความสอดคล้องระหว่างผู้สังเกตการณ์ หากผู้สังเกตการณ์คนเดียวกันให้คะแนนแต่ละองค์ประกอบที่กำลังศึกษา ความแตกต่างอย่างเป็นระบบระหว่างผู้สังเกตการณ์ก็มีแนวโน้มที่จะเกิดขึ้น ซึ่งขัดแย้งกับแนวคิดเรื่องการสลับเปลี่ยนได้ หากใช้ ICC ในสถานการณ์ที่มีความแตกต่างอย่างเป็นระบบ ผลลัพธ์ที่ได้จะเป็นการ วัดความแปรปรวน แบบผสมผสานทั้งภายในและระหว่างผู้สังเกตการณ์ สถานการณ์หนึ่งที่อาจสันนิษฐานได้ว่าการสลับเปลี่ยนได้นั้นเป็นจริงคือ เมื่อตัวอย่างที่จะให้คะแนน เช่น ตัวอย่างเลือด ถูกแบ่งออกเป็นหลายส่วนย่อย และส่วนย่อยเหล่านั้นถูกวัดแยกกันบนเครื่องมือเดียวกัน ในกรณีนี้ การสลับเปลี่ยนได้จะเป็นจริงตราบใดที่ไม่มีผลกระทบจากลำดับการวัดตัวอย่าง

เนื่องจากสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่มให้ค่าผสมของความแปรปรวนภายในผู้สังเกตการณ์และระหว่างผู้สังเกตการณ์ ผลลัพธ์จึงบางครั้งถือว่าตีความได้ยากเมื่อผู้สังเกตการณ์ไม่สามารถสลับเปลี่ยนกันได้ มาตรการทางเลือก เช่นสถิติแคปปา ของโคเฮน แคปปาของ เฟลส์ และสัมประสิทธิ์สหสัมพันธ์ความสอดคล้อง^{[ 12 ]}ได้รับการเสนอให้เป็นมาตรการที่เหมาะสมกว่าสำหรับความสอดคล้องระหว่างผู้สังเกตการณ์ที่ไม่สามารถสลับเปลี่ยนกันได้

ICC ได้รับการสนับสนุนในแพ็คเกจซอฟต์แวร์โอเพนซอร์สR (โดยใช้ฟังก์ชัน "icc" กับแพ็คเกจpsyหรือirrหรือผ่านฟังก์ชัน "ICC" ในแพ็คเกจ psych ) แพ็คเกจrptR ^{[ 13 ]}มีวิธีการประมาณค่า ICC และความสามารถในการทำซ้ำสำหรับข้อมูลที่มีการกระจายแบบเกาส์เซียน ไบโนเมียล และปัวซงในกรอบงานโมเดลผสม ที่น่าสังเกตคือ แพ็คเกจนี้อนุญาตให้ประมาณค่า ICC ที่ปรับแล้ว (เช่น ควบคุมตัวแปรอื่น ๆ) และคำนวณช่วงความเชื่อมั่นโดยอิงจากบูตสแตรปแบบพาราเมตริกและความสำคัญโดยอิงจากการเรียงสับเปลี่ยนของค่าตกค้าง ซอฟต์แวร์เชิงพาณิชย์ยังรองรับ ICC เช่นStataหรือSPSS ^{[ 14 ]}

โมเดลทั้งสามมีดังนี้:

• ผลกระทบแบบสุ่มทางเดียว: ผู้เข้าร่วมแต่ละคนจะได้รับการวัดโดยกลุ่มผู้ประเมิน k คนที่ถูกเลือกแบบสุ่มแตกต่างกัน
• การสุ่มแบบสองทาง: เลือกผู้ประเมิน k คนแบบสุ่ม จากนั้นผู้ถูกประเมินแต่ละคนจะได้รับการประเมินโดยกลุ่มผู้ประเมิน k คนชุดเดียวกัน
• การประเมินแบบผสมสองทาง: กำหนดผู้ประเมินคงที่ k คน โดยแต่ละบุคคลจะได้รับการประเมินจากผู้ประเมินทั้ง k คน

จำนวนการวัด:

• การวัดแบบเดี่ยว: แม้ว่าจะมีการวัดมากกว่าหนึ่งครั้งในการทดลอง แต่ความน่าเชื่อถือจะถูกนำไปใช้ในบริบทที่ทำการวัดเพียงครั้งเดียวโดยผู้ประเมินเพียงคนเดียว
• ค่าเฉลี่ย: ความน่าเชื่อถือจะถูกนำไปใช้ในบริบทที่ค่าที่วัดได้จากผู้ประเมิน k คนจะถูกนำมาหาค่าเฉลี่ยสำหรับแต่ละบุคคล

ความสอดคล้องหรือข้อตกลงโดยสมบูรณ์:

• ความเห็นพ้องต้องกันโดยสมบูรณ์: ความเห็นพ้องต้องกันระหว่างผู้ประเมินสองคนเป็นสิ่งที่น่าสนใจ รวมถึงข้อผิดพลาดที่เป็นระบบของผู้ประเมินทั้งสอง และข้อผิดพลาดที่เหลืออยู่แบบสุ่ม
• ความสม่ำเสมอ: ในบริบทของการวัดซ้ำโดยผู้ประเมินคนเดียวกัน ข้อผิดพลาดที่เป็นระบบของผู้ประเมินจะถูกหักล้างไป และเหลือเพียงข้อผิดพลาดที่เหลืออยู่แบบสุ่มเท่านั้น

ไม่สามารถประมาณค่าสัมประสิทธิ์ความสอดคล้อง ICC ในแบบจำลองผลกระทบสุ่มแบบทางเดียวได้ เนื่องจากไม่มีวิธีแยกความแปรปรวนระหว่างผู้ประเมินและความแปรปรวนที่เหลืออยู่

Liljequist et al. (2019) ได้นำเสนอภาพรวมและการวิเคราะห์ใหม่ของโมเดลทั้งสามสำหรับ ICC การวัดเดี่ยว พร้อมด้วยสูตรทางเลือกสำหรับการใช้งาน^{[ 18 ]}

Cicchetti (1994) ^{[ 19 ]}ให้แนวทางที่มักอ้างถึงสำหรับการตีความค่าkappaหรือ ICC ของการวัดความสอดคล้องระหว่างผู้ประเมินดังต่อไปนี้:

• น้อยกว่า 0.40—แย่มาก
• ระหว่าง 0.40 ถึง 0.59 ถือว่าอยู่ในระดับปานกลาง
• ระหว่าง 0.60 ถึง 0.74 ถือว่าดี
• ระหว่าง 0.75 ถึง 1.00 ถือว่ายอดเยี่ยม

Koo และ Li (2016) ได้ให้แนวทางที่แตกต่างออกไปดังนี้: ^{[ 20 ]}

• ต่ำกว่า 0.50: แย่
• ระหว่าง 0.50 ถึง 0.75: ปานกลาง
• ระหว่าง 0.75 ถึง 0.90: ดี
• สูงกว่า 0.90: ยอดเยี่ยม

• อัตราส่วนสหสัมพันธ์
• เอฟเฟกต์การออกแบบ
• ขนาดผลกระทบ#Eta-squared (η2)

• AgreeStat 360: การวิเคราะห์ความน่าเชื่อถือระหว่างผู้ประเมินแบบคลาวด์, ค่าสัมประสิทธิ์แคปปาของโคเฮน, ค่า AC1/AC2 ของกเว็ต, ค่าอัลฟาของคริปเพนดอร์ฟ, ค่าสัมประสิทธิ์แคปปาแบบทั่วไปของเบรนแนน-เพรดิเกอร์, ค่าสัมประสิทธิ์แคปปาแบบทั่วไปของเฟลส์, ค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม
• เครื่องมือออนไลน์ที่มีประโยชน์ซึ่งช่วยให้สามารถคำนวณประเภทต่างๆ ของ ICC ได้(เก็บถาวรเมื่อ 2015-07-29 ที่Wayback Machine)
• ค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม: คู่มือเชิงปฏิบัติสำหรับการตัดสินใจโดยใช้ข้อมูล