属性の一致性分析のKendall係数

Kendall係数の定義と解釈について解説します。

係数

評価が順位で、評価の水準が3つ以上ある場合、検査者間の関連性を評価するにはKendallの一致係数を使用します。

Kendallの係数では得点の順序を説明できますが、κ統計量ではできません。たとえば、Kendallの係数では、「完璧」(評価 = 5)な項目を「不良」(評価 = 1)と誤って分類した場合、「非常に良好」(評定 = 4)と誤って分類するより重大であると見なされます。

解釈

Kendallの一致係数の範囲は0~1です。値が高くなるほど、一致の度合いは強くなります。

詳細については、「κ統計量とKendallの係数」を参照してください。

カイ二乗

カイ二乗検定でp値の決定に使用される近似カイ二乗統計量。

自由度

自由度(DF)は、カイ二乗とともにp値の決定に使用されます。自由度 = N – 1。

P

p値は帰無仮説を棄却するための証拠を測定する確率です。p値が低いほど帰無仮説を棄却するための強力な証拠となります。

帰無仮説を棄却するかどうかを決定するには、Kendallの一致係数のp値を使用します。
  • H0: 検査者の一致は偶然の所産である。
  • H1: 検査者の一致は偶然の所産ではない。

Minitabでは、カイ二乗値を使用してp値を決定します。

解釈

評価間に関連性があるかどうかを特定するには、p値を有意水準と比較します。通常、0.05の有意水準(αまたはアルファとも呼ばれます)が有効に機能します。0.05の有意水準は、実際には評価間に関連性がないにもかかわらず関連性があると結論付ける可能性が5%であることを示しています。
p値 ≤ α: 検査者の一致は偶然の所産ではない(H0を棄却)
p値が有意水準以下の場合は、帰無仮説を棄却し、検査者の評価は互いに関連していると結論付けます。
p値 > α: 検査者の一致は偶然の所産である(H0を棄却できない)
p値が有意水準より大きい場合は、検査者の評価は関連していると結論付けるのに十分な証拠を得られず、帰無仮説を棄却できません。
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください