kappa一致性检验教程_统计学分析：一致性检验（转）

约定不等于承诺〃 2023-01-05 12:01 398阅读 0赞

**前言**

在医学检验、影像学诊断分析、流行病学调查等论文中，常会选择采用多个检验人员或检验诊断方法对同一批研究对象进行定性或定量检查以保证结果的准确性。但是在此过程中，需考虑如不同检测方法所得结果是否一致、不同检验人员检测结果是否一致、同一方法多次重复试验结果是否一致、不同评价标准所得分数是否一致以及某种新型诊断方法与金标准结果是否一致等问题。一致性检验是指对同一研究对象不同检测结果之间的相同程度进行评估检验，不同数据类型采用的一致性检验方法也有所不同。以下是小编整理的一致性检验相关知识，希望能为您的论文写作提供帮助，如有不足望请批评指正。

**定类数据——Kappa一致性检验**

（1）作用。Kappa系数是从比较两个观测者对同一事物观测结果或同一观测者对同一事物两次观测结果是否一致出发，用因机遇造成的一致性和实际观测的一致性之间的差别大小作为评价基础所提出的统计指标。

（2）分类。Kappa系数分为简单Kappa系数（无序分类资料-二分类和多分类）和加权Kappa系数（等级资料）。简单Kappa系数可通过SPSS、SAS软件进行计算，加权Kappa系数可通过SAS软件进行计算。

（3）结果解读。Kappa系数计算结果区间为-1～1，但实际应用中结果通常在0～1，Kappa系数<0.2说明一致性极弱；0.2~0.4说明一致性较弱；0.4~0.6说明一致性中等；0.6~0.8说明一致性较强；0.8~1.0说明一致性极强。

特别提示：Kappa一致性检验结果中仅Kappa值最为重要，一般只需要用该值进行一致性水平判断。

**定量数据——相关性分析**

（1）作用。相关性分析主要用于研究定量数据之间的关系，包括是否有关系以及关系的紧密程度等。

（2）分类。Pearson相关系数、Spearman相关系数、Kendall相关系数。

（3）结果解读。

Pearson相关系数（*r*）适用于满足正态分布的两个连续定量数据，衡量变量之间的线性关系紧密程度，取值区间为-1～1，∣*r*∣表示关系的紧密程度，越接近于1表示相关性越高。*r*＞0表示正相关，*r*＜0表示负相关。需要注意的是，*r*=0只表示变量无线性相关，但无法确定是否存在其他相关；另外，当*P*＜0.05时，表示存在相关性，具体关系紧密程度则需要看*r*。

Spearman相关系数（*rs*）又称为秩相关系数，适用于定序资料（两个变量是成对的等级评定资料或者是由连续变量资料转化的等级资料），可衡量变量之间的非线性关系紧密程度，取值区间为-1～1，当一个变量随另一个变量单调递增时，*rs*=1；单调递减时，*rs*=-1。

Kendall相关系数（*rk*）适用于定序资料（有序分类变量），取值区间为-1～1，在测定等级相关性方面比Spearman相关系数更有优势。需要注意的是，Kendall相关系数只能说明数据之间的相关性高低，并不反映线性关系紧密程度。*rk*=1表示两组数据排序一致，属于正相关；*rk*=-1表示两组数据排序完全相反，属于负相关；*rk*=0表示两组数据排序完全独立。

特别提示：当数据资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时，宜用Spearman或Kendall相关系数。例：分析不同评委对不同选手的评分（优、中、差等）标准是否一致或者是不同医院对患者尿糖的化验结果是否一致采用Kendall相关系数；分析期刊影响力排名（1、2、3、4……）与评价指标（复合总被引、复合类他引、综合类总被引……）高低的关系采用Spearman相关系数。

**参考文献**

\[1\] 郭轶斌,郭威,秦宇辰,等.基于Kappa系数的一致性检验及其软件实现\[J\].中国卫生统计,2016,33(1):169-170,174.

\[2\] 金林,李研.几种相关系数辨析及其在R语言中的实现\[J\].统计与信息论坛,2019,34(4):3-11.