계수형 합치도 분석에 대한 Kendall의 계수

Kendall의 계수에 대한 정의 및 해석 방법을 확인해 보십시오.

계수

등급에 순서가 있고 등급의 수준이 3개 이상일 경우 평가자 간의 연관성을 평가하려면 Kendall의 일치성 계수를 사용하십시오.

Kendall의 계수는 점수의 순서를 고려하지만 카파 통계량은 그렇지 않습니다. 예를 들어, Kendall의 계수는 완전한 항목(등급 = 5)을 불량(등급 = 1)으로 잘못 분류하면 해당 항목을 매우 양호(등급 = 4)로 분류한 것보다 더 심각한 결과가 발생한다는 것을 고려합니다.

해석

Kendall의 일치성 계수는 범위가 0부터 1까지입니다. Kendall의 일치성 계수가 클수록 합치도가 강한 것입니다.

자세한 내용은 카파 통계량 및 Kendall의 계수를 참조하십시오.

카이-제곱

카이-제곱 검정에서 p-값을 결정하기 위해 사용되는 근사 카이-제곱 통계량입니다.

DF

자유도(DF)는 카이-제곱 값과 함께 p-값을 결정하기 위해 사용됩니다. DF = N - 1.

P

p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.

귀무 가설을 기각할 수 있는지 또는 기각할 수 없는지 여부를 확인하려면 Kendall의 일치성 계수에 대한 p-값을 사용하십시오.
  • H0: 평가자 합치가 우연에 의한 것이다.
  • H1: 평가자 합치가 우연에 의한 것이 아니다.

Minitab에서는 카이-제곱 값을 사용하여 p-값을 결정합니다.

해석

등급이 서로 연관되어 있는지 여부를 확인하려면 p-값을 유의 수준과 비교하십시오. 일반적으로, 0.05의 유의 수준(α 또는 알파로 표시함)이 좋습니다. 0.05의 유의 수준은 등급이 서로 연관되어 있지 않는데 연관되어 있다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.
p-값 ≤ α: 평가자 합치가 우연에 의한 것이 아니다(H0 기각).
p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각하고 평가자 등급이 서로 연관되어 있다는 결론을 내립니다.
p-값 > α: 평가자 합치가 우연에 의한 것이다(H0을 기각할 수 없음).
p-값이 유의 수준보다 크면 평가자 등급이 서로 연관되어 있다는 결론을 내릴 수 있는 충분한 증거가 없기 때문에 귀무 가설을 기각할 수 없습니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오