kappa系数评分者信度——kappa系数的计算方法

关于“符合率”及Kappa概念及联系的解释？

符合率（一致率）：评价筛检及诊断试验真实性和可靠性的一项指标。

筛检试验判定的结果与标准诊断的结果相同的数占总受检人数的比例；或者是一项诊断试验正确诊断的病例人数与非病例人数之和占所有进行诊断人数的比例。

kappa值：测量同一等级变量的不同观测值之间或同一等级变量的不同次测量之间的一致性或可靠性的指标，该值考虑了机遇因素对一致性的影响。

kappa值的取值范围为-1~+1，若k值为负数，说明观察一致率比机遇造成的一致率还小；k=-1，表明两个判断完全不一致；k=0，表示观察一致率完全由机遇所致；k＞0，表示观察的一致程度大于因机遇一致的程度；k=1，表明两个判断完全一致；一般kappa值在0.4~0.75为中、高度一致；kappa值≥0.75为极好的一致性；kappa值≤0.40，表明一致性差。

kappa系数的计算公式

两幅栅格图的kappa计算公式为 k = (Po-Pc)/(1-Pc) 设栅格总象元数为n，真实栅格为1的象元数为a1，为0的象元数为a0，模拟栅格为1的象元数为b1，为0的象元数为b0，两个栅格对应象元值相等的象元数为s，则 Po = s/n， Pc = (a1*b1+a0*b0)/(n*n) 在arcmap里，a1、a0、b1、b0从属性表可读出，s用raster calculator配合con()函数不难求出。

kappa计算结果为-1~1，但通常kappa是落在 0~1 间，可分为五组来表示不同级别的一致性：0.0~0.20极低的一致性(slight)、0.21~0.40一般的一致性(fair)、0.41~0.60 中等的一致性(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1几乎完全一致(almost perfect)。

什么叫KAPPA.

背靠背kappa起初并不叫kappa，其前身为一间叫m.c.t.的小型公司。

这公司全名「societa anonima calzificio torinese」，于1916年在意大利西北部的都灵(turin)成立，主要生产袜子和内衣裤。

这公司最初的商标是「aquila」，后来才变成现在的「kappa」。

　　如此这般，m.c.t.一直默默耕耘，成绩并不见突出。

直至60年代后期，一个重要的转折点令它获得空前的业绩跃进。

当时年青便服文化平地一声雷崛起，两性服装一体化的理念亦开始萌芽，m.c.t.覤准市场，推出两只新牌子「robe di kappa」及「jesus jeans」。

这两个以潮流便服及牛仔裤为主要商品的牌子，配合着创新大胆的宣传桥段，迅即取得空前成功。

70年代末，m.c.t.将牌子重新定位的策略，证明是一记聪明的行动，「kappa sport」(不久后被简称为kappa)亦成为年青人市场中的一个瞩目品牌。

　　随着便装的成功，背靠背kappa开始重新将焦点放回体育用品市场。

信心十足的背靠背kappa在70年代末，开始为专业的运动员和队伍提供赞助。

首先赞助意大利顶级球队尤文图斯，不久后再将赞助对象引延至ac米兰、桑普多利亚、罗马和荷兰的阿贾克斯，这些球队皆曾夺得重要的赛事锦标。

一路至80年代，背靠背kappa更赞助成绩突出「超班」的美国田径队，为队员提供最先进的技术支持，大家可记得88年汉城奥运，美国田径队经典的紧身短跑装束，那便是出自背靠背kappa的手笔了。

κ　Κ　kappa /kap:a/ /p:/表示长辅音，其描述类似/m:/，前一个p类似于英语里“失去爆破”或者汉语粤方言中的塞音韵尾/-p/，/k/不送气。

在spss中crosstabs选项中Kappa值如何应用？

Kappa系数，在列联表分析中评价一致性（agreement）程度的指标，适用于行与列有相同的分类，分为未加权和加权两种。

例：共40例数据，A和B两个观察者判断其结果阴性或者阳性，分析A与B判断的一致性。

据我说知，一般用于2人评价的契合度，若是3人及以上高维的数据很少见，可以考虑分别每次2人的对比，当然这样会引入误差。

参考资料： Jacob Cohen (1960), A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20, 37–46. B. S. Everitt, (1968), Moments of statistics kappa and weighted kappa. The British Journal of Mathematical and Statistical Psychology, 21, 97–103.

erdas 如何得到 kappa系数

kappa在遥感里主要应该是使用在uracy assessment上。

比如我们就计算标准kappa值来更好的检验分类结果的正确程度。

The Kappa Index of Agreement (K): this is an important index that the crossclassification outputs. It measures the association between the two input images and helps to evaluate the output image. Its values range from -1 to +1 after adjustment for chance agreement. If the two input images are in perfect agreement (no change has urred), K equals 1. If the two images pletely different, K takes a value of -1. If the change between the two dates urred by chance, then Kappa equals 0. Kappa is an index of agreement between the two input images as a whole. However, it also evaluates a per-category agreement by indicating the degree to which a particular category agrees between two dates. The per-category K can be calculated using the following formula (Rosenfield and Fitzpatrick-Lins,1986): K = (Pii - (Pi.*P.i )/ (Pi. - Pi.*P.i ) where: Pii = Proportion of entire image in which category i agrees for both dates Pi. = Proportion of entire image in class i in reference image P.i = Proportion of entire image in class i non-reference image As a per-category agreement index, it indicates how much a category have changed between the two dates. In the evaluation, each of the two images can be used as reference and the other as non-reference. 其他的我就不知道了

评分者信度——kappa系数的计算方法

http://el.mdu.edu.tw/datacos/09410121035A/%E7%9B%B8%E9%97%9C%E4%BF%82%E6%95%B8%E7%A8%AE%E9%A1%9E.doc 对不住您，本来想粘下来给你，但是发现公式这里显示不了，所以你就在这里查吧，几乎所有的相关系数的计算方法都提到了，祝你论文顺利！