是的，有一个共识：在计算类内相关性 (ICC) 时，您应该使用方差，而不是标准差。

两级仅随机截距模型是 其中随机截距具有方差和残差有方差。

$$y_{ij} = \beta_0 + u_{0j} + e_{ij},$$ $u_{0j}$$\sigma^2_{u_0}$$e_{ij}$$\sigma^2_e$

现在，两个随机变量和之间的相关性定义为 $x$$y$

$$corr = \frac{cov(x, y)}{\sqrt{var(x)var(y)}}.$$

因此，为了找到类内相关的公式，我们使用相关公式并让我们的两个随机变量是来自同一个组的两个观察值， 如果你使用上面给出的定义和方差/协方差的属性来简化它，你最终会得到 $j$

$$ICC = \frac{cov(\beta_0 + u_{0j} + e_{1j}, \beta_0 + u_{0j} + e_{2j})}{\sqrt{var(\beta_0 + u_{0j} + e_{1j})var(\beta_0 + u_{0j} + e_{2j})}},$$ $$ICC = \frac{\sigma^2_{u_0}}{\sigma^2_{u_0} + \sigma^2_e}.$$

因此对于两级仅随机截距模型，类内相关性由随机截距方差与总方差之比给出。

如果您要使用这些方差的平方根（即标准差），那么它可能仍然是我们在模型的不同级别有多少可变性的一些信息性总结，但它不能再被解释为类内相关系数。

顺便说一句，我查看了您提到的 Gelman & Hill (2007) 中的页面（第 448 页），他们清楚地根据方差而不是标准差来定义 ICC。所以我认为整个问题可能是基于对他们章节的意外误读。