属性一致性分析
评估员各自 - Fleiss 的 Kappa 统计量
|
|
属性一致性分析评估员各自 - Fleiss 的 Kappa 统计量 |
|
如果每位评估员对同一部件都有两次或多次评级，您可以评估每位评估员多次试验评级的一致性。
如果 kappa = 1，则表示完全一致。如果 kappa = 0，则一致性程度与偶然猜测的相同。一致性越强，kappa 值越高。当一致性弱于偶然预期时会出现负值，但这种情况很少发生。根据应用情况的不同，kappa 小于 0.7 表明测量系统需要改进。kappa 值大于 0.9 被视为极佳。
比较每个响应的 kappa 统计量和整体 kappa 统计量。评估员在处理特定响应时有困难吗？
对于织物数据，所有 kappa 统计量均大于 0.7。评估员的评级一致性在可接受的限度内。
根据您的样品数据，使用 p 值在两个对立假设之间选择：
如果原假设 (H0) 为真，则 p 值提供了得到具有其 kappa 统计量的样本的概率。如果 p 值小于或等于预先确定的显著性水平（a 水平），则否定原假设，并声明支持备择假设。
|
注意 |
评估员各自的统计量并不将评估员的评级和已知标准进行比较。虽然评估员的评级可能一致，但并不一定就是正确的。 |
输出示例 |
|
Fleiss 的 Kappa 统计量 检验员 响应 Kappa Kappa 标准误 Z P(与 > 0) Amanda 1 1.00000 0.182574 5.4772 0.0000 2 1.00000 0.182574 5.4772 0.0000 3 1.00000 0.182574 5.4772 0.0000 4 1.00000 0.182574 5.4772 0.0000 5 1.00000 0.182574 5.4772 0.0000 整体 1.00000 0.092322 10.8316 0.0000 Britt 1 1.00000 0.182574 5.4772 0.0000 2 0.91111 0.182574 4.9904 0.0000 3 0.88868 0.182574 4.8675 0.0000 4 1.00000 0.182574 5.4772 0.0000 5 1.00000 0.182574 5.4772 0.0000 整体 0.95813 0.091912 10.4244 0.0000 Eric 1 0.90180 0.182574 4.9394 0.0000 2 0.91111 0.182574 4.9904 0.0000 3 0.76000 0.182574 4.1627 0.0000 4 0.76000 0.182574 4.1627 0.0000 5 1.00000 0.182574 5.4772 0.0000 整体 0.87421 0.092123 9.4896 0.0000 Mike 1 1.00000 0.182574 5.4772 0.0000 2 0.91111 0.182574 4.9904 0.0000 3 0.88868 0.182574 4.8675 0.0000 4 0.88868 0.182574 4.8675 0.0000 5 0.88868 0.182574 4.8675 0.0000 整体 0.91632 0.091799 9.9817 0.0000 |
解释 |
|
就织物数据来说，当 a = 0.05 时，对所有评估员和所有响应都有 p = 0.0000，因此否定原假设。印染质量的评级一致性明显不同于偶然达到的一致性。
常用统计图形在线生成工具：
实用工具：
