属性一致性分析示例

一家纺织品印染公司的织物检验员为棉织物的印染质量评级，等级范围为 1 至 5 级。质量工程师想评估这些印染质量评级的一致性和正确性。该工程师让四位检验员对 50 件织物样本进行印染质量评级（按随机顺序）。

因为这些数据包含每个样本的已知标准，所以质量工程师可以评估与标准以及其他检验员相对比的评级一致性和正确性。

打开样本数据织物印刷质量.MWX.
选择统计 > 质量工具 > 属性一致性分析。
在数据排列为中，选择属性列，然后输入响应。
在样本中，输入样本。
在检验员中，输入检验员。
在已知标准/属性中，输入标准。
选择属性数据的类别是有序的。
单击确定。

解释结果

检验员自身表: 因为每位检验员为每个样本提供两个或两个以上评级，所以工程师可评估每位检验员的一致性。; 所有检验员的匹配率都不错，Amanda 的匹配率最高 (100%)，Eric 的最低 (86%)。; 在 α = 0.05 的情况下，对于所有的检验员和所有的响应，Fleiss 的 kappa 统计量的 p 值为 0.0000。因此，工程师否定原假设（一致性只是出于偶然）。; 由于此示例具有顺序评级，因此工程师会检查 Kendall 一致性系数。对于所有的检验员，Kendall 一致性系数介于 0.98446 和 1.000 之间，这表明一致性水平较高。
“每位检验员与标准”表: 因为每个样本均具有一个已知标准，所以工程师可评估每位检验员评级的准确性和一致性。; 每位检验员评定了 50 个织物样本的等级（检验数）。Amanda 在试验中正确判断了 47 个样本（匹配数），匹配率为 94%。Eric 在试验中正确判断了 41 个样本，匹配率为 82%。; 在 α = 0.05 的情况下，对于所有检验员与所有响应，Fleiss 的 kappa 的 p 值为 0.0000。因此，工程师否定原假设（一致性只是出于偶然）。; 所有检验员的 Kendall 相关系数介于 0.951863 和 0.975168 之间，这确认了与标准的一致性较高。
“检验员之间”表: “检验员之间”表显示了检验员就 50 个样本中 37 个样本的评级进行商定。; 整体 kappa 值为 0.881705 表示不同检验员所提供评级之间的绝对一致性较高。Kendall 一致性系数为 0.976681 确认了这一较强的关联。; 检验员之间的统计量不会将检验员的评级与标准进行比较。尽管检验员的评级可能一致，但是这些统计量不会表明评级是否正确。
“所有检验员与标准”表: 因为每个样本有已知标准，所以工程师可评估所有检验员评级的准确性。; 检验员将所有检验员评估的 50 个评级中的 37 个评级与已知标准进行匹配，匹配率为 74.0%。; 整体 kappa 值为 0.912082 表示不同检验员所提供评级之间的一致性较高，并且这些评级与标准的一致性也很高。Kendall 一致性系数为 0.965563 确认了这一较强的关联。; “所有检验员与标准”统计量的确会对检验员的评级与标准进行比较。工程师可以断定不同检验员的评级一致而且正确。

注意

虽然输出中的 p 值 0.0000 已进行取整，但是您可以放心地断定 p 值非常低而且小于 0.00005。

检验员	# 检验数	# 相符数	百分比	95% 置信区间
Amanda	50	50	100.00	(94.18, 100.00)
Britt	50	48	96.00	(86.29, 99.51)
Eric	50	43	86.00	(73.26, 94.18)
Mike	50	45	90.00	(78.19, 96.67)

检验员	响应	Kappa	Kappa 标准误	Z
Amanda	1	1.00000	0.141421	7.0711
	2	1.00000	0.141421	7.0711
	3	1.00000	0.141421	7.0711
	4	1.00000	0.141421	7.0711
	5	1.00000	0.141421	7.0711
	整体	1.00000	0.071052	14.0741
Britt	1	1.00000	0.141421	7.0711
	2	0.89605	0.141421	6.3360
	3	0.86450	0.141421	6.1129
	4	1.00000	0.141421	7.0711
	5	1.00000	0.141421	7.0711
	整体	0.94965	0.071401	13.3002
Eric	1	0.83060	0.141421	5.8733
	2	0.84000	0.141421	5.9397
	3	0.70238	0.141421	4.9666
	4	0.70238	0.141421	4.9666
	5	1.00000	0.141421	7.0711
	整体	0.82354	0.071591	11.5034
Mike	1	1.00000	0.141421	7.0711
	2	0.83060	0.141421	5.8733
	3	0.81917	0.141421	5.7924
	4	0.86450	0.141421	6.1129
	5	0.86450	0.141421	6.1129
	整体	0.87472	0.070945	12.3295

检验员	系数	卡方	自由度	P
Amanda	1.00000	98.0000	49	0.0000
Britt	0.99448	97.4587	49	0.0000
Eric	0.98446	96.4769	49	0.0001
Mike	0.98700	96.7256	49	0.0001

检验员	# 检验数	# 相符数	百分比	95% 置信区间
Amanda	50	47	94.00	(83.45, 98.75)
Britt	50	46	92.00	(80.77, 97.78)
Eric	50	41	82.00	(68.56, 91.42)
Mike	50	45	90.00	(78.19, 96.67)

检验员	响应	Kappa	Kappa 标准误	Z
Amanda	1	1.00000	0.100000	10.0000
	2	0.83060	0.100000	8.3060
	3	0.81917	0.100000	8.1917
	4	1.00000	0.100000	10.0000
	5	1.00000	0.100000	10.0000
	整体	0.92476	0.050257	18.4006
Britt	1	1.00000	0.100000	10.0000
	2	0.83838	0.100000	8.3838
	3	0.80725	0.100000	8.0725
	4	1.00000	0.100000	10.0000
	5	1.00000	0.100000	10.0000
	整体	0.92462	0.050396	18.3473
Eric	1	0.91159	0.100000	9.1159
	2	0.81035	0.100000	8.1035
	3	0.72619	0.100000	7.2619
	4	0.84919	0.100000	8.4919
	5	1.00000	0.100000	10.0000
	整体	0.86163	0.050500	17.0622
Mike	1	1.00000	0.100000	10.0000
	2	0.91694	0.100000	9.1694
	3	0.90736	0.100000	9.0736
	4	0.92913	0.100000	9.2913
	5	0.93502	0.100000	9.3502
	整体	0.93732	0.050211	18.6674

属性一致性分析示例

解释结果

注意

评估一致性

Fleiss 的 Kappa 统计量

Kendall 的一致性系数

评估一致性

Fleiss 的 Kappa 统计量

Kendall 的相关系数

评估一致性

Fleiss 的 Kappa 统计量

Kendall 的一致性系数

评估一致性

Fleiss 的 Kappa 统计量

Kendall 的相关系数

检验员	系数	系数标准误	Z
Amanda	0.967386	0.0690066	14.0128
Britt	0.967835	0.0690066	14.0193
Eric	0.951863	0.0690066	13.7879
Mike	0.975168	0.0690066	14.1256

响应	Kappa	Kappa 标准误	Z
1	0.954392	0.0267261	35.7101
2	0.827694	0.0267261	30.9695
3	0.772541	0.0267261	28.9058
4	0.891127	0.0267261	33.3429
5	0.968148	0.0267261	36.2248
整体	0.881705	0.0134362	65.6218

响应	Kappa	Kappa 标准误	Z
1	0.977897	0.0500000	19.5579
2	0.849068	0.0500000	16.9814
3	0.814992	0.0500000	16.2998
4	0.944580	0.0500000	18.8916
5	0.983756	0.0500000	19.6751
整体	0.912082	0.0251705	36.2362