弗莱斯kappa归根结底是斯科特的π的归纳统计,
两分的统计测量的可靠性。这也是相关的
科恩kappa统计。而斯科特的π和科恩kappa工作
只有两个评级,弗莱斯kappa归根结底为任意数量的评级机构给予工作
分类评级(见名义数据),固定数量的物品。它
表达的程度可以解释为观察到的数量吗
之间的协议如果所有评级机构评级超过预期
评级完全随机。协议可以被认为是
之前,如果一个固定数量的人分配数值评级一个数字
然后kappa的物品将方式一致
评级。评分范围在0和1之间。
语法:弗莱斯(X,α)

输入:
X平方数据矩阵
α-显著性水平(默认= 0.05)
输出:
j - k值类别(kj)
——kj标准错误
- z的kj
——假定值
——弗莱斯kappa归根结底
——kappa标准错误
——kappa置信区间
Landis和科赫- k基准测试
- z测试

例子:
弗莱斯kappa归根结底的使用的一个例子可能是以下:考虑
14个精神病医生被要求看十个病人。每一个
精神病学家给每个病人可能五诊断之一。的
弗莱斯的kappa可以从这个矩阵计算
之间的协议上面的精神病医生的水平
协议所期望的机会。
x =
0 0 0 0 14
0 2 6 4 2
0 0 3 5 6
2 0 0 3 9
2 2 8 1 1
7 7 0 0 0
3 2 6 3 0
2 5 3 2 2
6 5 2 1 0
0 2 2 3 7

所以有10行(1为每个病人)和5列(1
诊断)。每个细胞代表的评级机构数量
分配i, j的类别
x = [0 0 0 0 14;0 2 6 4 2;0 0 3 5 6;0 3 9 2 0;2 2 8 1 1;7 7 0 0 0;…
3 2 6 3 0;2 5 3 2 2;6 5 2 1 0;0 2 2 3 7];

呼吁Matlab函数:弗莱斯(x);

答案是:

kj: 0.2013 0.0797 0.1716 0.0304 0.5077

东南部。:0.0331

z: 6.0719 2.4034 5.1764 0.9165 15.3141

p: 0.0000 0.0162 0.0000 0.3594 0

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
弗莱斯(整体)归根结底k = 0.2099
kappa错误= 0.0170
kappa C.I. (95%) = 0.1767 - 0.2432
公平的协议
z = 12.3743 p = 0.0000
拒绝零hypotesis:观察协议不是偶然的

由朱塞佩·卡迪罗
giuseppe.cardillo-edta@poste.it

引用这个文件,这将是一个适当的格式:
g·卡迪罗(2007)弗莱斯kappa归根结底:计算弗莱斯kappa归根结底为多个评级机构。
//www.tatmou.com/matlabcentral/fileexchange/15426