R 科恩';s Kappa分析,有数据输入的问题
我需要测量25只猴子的两个人ID的观察者间可靠性。 下载的软件包包括:R 科恩';s Kappa分析,有数据输入的问题,r,R,我需要测量25只猴子的两个人ID的观察者间可靠性。 下载的软件包包括:irr和psych 实际上,我的两个专栏如下所示: obs_1 = c(1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1), obs_1 = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1) 因此obs 1列中的2表示我和另一
irr
和psych
实际上,我的两个专栏如下所示:
obs_1 = c(1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1),
obs_1 = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
因此obs 1列中的2表示我和另一个观察者的姓名(ID)不一致
我将上述列组合成一个数据框:
df2<- as.data.frame (cbind(obs_1,obs_2))
或
我确实收到了k的估算值,我的输出如下所示:
Cohen Kappa and Weighted Kappa correlation coefficients and confidence boundaries
lower estimate upper
unweighted kappa -4.4e-07 0 4.4e-07
weighted kappa -4.4e-07 0 4.4e-07
Number of subjects = 25
我哪里出错了?我认为问题在于您的数据几乎没有变化。唯一的变化是意见分歧。因此,Kappa为零。例如,如果您更改示例以完成协议,您将获得1的Kappa:
obs_1 = c(1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
obs_2 = c(1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
df2<- data.frame(obs_1,obs_2)
cohen.kappa(df2)
Cohen Kappa and Weighted Kappa correlation coefficients and confidence boundaries
lower estimate upper
unweighted kappa 1 1 1
weighted kappa 1 1 1
obs_1=c(1,1,1,1,1,1,2,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
obs_2=c(1,1,1,1,1,1,1,2,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
DF2你不需要像.data.frame(cbind(…)
那样做,只要做data.frame(…)
。我个人对科恩的卡帕并不熟悉,但k
只是Kappa
?仅在与ICC进行加权比较时引用“k”,如果我理解正确,这是一个输入,而不是输出。(我可能有点走神了,只是问一下。)也许这个问题更适合你。在这一点上,我不投票支持迁移,但请考虑一下。谢谢你,你有没有什么方法可以像我一样,考虑进行这种分析?i、 显然有很多猴子的名字,我只是用这些数字来表示我和其他观察者是否同意。对于这种类型的分析,是否有更好的方法证明这种同意/不同意,或者另一种分析会更好?如果你使用实际的猴子名字或猴子ID,你应该得到Kappa的合理估计。您当前所做的是计算同意/不同意指标,然后运行Kappa函数。跳过第一步。
Cohen Kappa and Weighted Kappa correlation coefficients and confidence boundaries
lower estimate upper
unweighted kappa -4.4e-07 0 4.4e-07
weighted kappa -4.4e-07 0 4.4e-07
Number of subjects = 25
obs_1 = c(1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
obs_2 = c(1, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
df2<- data.frame(obs_1,obs_2)
cohen.kappa(df2)
Cohen Kappa and Weighted Kappa correlation coefficients and confidence boundaries
lower estimate upper
unweighted kappa 1 1 1
weighted kappa 1 1 1