此函数可以计算McGraw定义的6个不同ICC中的任意一个及其置信区间。此外，使用ICC=r0的无效假设进行假设检验。
语法：
[r，LB，UB，F，df1，df2，p]=ICC（M，type，alpha，r0）
M是观测矩阵。每一行是测量的对象，每一列是判断或测量的对象。
“类型”是一个字符串，可以是所需类型ICC的六种可能代码之一：
“1-1”：在随机选择的对象上进行的测量之间的绝对一致程度。它估计任何两个测量值的相关性。
“1-k”：测量值的绝对一致程度，即随机选择对象上k个独立测量值的平均值。
“C-1”：案例2：测量之间的一致性程度。也称为标准参考可靠性和Winer锚定点调整。情况3：在列系数的固定水平下进行的测量之间的一致性程度。这个ICC估计了任何两个测量值的相关性，但当存在交互作用时，它低估了可靠性。
“C-k”：情况2：测量的一致性程度是随机选择的对象上k个独立测量的平均值。被称为心理测量学中的克朗巴赫阿尔法。案例3：在固定的列因子水平下，k个独立度量的平均值的一致性程度。
“A-1”：案例2：测量值之间的绝对一致程度。也称为标准参考可靠性。案例3：在柱系数的固定水平下进行的测量的绝对一致性。
“A-k”：情况2：随机选择对象上k个独立测量值的平均值的绝对一致程度。案例3：基于在列系数的固定水平下进行的k个独立测量的测量的绝对一致程度。

ICC是估计的组内相关性。LB和UB是ICC的上下限，具有α水平的显著性。

除了估计ICC外，还使用ICC=r0的无效假设进行假设检验。报告了该试验的F值、自由度和相应的p值。

（ICC类的代码名称与参考中的表7相对应）。

参考文献：McGraw，K.O.，Wong，S.P.，“形成关于一些组内相关系数的推论”，《心理学方法》，第1卷，第1期，第30-46页，1996年