当一批就诊患者来到医院时，医生A按照某标准将这批就诊患者分为了病人和非病人，同时医生B也按该标准对这批就诊患者做出了病人和非病人的诊断。这两位大夫之间的一致性怎么样呢？这时直接计算下Kappa值就可以了。

Kappa值可是针对分类资料的，而且常常是两组之间一致性的检验，比如两种诊断试验方法的诊断结果，或者是同一个研究者先后两次的诊断结果，当然也可以像刚刚提到的两个研究者的诊断结果。如果想考察三组之间分类资料的一致性，SPSS就不能计算Kappa值了，这种情况想获得Kappa值，就只能通过人工计算，对于数学不是很好的我来说，想想就有些头大。

但当我们遇到的不再是分类资料时，比如我们想考察两位研究者关于血压测定的一致性，血压可是连续变量，Kappa值不能再用了，是不是就束手无策了？

为了解决这个问题，Ronald Fisher提出了intraclass correlation coefficient，简称ICC，也称组内相关系数。组内相关系数就可用来判定连续变量之间一致性。比如双胞胎之间某连续变量（如红细胞计数）的一致性，或者不同测定方法对同一定量结果的一致性，或者像之前提出的不同研究者对同一定量结果的一致性。

这样以后我们在考察分类资料一致性的时候，算个Kappa值即可，Kappa值在SPSS中可通过分析——描述——四格表实现。若我们想知道连续变量的一致性，直接计算ICC就OK啦，在SPSS中可通过分析——度量——可靠性分析实现。关于Kappa值和ICC的其他细节，我们在以后会不定期推送哦。