- 统计教程
- 家
- 调整后的 R 平方
- 方差分析
- 算术平均值
- 算术中位数
- 算术模式
- 算术范围
- 条状图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 循环排列
- 整群抽样
- 科恩卡帕系数
- 组合
- 与替换组合
- 比较图
- 连续均匀分布
- 连续级数算术平均值
- 连续级数算术中位数
- 连续级数运算模式
- 累积频率
- 变异系数
- 相关系数
- 累计地块
- 累积泊松分布
- 数据采集
- 数据收集 - 问卷设计
- 数据收集-观察
- 数据收集-案例研究方法
- 数据模式
- 十分位数统计
- 离散级数算术平均值
- 离散级数算术中位数
- 离散级数运算模式
- 点图
- 指数分布
- F分布
- F测试台
- 阶乘
- 频率分布
- 伽玛分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 中庸之道
- 甘贝尔分布
- 调和平均值
- 谐波数
- 谐波共振频率
- 直方图
- 超几何分布
- 假设检验
- 个别系列算术平均值
- 个别系列算术中位数
- 个别系列运算模式
- 区间估计
- 逆伽玛分布
- 柯尔莫哥洛夫斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽玛分布
- 逻辑回归
- 麦克尼马尔测试
- 平均偏差
- 均值差异
- 多项式分布
- 负二项分布
- 正态分布
- 奇数和偶数排列
- 一比例 Z 检验
- 异常值函数
- 排列
- 置换置换
- 饼形图
- 泊松分布
- 合并方差 (r)
- 功率计算器
- 可能性
- 概率加性定理
- 概率倍数定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程西格玛
- 二次回归方程
- 定性数据与定量数据
- 四分位数偏差
- 范围经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 可靠性系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样品策划
- 取样方式
- 散点图
- 香农维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误差 (SE)
- 标准普通表
- 统计学意义
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生 T 检验
- 平方和
- T-分布表
- Ti 83 指数回归
- 转换
- 截尾均值
- I 型和 II 型错误
- 方差
- 维恩图
- 弱大数定律
- Z工作台
- 统计有用资源
- 统计 - 讨论
统计 - Cohen 的 kappa 系数
科恩的卡帕系数是一种统计量,用于衡量定性(分类)项目的评估者间一致性。通常认为它比简单的一致性百分比计算更稳健,因为 k 考虑了偶然发生的一致性。Cohen 的 kappa 衡量两个评估者之间的一致性,每个评估者将 N 个项目分为 C 个互斥类别。
科恩的卡帕系数由以下函数定义和给出 -
公式
${k = \frac{p_0 - p_e}{1-p_e} = 1 - \frac{1-p_o}{1-p_e}}$
其中 -
${p_0}$ = 评估者之间观察到的相对一致性。
${p_e}$ = 机会一致的假设概率。
${p_0}$ 和 ${p_e}$ 使用观察到的数据计算每个观察者随机说出每个类别的概率。如果评估者完全一致,则 ${k}$ = 1。如果评估者之间除偶然预期之外没有达成一致(如 ${p_e}$ 给出),则 ${k}$ ≤ 0 。
例子
问题陈述-
假设您正在分析与 50 人申请补助金相关的数据。每项拨款提案均由两名读者阅读,每位读者对该提案要么说“是”,要么说“否”。假设分歧计数数据如下,其中A和B是读者,左斜对角线上的数据显示同意的计数,右斜对角线的数据显示分歧 -
乙 | |||
---|---|---|---|
是的 | 不 | ||
A | 是的 | 20 | 5 |
不 | 10 | 15 |
计算科恩卡帕系数。
解决方案-
请注意,有 20 项提案被读者 A 和读者 B 批准,还有 15 项提案被读者 A 和读者 B 拒绝。因此,观察到的比例一致性是
${p_0 = \frac{20+15}{50} = 0.70}$
为了计算 ${p_e}$ (随机一致的概率),我们注意到 -
读者 A 对 25 名申请人说“是”,对 25 名申请人说“否”。因此,读者 A 有 50% 的时间说“是”。
读者 B 对 30 名申请人说“是”,对 20 名申请人说“否”。因此,读者 B 在 60% 的时间里说“是”。
使用公式 P(A 和 B) = P(A) x P(B),其中 P 是事件发生的概率。
两人随机说“是”的概率为 0.50 x 0.60 = 0.30,两人随机说“否”的概率为 0.50 x 0.40 = 0.20。因此,随机一致的总体概率为 ${p_e}$ = 0.3 + 0.2 = 0.5。
现在应用 Cohen Kappa 公式,我们得到:
${k = \frac{p_0 - p_e}{1-p_e} = \frac{0.70 - 0.50}{1-0.50} = 0.40}$