检验是否适合做团队分析的方法
这些天都在纠结于自己的数据是否满足做组间分析的条件，却一直不知道该如何检验。通过对比多篇学术文章，发现通用的做法如下，下面我结合统计软件SPSS和HLM来介绍一下各个方法怎么操作以及在什么样的值域范围才算合适：
1.ICC1，ICC2
ICC1的全称是intra-class correlation
coefficient,中文是组间相关系数，大的ICC1代表的是组内人员在该变量的得分较为相似，得分区间小，个体间变异小；小的ICC1表示组内变异较大。它的计算公式是：ICC1=(MSB-MSW)/{MSB+[(K+1)*MSW]}，其中MSB是mean
square between group, MSW是mean square within
group,k是小组的平均人数。这些数据都可以在SPSS的one way
anova中获取到，获取的具体方式是将待考察变量作为因变量，将组别作为自变量，进行分析。ICC在0.02以上都是可以接受的，可以将个体的变量聚合到团队水平来研究。
ICC2的公式更加简单，是ICC2=(MSB-MSW)/MSB，各缩写的具体含义同上，通过把相应的数值在excel带入公式就可以很方便地计算出。一般与ICC1同时出现，ICC2大于.70代表有较高的组内一致性。
F值又回到上文提到的SPSS的one way
anova，计算方法同上。F值显著表示着组间的变异是否显著。因为要将对个体的研究上升到团队水平的研究，分析组与组的异同，所以需要先确定将他们划分到组是否有意义，即他们每个组是否有显著差异。
用来测量组间变量的一致性。应该大于C/6(C代表有几个选项，例如如果是7点量表的话就是7)
大于.70代表有较高的一致性。
另外，还有不同的方法来计算组内变异，例如我自己用的是各个变量的标准差（SD），应该是各个组员各自的得分除以组内均值，而刚刚看到一篇文章采用的是分别计算每组的员工在每个条目上得分的方差，加总起来除以该量表的条目数。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。