Kendall‘s Tau与Kendall‘s W意义之解释

Alway指冷

已于 2024-04-26 15:31:07 修改

阅读量281

点赞数 2

文章标签：大数据

于 2024-04-25 16:51:47 首次发布

本文链接：https://blog.csdn.net/qq_43281582/article/details/138193799

版权

本文介绍了KendallsTau统计量，用于衡量两名医生对病人健康水平评估的一致性。讨论了Taux和Taub的计算方法，以及在存在平局时的处理策略。KendallsW则适用于多医生对多病人健康状况的评估，通过方差变化反映评分的一致性。

摘要由CSDN通过智能技术生成

Kendall's Tau

Kendall's tau计算过程

仍以链接中的2名医生对6名病人评估健康水平为例，怎么样去衡量两名医生评估结果的一致性呢？

将6名病人的健康水平进行两两比较，总共需要做 $n_0=C_n^2=\frac{n(n-1)}{2}=15$ 次比较。假如在15次比较中，两名医生认为的“更健康的人”是同一人的次数为C，意见不一致的次数为D，那么就得到了 $Kendall's~tau=\frac{C-D}{n_0}$

如果每次比较，两名医生所认为的“更健康的人”都是同一人，那么可以认为评估结果是完全一致的，此时相关系数等于1

如果两名医生每次意见都相反，可以认为评估结果是完全相反，此时相关系数等于-1，相当于“一名医生按健康水平从低到高给病人排序的结果”刚好等同于“另一名医生从高到低排序的结果”

如果其中有一名医生在评估时，选择“更健康的人”是完全随机的，也就会有一半的次数两医生意见相同，另外一半次数意见不同，此时相关系数为0。

Kendall's tau有三种变体，这里只讲tau a和tau b，因为tau c我也不懂

仍以链接中的2名医生对6名病人评估健康水平为例，但是医生只能给出“健康，不健康，非常不健康”三种评分，这样一来，就会有一些病人的健康评分相等，称为“平局”，英文叫"tie"。计算过程仍然是把所有病人进行两两比较，总共有5种情况：

两名医生认为的“更健康的人”是同一人
两名医生认为的“更健康的人”不是同一人
两名医生都认为病人的健康水平相等
第一名医生认为病人的健康水平相等，第二名医生认为不相等
第二名医生认为病人的健康水平相等，第一名医生认为不相等

以上5种情况的出现次数分别计为C, D, Txy, Tx, Ty

注意到 $n_0=C+D+T_x +T_y+T_{xy}$

再设 $n_1=T_{xy}+T_x$ ， $n_2=T_{xy}+T_y$

于是 $tau_b =\frac{C-D}{\sqrt{(n_0-n_1)(n_0-n_2)}}=\frac{C-D}{\sqrt{(C+D+T_x)(C+D+T_y)}}$

可见，没有平局的情况下，Txy=Tx=Ty=0，此时tau a和tau b相等

有平局的情况下，tau b的对策是“不计入Txy的情况，Tx和Ty的情况只部分计入”

为什么tau b要把平局情况排除在外呢？假设两名医生比较病人A和B的健康水平，一名医生认为B更健康，但是相差不太大，所以都评了“健康”；另一名医生认为A更健康，但相差不太大，于是也都评了"健康"。虽然评分是一样的，但两名医生的意见其实是相反的！这就意味着，平局情况下，既可能是意见一致，也可能是意见不一致，根本无法判断。