ICC(intraclass correlation coeficient)：
用来评价对同一对象的多次测量之间的信度（reliability scale）#在SPSS中就是在这个词组里包含ICC检验的。
比如测量实验老鼠的影像学指标，需对同一只老鼠测量8次，取其平均数或中位数来表示该老鼠的最终结果值
计算公式为
MS（mean square）均方差，m为测量次数。均方差的计算见two-way ANOVA对方差的分解。
ICC最后得到一个0--1的值，如果ICC值小于0.4，我们认为诊断试验的可重复性较差；如果ICC值大于0.75，那么诊断试验的可重复性好。
参考：https://www.mediecogroup.com/method_article_detail/41/
http://www.doc88.com/p-3856737116572.html
KAPPA用于评价不同测量者（2位）对同一事物的判断（二分类）是否准确， 比如医生对同一批患者使用两种诊断方式，评价两种诊断方式的一致性
P0（实际一致性）=a+d/n #两种方法一致的占总数的比例
Pe（理论一致性）=((p1*m1)/n+(p2*m2)/n)/n #这样的公式看起来费劲，见下图
红圈里的计算了对角线格子的理论频数，所以Pe(理论一致性)就是理论上两方法评价一致之和占总数的比例 #对理论频数不清楚的童鞋参看流病书，灵敏度特异度那块
KAPPA评价标准：
加权KAPPA用于在多分类有序变量的情况，比如写这篇博文的动机来自，需要评价对同一个患者在前瞻和回顾两个scenarioes得到的同一量表的得分是否一致。量表得分为等级资料。
加权分为两种：线性加权（linear）、平方加权（quadratic）
理解：比如对于眼底图像识别的数据，class=0为健康，class=4为疾病晚期非常严重，所以对于把class=0预测成4的行为所造成的惩罚应该远远大于把class=0预测成class=1的行为，使用quadratic的话0->4所造成的惩罚就等于16倍的0->1的惩罚。
加权KAPPA评价标准：
Kendall
当有序变量种类太多时，或者出现交叉表格有空行或空列，这时不能使用加权Kappa，可以使用kendall协同系数。
SPSS操作时，将原始数据水平放置：
每一行代表一种测量方式，每一列代表一个被测量对象。
在非参检验里的旧对话框，选测K个相关样本，
参考：https://www.mediecogroup.com/method_article_detail/50/
https://www.mediecogroup.com/method_article_detail/37/