冥王生活

您现在的位置是:首页 > 科技生活 > 正文

科技生活

机遇一致率是什么(机遇一致率怎么理解)

admin2023-02-22科技生活170

机遇一致率怎么理解

kappa系数受机遇因素影响。在数据分析或临床工作中,若kappa系数等于0,说明观察一致率等于机遇一致率,结果完全由机遇因素导致,Kappa系数受机遇因素影响。Kappa系数是一个用于一致性检验的指标,在考虑了机遇因素对诊断结果一致性的影响。

机遇一致率计算公式

机遇一致率应该是Pe=[(a+b)(a+c)+(b+d)(c+d)]/n2

同期完成率计算公式:完成率(%)= 实际完成数 / 计划完成数 * 100%。

机遇一致率的分子部分,加号右边是(b+d)*(c+d)

利用SPSS进行一致性检验并计算Kappa值

SPSS:一致性检验,如何计算Kappa值?研究问题为:探讨两位警察对受试者行为判断的一致性,受试者行为的判定结果为“正常”或“可疑”。采用Cohen's kappa系数分析。

一、问题与数据

二、问题的分析

在本研究中,研究者拟探讨两位警察对受试者行为判断的一致性,我们推荐使用 Cohen's kappa系数分析。一般来说,采用Cohen's kappa系数的研究设计需要满足以下5项假设:

假设1:判定结果是分类变量且互斥。如本研究中受试者行为的判定结果为“正常”或“可疑”,属于分类变量,并且相互排斥。

假设2:要求进行观测变量配对,即不同观测者判定的对象相同。如本研究中,两位警察观看的是同一组录像,编号统一。

假设3:每个观察对象可能被判定的结果种类相同。如本研究中每位受试者的行为都可能被判定为“正常”或“可疑”。

假设4:观测者之间相互独立。这要求不同观测者独立完成结果判定,相互不干扰。

假设5:由固定的两位观测者完成所有判定。如本研究中由两位警察分别观看100段录像,中途不换人。

根据研究设计,我们认为本研究符合Cohen's kappa系数的5项假设,可以采用该分析方法进行一致性评价。

三、SPSS操作

1. 在主菜单点击Analyze→DescriptiveStatistics→Crosstabs

出现下图:

 2. 分别将Officer1和Officer2变量放入Row(s)和Column(s)栏

3. 点击Statistics

4. 点选Kappa

5. 点击Continue→Cells

6. 点击Observed→Continue→OK

注释:如果大家想要得到频率的预测值,可以点击Counts栏中的Expected;若大家还想得到百分比值,可以点击Percentages栏中的Row、Column和Total

四、结果解释

1. 一般结果

在分析Cohen's kappa系数之前,我们有必要了解一下研究数据的基本情况,如下:

 从上表可以看出,本研究共有100对有效数据(Valid栏),没有缺失(Missing栏),总数据为100例(Total栏)。Officer1和Officer2的交叉表,如下:

SPSS根据数据录入情况,分别输出Officer1和Officer2认为“正常”和“可疑”的数量。其中,左上和右下的数据是经Officer1和Officer2判断一致的,如下标黄的部分:

从上表可以看出,两位警察都认为其中85位受试者行为“正常”,7位受试者行为“可疑”,即这两位警察在92位受试者的行为上判断一致。从另一个角度来说,Officer1认为87位受试者行为“正常”,而Officer2认为91位受试者行为“正常”,如下标黄部分:

同理,这个表也输出了Officer1和Officer2判断不一致的数据,如下标黄部分:

从上表可知,在本研究中,两位警察对6+2=8为受试者的行为判断不一致。根据这些数据,我们可知Officer1和Officer2在对92÷100×100%=92%的受试者行为判断上一致。但是这种一致率没有考虑机遇因素的影响,我们还要依据Cohen's kappa系数具体分析。

2.  Cohen's kappa系数

与直接计算的一致率不同的是,Cohen's kappa系数考虑了机遇一致率对结果的影响。具体来说,在本研究中即使两位警察并不依据专业经验,而是随意评价受试者的行为,他们也会在对一些判断上出现一致结果。但是,这些由于机遇因素导致的一致结果并不是我们想要的,会高估实际一致率。因此,我们需要在计算Cohen's kappa系数时,剔除机遇一致率,公式如下:

Value栏提示Cohen's kappa系数值,如下标黄部分:

从上表可知,本研究的Cohen's kappa=0.593。一般来说,Cohen's kappa系数分布在-1到1之间。若Cohen's kappa系数小于0,说明观察一致率小于机遇一致率,在实际研究中很少出现。若Cohen's kappa系数等于0,说明观察一致率等于机遇一致率,结果完全由机遇因素导致。若Cohen's kappa系数大于0,说明研究对象之间存在一定的一致性,Cohen's kappa系数越接近1,一致性越大。

那么,本研究中Cohen's kappa系数为0.593,说明一致性如何呢?Cohen's kappa系数值反映的一致性强度,如下:

从上表可知,本研究中Cohen's kappa系数0.593,说明具有中等强度一致性。但是,值得注意的是,我们并不能轻易地根据表1直接对比不同研究的Cohen's kappa系数。因为Cohen's kappa系数在计算过程中剔除了机遇一致率,也因此受到研究数据边际分布程度的影响。所以,我们只能比较具有相同边际分布数据的Cohen's kappa系数,而不能直接对比数据边际分布不同的研究。

此外,SPSS输出Symmetric Measures表格,提示Cohen's kappa系数的统计检验结果,如下标黄部分:

提示,本研究的Cohen's kappa系数与0的差异具有统计学意义(P0.001)。同时,我们也可以根据该表格计算Cohen's kappa系数的95%置信区间,如下标黄部分:

可见,本研究中Cohen's kappa系数的标准误为0.129。鉴于本研究样本量较大,我们认为研究数据接近正态分布。从而计算Cohen's kappa系数的95%置信区间为0.593±1.96×0.129=0.593±0.253。即,本研究Cohen's kappa系数为0.593(95% CI为0.340 -0.846)。

五、撰写结论

本研究采用Cohen's kappa系数分析两位警察对100位受试者行为判断的一致性。结果显示,这两位警察都认为其中85位受试者行为“正常”,7位受试者行为“可疑”。但同时有6位受试者被警察1认定为“可疑”,而被警察2认定为“正常”;也有2位受试者被警察1认定为“正常”,而被警察2认定为“可疑”。

总的来说,这两位警察判断结果的Cohen's kappa系数为0.593(95% CI为0.340 -0.846),P0.001,具有中等强度一致性。

发表评论

评论列表

  • 这篇文章还没有收到评论,赶紧来抢沙发吧~