利用混合效应模型分析多中心数据时，同一中心内观察值的相关性可用（）表示A. Pearson相关系数；B. Spearman等级相关系数；C. 组内相关系数；D. 偏相关系数；E. 典型相关系数；

混合效应模型常用于分析多中心数据，需处理个体和中心两个层次的变异。同一中心内的观察值可能因共享中心特征而相关，需用组内相关系数（ICC）量化这种相关性。本题考查对不同相关系数适用场景的理解，需区分各相关系数的定义与用途。

选项分析

A. Pearson相关系数

• 用途：衡量两个变量的线性关系强度，要求数据服从正态分布。
• 局限：仅适用于两个变量间的直接关系，无法反映群组内部的整体相关性。

B. Spearman等级相关系数

• 用途：基于秩的非参数方法，衡量两个变量的单调关系。
• 局限：同样针对两个变量，不适用于群组内部的关联分析。

C. 组内相关系数（ICC）

• 定义：反映同一群组内观察值的相似程度，计算公式为：
  $\text{ICC} = \frac{\sigma_{\text{中心}}^2}{\sigma_{\text{中心}}^2 + \sigma_{\text{误差}}^2}$
  其中，$\sigma_{\text{中心}}^2$为中心间方差，$\sigma_{\text{误差}}^2$为个体间方差。
• 适用性：在混合效应模型中，ICC直接量化同一中心内观察值的相关性，是正确答案。

D. 偏相关系数

• 用途：控制其他变量后，两个变量间的净相关性。
• 局限：需明确控制变量，与群组相关性无关。

E. 典型相关系数

• 用途：衡量两组变量之间的整体关联。
• 局限：适用于多变量间的综合分析，不适用于单一群组内部。