R语言学习（三）

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