계수형 합치도 분석에 대한 카파 통계량

카파 통계량에 대한 정의 및 해석 방법을 확인해 보십시오.

이 항목의 내용

반응값
카파
SE 카파
Z
P(대 > 0)

반응값

데이터의 범주 수준입니다. 예를 들어, 평가자가 1–5 등급을 사용하는 경우 반응값은 1–5입니다.

카파

카파는 평가자가 동일할 수 있는 최대 합치도 횟수 비율(우연 합치도에 대한 교정)에 대해 평가자가 실제로 동일한 합치도 횟수 비율(우연 합치도에 대한 교정)의 비입니다.

평가자가 동일한 표본을 평가할 때 여러 평가자의 명목형 또는 순서형 등급의 합치도를 평가하려면 카파 통계량을 사용하십시오.

Minitab에서는 Fleiss의 카파와 Cohen의 카파를 모두 계산할 수 있습니다. Cohen의 카파는 두 평가자 간의 평가 합치율을 측정하기 위해 일반적으로 사용되는 통계량입니다. Fleiss의 카파는 Cohen의 카파를 3명 이상의 평가자에 대해 일반화한 통계량입니다. 계수형 합치도 분석에서는 기본적으로 Fleiss의 카파를 계산합니다.

Minitab에서는 데이터가 다음 요건을 충족하는 경우 Cohen의 카파를 계산할 수 있습니다.

평가자 내 Cohen의 카파를 계산하려면 각 평가자에 대해 2번의 시행이 있어야 합니다.
평가자 간 Cohen의 카파를 계산하려면 시행 횟수가 1번인 평가자 2명이 있어야 합니다.
각 평가자 대 표준 및 모든 평가자 및 표준에 대해 Cohen의 카파를 계산하려면 각 표본에 대해 표준을 제공해야 합니다.

해석

카파 값의 범위는 –1에서 +1 사이입니다. 다음과 같이 카파 값이 클수록 합치도가 강합니다.

카파 = 1이면 완전하게 합치하는 것입니다.
카파 = 0이면 합치가 우연히 발생하기를 기대하는 것과 같습니다.
카파 < 0이면 합치가 우연히 발생하기를 기대하는 것보다 약하며, 이러한 경우는 거의 발생하지 않습니다.

AIAG에 따르면 카파 값이 0.75 이상이면 적절히 합치됨을 나타냅니다. 그러나 더 큰 카파 값(예: 0.90)이 바람직합니다.

1-5의 척도를 사용하여 결점의 심각한 정도를 표시할 때처럼 등급이 순서형인 경우에는 일반적으로 카파보다는 Kendall의 계수가 연관성을 평가하는 데 더 적절한 통계량입니다.

자세한 내용은 카파 통계량 및 Kendall의 계수를 참조하십시오.

SE 카파

추정된 카파 통계량의 표준 오차는 추정값의 정밀도를 측정합니다. 표준 오차가 작을수록 추정값의 정확도가 높아집니다.

Z

Z는 근사 정규 검정 통계량인 z-값입니다. z-값은 p-값을 결정하는 데 사용됩니다.

P(대 > 0)

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

다음 귀무 가설을 기각할 수 있는지 또는 기각할 수 없는지 여부를 확인하려면 카파에 대한 p-값을 사용하십시오.

평가자 내에 대한 H₀: 평가자 내 합치가 우연에 의한 것이다.
각 평가자 대 표준에 대한 H₀: 평가자의 등급과 표준 간의 합치가 우연에 의한 것이다.
평가자 간에 대한 H₀: 평가자 간의 합치도가 우연에 의한 것이다.
모든 평가자 대 표준에 대한 H₀: 모든 평가자의 등급과 표준 간의 합치도가 우연에 의한 것이다.

Minitab에서는 z-값을 사용하여 p-값을 결정합니다.

해석

합치도가 우연에 의한 것인지 여부를 확인하려면 p-값을 유의 수준과 비교하십시오. 일반적으로, 0.05의 유의 수준(α 또는 알파로 표시함)이 좋습니다. 0.05의 유의 수준은 평가자의 등급이 합치하지 않는데 합치한다는 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 합치가 우연에 의한 것과 유의하게 다르다는 결론을 내립니다.
p-값 > α: 평가자 합치가 우연에 의한 것이다(H₀을 기각할 수 없음).: p-값이 유의 수준보다 크면 평가자 합치가 우연에 의한 것과 다르다는 결론을 내릴 수 있는 충분한 증거가 없기 때문에 귀무 가설을 기각할 수 없습니다.