Para un valor de respuesta específico, kappa se puede calcular contrayendo en una categoría todas las respuestas que no sean iguales al valor. A continuación, puede usar la tabla 2X2 para calcular kappa.
Cuando no se conoce el valor estándar verdadero, Minitab calcula el kappa de Cohen de la siguiente manera:
Ensayo B (o Evaluador B) | |||||
Ensayo A (o Evaluador A) | 1 | 2 | ... | k | Total |
1 | p11 | p12 | ... | p1k | p1+ |
2 | p21 | p22 | ... | p2k | P2+ |
.... | |||||
k | pk1 | pk2 | ... | pkk | pk+. |
Total | p.+1 | p.+2 | ... | p.+k | 1 |
Término | Description |
---|---|
Po | la proporción de concordancia observada |
pii | cada valor en la diagonal de la tabla de dos factores |
Pe | la proporción esperada de veces que k evaluadores coinciden |
nij | el número de muestras en la iésima fila y la jésima columna |
N | el número total de muestras |
Utilice el estadístico kappa de Cohen cuando las clasificaciones sean nominales. Cuando se conoce el valor estándar y se elige obtener el kappa de Cohen, Minitab calcula el estadístico usando las fórmulas siguientes.
El coeficiente kappa para la concordancia de los ensayos con el valor estándar conocido es la media de estos coeficientes kappa.
Cuando se conoce el valor estándar verdadero, primero calcule kappa utilizando los datos de cada ensayo y el estándar conocido.
Estándar | |||||
Ensayo A | 1 | 2 | ... | k | Total |
1 | p11 | p12 | ... | p1k | p1+ |
2 | p21 | p22 | ... | p2k | P2+ |
.... | |||||
k | pk1 | pk2 | ... | pkk | pk+. |
Total | p.+1 | p.+2 | ... | p.+k | 1 |
Término | Description |
---|---|
Po | la proporción de concordancia observada |
pii | cada valor en la diagonal de la tabla de dos factores |
Pe | la proporción esperada de veces que k evaluadores coinciden |
nij | el número de muestras en la iésima fila y la jésima columna |
N | el número total de muestras |
Para probar la hipótesis nula de que las clasificaciones son independientes (de modo que kappa = 0), utilice:
z = kappa / EE de kappa
Esta es una prueba unilateral. Bajo la hipótesis nula, z sigue la distribución normal estándar. Rechace la hipótesis si z es significativamente mayor que el valor crítico de α.
El error estándar de kappa para cada ensayo y el valor estándar es:
Término | Description |
---|---|
Pe | la proporción esperada de veces que k evaluadores coinciden |
N | el número total de muestras |
xij se define como el número de clasificaciones de la muestra i que corresponden a la categoría j, donde i va de 1 a n y j va de 1 a k.
El coeficiente kappa general se define como:
donde:
Po es la proporción observada de la concordancia en parejas entre los m ensayos.
Pe es la proporción esperada de concordancia si las clasificaciones de un ensayo son independientes de las de otro.
pj representa la proporción general de clasificaciones en la categoría j.
Al sustituir Po y Pe en K, el coeficiente kappa general se calcula como:
Término | Description |
---|---|
k | el número total de categorías |
m | el número de ensayos: para el caso 1, m = el número de ensayos de cada evaluador; para el caso 2, m = el número de ensayos para todos los evaluadores. |
n | el número de muestras |
xij | el número de clasificaciones de la muestra i que corresponden a la categoría j |
Para medir la concordancia con respecto a las clasificaciones de una sola de las k categorías, digamos que la jésima, se pueden combinar todas las categorías, aparte de la categoría de interés, en una sola categoría y aplicar la ecuación anterior. La fórmula resultante para calcular el estadístico kappa para la categoría jésima es:
donde:
Término | Description |
---|---|
k | el número total de categorías |
m | el número de ensayos: para el caso 1, m = el número de ensayos de cada evaluador; para el caso 2, m = el número de ensayos para todos los evaluadores. |
n | el número de muestras |
xij | el número de clasificaciones de la muestra i que corresponden a la categoría j |
La hipótesis nula, H0, es kappa = 0. La hipótesis alternativa, H1, es kappa > 0.
Bajo la hipótesis nula, Z sigue aproximadamente una distribución normal y se utiliza para calcular los valores p.
Para probar si kappa > 0, utilice el siguiente estadístico Z:
Var (K) se calcula mediante:
Para probar si kappa > 0 para la categoría jésima, utilice el siguiente estadístico Z:
Var (Kj) se calcula mediante:
Término | Description |
---|---|
K | el estadístico kappa general |
Kj | el estadístico kappa para la categoría jésima |
k | el número total de categorías |
m | el número de ensayos: para el caso 1, m = el número de ensayos de cada evaluador; para el caso 2, m = el número de ensayos para todos los evaluadores. |
n | el número de muestras |
xij | el número de clasificaciones de la muestra i que corresponden a la categoría j |
Utilice los pasos siguientes para calcular el kappa general y el kappa de una categoría específica cuando se conoce la clasificación estándar para cada muestra.
Supongamos que hay m ensayos.
Vea las fórmulas de Estadístico kappa de Fleiss (valor estándar desconocido).
Entonces el kappa general con valor estándar conocido es igual al promedio de todos los m valores de kappa general.
De la misma manera, el kappa de una categoría específica con valor estándar conocido es el promedio de todos los m kappa para los valores específicos de la categoría.
La hipótesis nula, H0, es kappa = 0. La hipótesis alternativa, H1, es kappa > 0.
Bajo la hipótesis nula, Z sigue aproximadamente una distribución normal y se utiliza para calcular los valores p.
Donde K es el estadístico kappa, Var(K) es la varianza del estadístico kappa.
Vea las fórmulas de Estadístico kappa de Fleiss (valor estándar desconocido).
Supongamos que hay m ensayos.
Entonces, la varianza del kappa general con valores estándar conocidos es igual a la suma de las m varianzas del kappa general dividida entre m2.
De la misma manera, la varianza de kappa para una categoría específica con valor estándar conocido es igual a la suma de las m varianzas del kappa de una categoría específica dividida entre m2.