Kappa一致性测量
用于两种测量结果的一致性比较,必须是n*n的矩阵
取值范围:-1(不一至)~1(一致)
Kappa值的指导准则(并非绝对标准):越高越好!
Kappa≥0.75,说明两种方法结果一致性较好
0.4≤Kappa< 0.75,说明两种方法结果一致性一般
Kappa< 0.4,说明两种方法结果一致性较差
K=0.49,Z=5.213大于99%的标准正态分布Z值2.58,故p<0.01 (1.858e-07)=> 故推断该k值并非由于抽样误差所致,接受由该k值所下的统计推断(一般一致),如果Z值<1.96,则p>0.05,则k值大小没有意义。
Library(vcd)
x<-cbind(c(115,103),c(121,180))
Kappa(x)
卡方检验:对稀疏矩阵无效
卡方独立性检验
chisq.test(data,correct=F) Correct等于T时,为默认值,p<0.05拒绝“这两 个变量是独立的”的原假设。
卡方等比例检验
chisq.test(data,correct=T)
chisq.test(data,correct=F)
原假设为某个变量在所有总体中的分布是一样的
卡方拟合优先度检验
x<-c(1,99)
p<-c(0.05,99.95)
chisq.test(x, p = p, rescale.p = TRUE)
原假设:一个分类变量的总体
用于两种测量结果的一致性比较,必须是n*n的矩阵
取值范围:-1(不一至)~1(一致)
Kappa值的指导准则(并非绝对标准):越高越好!
Kappa≥0.75,说明两种方法结果一致性较好
0.4≤Kappa< 0.75,说明两种方法结果一致性一般
Kappa< 0.4,说明两种方法结果一致性较差
K=0.49,Z=5.213大于99%的标准正态分布Z值2.58,故p<0.01 (1.858e-07)=> 故推断该k值并非由于抽样误差所致,接受由该k值所下的统计推断(一般一致),如果Z值<1.96,则p>0.05,则k值大小没有意义。
Library(vcd)
x<-cbind(c(115,103),c(121,180))
Kappa(x)
卡方检验:对稀疏矩阵无效
卡方独立性检验
chisq.test(data,correct=F) Correct等于T时,为默认值,p<0.05拒绝“这两 个变量是独立的”的原假设。
卡方等比例检验
chisq.test(data,correct=T)
chisq.test(data,correct=F)
原假设为某个变量在所有总体中的分布是一样的
卡方拟合优先度检验
x<-c(1,99)
p<-c(0.05,99.95)
chisq.test(x, p = p, rescale.p = TRUE)
原假设:一个分类变量的总体