组内相关系数（Intra-class Correlation Coefficient，ICC）用于评估测量方法或评分者间数据的一致性，包含10种模型与类型，具体分为单因素与两因素方差分析。模型分为随机效应（可推广）与混合效应（仅限特定）。类型包含绝对一致与一致性，分别考虑或忽略评定者系统误差。

ICC系数的参数包括：Model One-way（行变量效应），Two-way（行与列变量效应）；Model Random（列变量为随机效应，结论可推广），Mixed（列变量为固定效应，结论仅限特定）。Type Absolute agreement（考虑系统误差，保留评定者方差），Consistency（不考虑系统误差，去除评定者方差）；Measure Single（单个评定者评分），Average（多个评定者评分平均值）。选择系数参数需根据研究目标：自我一致性（同名评估者对多个样本结果），评估者间一致性（多名评估者对多个样本结果），测量方法间一致性（不同方法对多个样本结果）。ICC系数范围[-1,1]，建议值大于0.80为高一致性，0.61-0.80为中等，0.41-0.60为一般，0.11-0.40为低，0.1以下无一致性。

举例分析：两位评估师对同一批10个样本进行测量。评价一致性程度，选择ICC(A,1)/ICC(2,1)评估者间一致性，计算复杂，利用两因素方差分析。公式中，行变量均方（ID对应的Mean Square）为0.570，列变量均方（评估师对应的Mean Square）为0.050，误差均方（Error对应的Mean Square）为0.028，评估者个数为2，样本量为10。代入公式计算，得到ICC系数为0.900，表示高一致性。p值0.000<0.05，表示统计学意义显著。95%置信区间为(0.666，0.974)。SPSS还提供了平均测量的ICC系数值，根据数据选择合适的类型。

组内相关系数通过方差分析中的行与列变量效应来评估一致性，有兴趣的读者可自行验证其他类型的计算。通过理解模型与类型的定义，以及ICC系数的解释，可以更准确地评估数据一致性，并在实际应用中作出合理决策。