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：

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