Kappa Statistiken In Stata Forex

Wenn zwei Binärvariablen Versuche von zwei Individuen sind, das Gleiche zu messen, können Sie Cohens Kappa (oft einfach Kappa genannt) als Maß für die Übereinstimmung zwischen den beiden Individuen verwenden. Kappa misst den Prozentsatz der Datenwerte in der Hauptdiagonale der Tabelle und passt diese Werte dann auf den Betrag an, der aufgrund des Zufalls allein zu erwarten wäre. Zwei Ratten werden gebeten, Objekte in die Kategorien 1 und 2 einzuordnen. Die folgende Tabelle enthält Zellwahrscheinlichkeiten für eine Tabelle 2 zu 2. Um Kappa zu berechnen, müssen Sie zuerst den beobachteten Grad der Übereinstimmung berechnen. Dieser Wert muss mit dem Wert verglichen werden, den Sie erwarten würden, wenn die beiden Ratter vollständig unabhängig wären. Der Wert von Kappa ist definiert als Der Zähler repräsentiert die Diskrepanz zwischen den beobachteten Werten Wahrscheinlichkeit des Erfolges und die Wahrscheinlichkeit des Erfolges unter der Annahme eines extrem schlechten Falles. Unabhängigkeit impliziert, dass Paar von Ratern zu vereinbaren, so oft wie zwei Paare von Menschen, die effektiv Flip-Münzen, um ihre Ratings zu machen. Der Maximalwert für kappa tritt auf, wenn das beobachtete Übereinstimmungsniveau gleich 1 ist, was den Zähler so groß macht wie der Nenner. Wenn die beobachtete Wahrscheinlichkeit der Übereinstimmung abnimmt, nimmt der Zähler ab. Es ist möglich, daß Kappa negativ ist, aber dies tritt nicht zu oft auf. In einem solchen Fall sollten Sie den Wert von Kappa deuten, dass es keine wirksame Vereinbarung zwischen den beiden Sätzen gibt. Wie interpretieren Kappa Kappa ist immer kleiner oder gleich 1. Ein Wert von 1 impliziert perfekte Übereinstimmung und Werte weniger als 1 bedeutet weniger als perfekte Übereinstimmung. In seltenen Fällen kann Kappa negativ sein. Dies ist ein Zeichen, dass die beiden Beobachter weniger zustimmten, als es nur zufällig zu erwarten wäre. Es ist selten, dass wir einverstanden sind. Unterschiedliche Menschen haben unterschiedliche Interpretationen, was ist ein gutes Maß an Übereinstimmung. Am Ende dieser Seite ist eine Interpretation, die auf Seite 404 der Altman DG zur Verfügung gestellt wird. Praktische Statistik für die medizinische Forschung. (1991) London England: Chapman und Hall. Hier ist eine mögliche Interpretation von Kappa. Schlechte Übereinstimmung Weniger als 0,20 Gerechte Übereinstimmung 0,20 bis 0,40 Mittlere Übereinstimmung 0,40 bis 0,60 Gute Übereinstimmung 0,60 bis 0,80 Sehr gute Übereinstimmung 0,80 bis 1,00 Ein Beispiel von Kappa Bei einer Untersuchung der selbst gemeldeten Verschreibung und Verwendung von verschreibungspflichtigen Medikamenten wurde die folgende Tabelle verwendet beobachtete. Der Wert für Kappa ist 0,16, was auf eine schlechte Übereinstimmung hinweist. Ein zweites Beispiel von Kappa. Die folgende Tabelle stellt die Diagnose von Biopsien von 40 Patienten mit selbst gemeldeten malignen Melanomen dar. Die Zeilen repräsentieren die Diagnose der ersten Pathologen und die Spalten stellen die zweite Pathologe-Diagnose dar. Berechnen Sie Kappa. Auch dies ist nur ein faires Niveau Vereinbarung. Beachten Sie, dass, obwohl die Pathologen 70 der Zeit zugestimmt haben, eine nahezu so große Übereinstimmung (62) durch Zufall allein erwartet werden. Verwenden von SPSS zur Berechnung von Kappa Wie zuvor, wählen Sie ANALYZE DESCRIPTIVE STATISTICS CROSSTABS aus dem SPSS-Menü. Klicken Sie im Dialogfenster auf die Schaltfläche STATISTIK und wählen Sie dann das Kappa-Optionsfeld aus. Am unteren Rand der Seite ist, wie die SPSS-Ausgabe aussehen würde. Ich habe viele Referenzen für kappa und den intraclass Korrelationskoeffizienten, die ich sortieren muss. Heres eine interessante Frage zu diesem Thema: Bill fragt, wie festzustellen, ob eine Stichprobengröße ist ausreichend für die Schätzung einer intraclass Korrelation. Der einfachste Ansatz ist, um zu sehen, ob das Vertrauensintervall, das Sie produziert haben (oder produzieren wird) ausreichend schmal ist, um Ihre Bedürfnisse zu erfüllen. Die Konfidenzintervall-Formeln sind unordentlich, aber wenn Sie dies weiter verfolgen wollen, haben Shoukri und Edge ein Buch, das helfen kann. Nico van Duijn veröffentlicht eine schöne Bibliographie zu diesem Thema auf der Evidence Based Health listserver (abonnieren Sie bei listservmailbase. ac. uk und senden Sie Nachrichten an evidence - based-healthmailbase. ac. uk). Ich werde aus dieser Bibliographie ziehen, um meine Seite zu schreiben. Eine weitere gute Referenz, speziell über Kappa ist hassey. demon. co. ukkappa. rtf, die ein Textverarbeitungsprogramm benötigt, das RTF-Dateien (Rich Text Format) lesen kann. Heres eine E-Mail, die die Grundlage für eine Ask Professor Mean Frage bilden könnte. Ich traf mich mit Ihnen zu Beginn meiner Dissertation und fand Ihren Rat sehr hilfreich. Ich bin in den Prozess der Fertigstellung meiner Daten und haben eine kurze Frage, die ich dachte, Sie könnten mit helfen könnte. Ich habe Verhaltensbeobachtungen für meine Studie, und hatte eine Person Code alle Daten und eine andere Person Code 20 der Daten für Zuverlässigkeit. Ich möchte die Kappa-Gleichung verwenden, um die Zuverlässigkeit zwischen meinen Codierern zu bestimmen. Ich weiß, ich muss vier Zahlen berechnen: 1) Gesamtzahl der Vereinbarungen das Verhalten aufgetreten 2) Gesamtzahl Vereinbarungen das Verhalten nicht aufgetreten 3) Anzahl der Male Coder A sagte ja und Coder B sagte nein, und 4) Anzahl der Male Coder A Sagte nein und Coder B sagte ja. Meine Frage ist, was ich mit diesen Zahlen tun, um eine Kappa-Punktzahl zu erhalten Ich weiß, dass SPSS es tun wird, wenn ich alle Daten eintrage - aber das wären hunderte von Datenpunkten pro Subjekt und würde viel länger dauern, als es von Hand zu berechnen . Alle Informationen, die Sie zur Verfügung stellen würde sehr geschätzt werden. Vielen Dank Rebecca Ein Koeffizient der Vereinbarung für nominalen Skala. Cohen J. Educat Psychol Measure 1960 20: 37 & ndash; 46. Intraclass-Korrelationskoeffizient als Maß für die Zuverlässigkeit. Bartko JJ. Psychol Berichte 1966 19: 3-11. Gewichtete Kappa-Nominale Skala Vereinbarung mit Bestimmung für skalierte Meinungsverschiedenheit oder Teilkredit. Cohen J. Psychol Bull 1968 70: 213 & ndash; 20. Auf verschiedenen Intraclass-Korrelations-Zuverlässigkeitskoeffizienten. Bartko JJ. Psychol Bull 1976 83: 762 & ndash; 5. Die Messung der Beobachtervereinbarung für kategoriale Daten. Landis JR, Koch GG. Biometrics 1977 33: 159 & ndash; 74. Klinische Biostatistik LIV die Biostatistik der Konkordanz. Kramer MS, Feinstein AR. Clin Pharmacol Ther 1981 29: 111 & ndash; 23. Statistische Methoden zur Beurteilung der Beobachtervariabilität bei klinischen Maßnahmen. Brennan P, Silman A. Brit Med. J 1992, 304: 1491 & ndash; 4. Eine Neubewertung des kappa-Koeffizienten. Thompson WD, Walter SD. J Clin Epidemiol 1988 949-58. Bias, Prävalenz und Kappa. Byrt T, Bischof J, Carlin JB. J Clin Epidemiol 1993 46 usw. Gesundheitsmesswaagen, 4. Aufl. Streiner DL, Norman GR. Oxford: Oxford Univ Press, 1994. Eine Interpretation von kappa lautet: 40: schlecht. 40-.59 Messe. 60 - 0,74 gut, gt.74 ausgezeichnet. Leitlinien, Kriterien und Faustregeln für die Bewertung von normierten und standardisierten Beurteilungsinstrumenten in der Psychologie. Cichetti (1994) Psychological Assessment, 6, 284 & ndash; 290. Große Probenvarianz von Kappa bei verschiedenen Sätzen von Ratten. Fleiss, J. L. Nee, J. C.M. Amp Landis, J. R. (1979) Psychological Bulletin, 86, 974 & ndash; 977. Feinstein AR, Cicchetti DV. Hohe Vereinbarung, aber niedrige Kappa: Die Probleme der beiden Paradoxa. J Clin Epidem. 199043: 543 & ndash; 9. Cicchetti DV, Feinstein AR. Hohe Vereinbarung, aber niedrige Kappa: Auflösung der Paradoxa. J Clin Epidem. 199043: 551 & ndash; 8. Thompson WD, Walter SD. Kappa und das Konzept der unabhängigen Fehler. J Clin Epidem. 198841: 969 & ndash; 70. Thompson WD, Walter SD. Eine Neubewertung des kappa-Koeffizienten. J Clin Epidem. 198841: 949 & ndash; 58. Byrt T, Bishop J und Carlin JB (1993) Bias, Prävalenz und Kappa. Journal of Clinical Epidemiology 46: 423. Lantz CA und Nebenzahl E (1996) Verhalten und Interpretation der kappa-Statistik: Auflösung der beiden Paradoxa. Zeitschrift für klinische Epidemiologie 49: 431. Diese Seite wurde von Steve Simon während der Arbeit an Childrens Mercy Hospital geschrieben. Obwohl ich das Urheberrecht für dieses Material nicht halte, reproduziere ich es hier als Dienst, da es nicht mehr auf der Childrens Mercy Hospital-Website verfügbar ist. Brauchen Sie weitere Informationen Ich habe eine Seite mit allgemeinen Hilfe-Ressourcen. Sie können auch nach ähnlichen Seiten durchsuchen unter Kategorie: Definitionen. Kategorie: Messvereinbarung. HINWEIS: Die IDRE Statistical Consulting Group wird im Februar die Website auf das WordPress CMS migrieren, um die Wartung und Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group, indem Sie ein Geschenk geben Stata FAQ Wie kann ich eine Kappa-Statistik für Variablen mit ungleichen Score-Bereichen berechnen Angenommen, wir möchten zwei Ratten mit einer Kappa-Statistik vergleichen, aber die Ratter haben unterschiedliche Bereich der Noten. Diese Situation stellt sich am häufigsten, wenn einer der Ratten nicht die gleiche Palette von Noten wie die anderen Rater. Betrachten wir ein Beispiel, bei dem zwei Absolventen, die gebeten, 12 Filme auf der Grundlage einer Skala von 1-3 bewerten. Ein Rater verwendet alle drei Scores möglich, während die Bewertung der Filme, während die anderen Schüler nicht wie alle Filme und daher bewertet alle von ihnen entweder als 1 oder 2. So ist die Palette von Noten ist das nicht das gleiche für Die beiden Ratten. Statas Befehl kap ist für die Schätzung inter-rater Vereinbarung und es kann die Situationen, in denen die beiden Variablen haben die gleichen Kategorien und andere Situationen, wo sie nicht, was der Fall oben dargestellt ist. Hier ist ein Beispiel. Der Inhalt dieser Website sollte nicht als eine Bestätigung für eine bestimmte Website, ein Buch oder ein Softwareprodukt der Universität von Kalifornien verstanden werden.