| 解释 属性一致性分析 的主要结果 | 您所在的位置：网站首页 › p值0000怎么填表格 › 解释 属性一致性分析 的主要结果 |
|
要确定每位评估员评级的正确性，请评估“每位评估员与标准”表格中的 kappa 统计数据。如果是顺序评级，您还应评估 Kendall 的相关系数。Minitab 会在您指定每个样本的参考值时显示“每位评估员与标准表格”。 当多位评估员评估相同的样本时，可使用 kappa 统计数据评估由多位评估员给出的名义或顺序评级的一致程度。 Kappa 值的范围为 –1 到 +1。kappa 值越高，一致性就越高，如下所示： Kappa = 1 时，表明完全一致。 Kappa = 0 时，则一致性与偶然预期的相同。 Kappa < 0 时，一致性比偶然预期的还要弱，不过这种情况很少发生。AIAG 建议，kappa 最小值为 0.75 时表示一致性良好。但是 kappa 值越大越好，例如 0.90。 当进行顺序评级时（比如按 1 到 5 个等级对缺陷严重性进行评定），可说明排序因素的 Kendall 系数通常比单独使用 kappa 更适合用来确定关联度。 每个检验员与标准 评估一致性 # 检 # 相 检验员 验数 符数 百分比 95% 置信区间 Amanda 50 47 94.00 (83.45, 98.75) Britt 50 46 92.00 (80.77, 97.78) Eric 50 41 82.00 (68.56, 91.42) Mike 50 45 90.00 (78.19, 96.67) # 相符数: 检验员在多次试验中的评估与已知标准一致。 Fleiss 的 Kappa 统计量 检验员 响应 Kappa Kappa 标准误 Z P(与 > 0) Amanda 1 1.00000 0.100000 10.0000 0.0000 2 0.83060 0.100000 8.3060 0.0000 3 0.81917 0.100000 8.1917 0.0000 4 1.00000 0.100000 10.0000 0.0000 5 1.00000 0.100000 10.0000 0.0000 整体 0.92476 0.050257 18.4006 0.0000 Britt 1 1.00000 0.100000 10.0000 0.0000 2 0.83838 0.100000 8.3838 0.0000 3 0.80725 0.100000 8.0725 0.0000 4 1.00000 0.100000 10.0000 0.0000 5 1.00000 0.100000 10.0000 0.0000 整体 0.92462 0.050396 18.3473 0.0000 Eric 1 0.91159 0.100000 9.1159 0.0000 2 0.81035 0.100000 8.1035 0.0000 3 0.72619 0.100000 7.2619 0.0000 4 0.84919 0.100000 8.4919 0.0000 5 1.00000 0.100000 10.0000 0.0000 整体 0.86163 0.050500 17.0622 0.0000 Mike 1 1.00000 0.100000 10.0000 0.0000 2 0.91694 0.100000 9.1694 0.0000 3 0.90736 0.100000 9.0736 0.0000 4 0.92913 0.100000 9.2913 0.0000 5 0.93502 0.100000 9.3502 0.0000 整体 0.93732 0.050211 18.6674 0.0000 Kendall 的相关系数 检验员 系数 系数标准误 Z P Amanda 0.967386 0.0690066 14.0128 0.0000 Britt 0.967835 0.0690066 14.0193 0.0000 Eric 0.951863 0.0690066 13.7879 0.0000 Mike 0.975168 0.0690066 14.1256 0.0000 重要结果：Kappa、Kendall 的相关系数大部分 kappa 值大于 0.80，表示每位评估员与标准之间的一致性良好。少数 kappa 值接近 0.70，表示您可能需要进一步研究某些样本或某些评估员。由于这些数据是顺序响应，因此 Minitab 会提供 Kendall 的相关系数。这些值的范围为 0.951863 到 0.975168，这表示评级和标准值之间的关联度很高。 |
| CopyRight 2018-2019 实验室设备网 版权所有 |