Nazwy poleceń aplikacji, identyfikatory kolumn i wartości danych przykładowych zachowano w oryginale. Zrzuty ekranu, wykresy i pliki do pobrania są w języku angielskim.
Przykład: kontrola wyglądu
Dwaj kontrolerzy klasyfikują te same 60 malowanych obudów jako Accept lub Reject. Decyzja wzorcowa zespołu jakości jest ukryta. Badanie obejmuje przypadki jednoznaczne i graniczne, łącznie 120 ocen.
Pobierz przykład kontroli wyglądu (CSV w języku angielskim)To ten sam przykład co w Help. sample_id identyfikuje obudowę, operator_id kontrolera, trial wynosi 1, decision zawiera ocenę kontrolera, a reference_decision ocenę wzorcową zespołu.
1. Utwórz analizę
Na pasku bocznym otwórz Measurement systems, wybierz Kappa (Attributes) i nazwij analizę. Wybierz New blank worksheet oraz Create analysis.
2. Zaimportuj dane
Na karcie Worksheet wybierz Import. Wskaż pobrany plik lub wklej zawartość. Ustaw separator Comma, wybierz Decimal dot i zaznacz First row contains column names. Sprawdź podgląd i wybierz Import into worksheet. Zachowaj każdy wiersz w pierwotnej kolejności.
3. Przypisz kolumny wejściowe
Na karcie Inputs przypisz sample_id do Sample ID, operator_id do Appraiser, trial do Trial ID, decision do Rating, a reference_decision do Reference rating (optional) z selektora kolumn.
Sprawdź wykrycie 60 × 2 × 1: 60 obudów, dwóch kontrolerów, jedno powtórzenie.
4. Ustaw opcje badania
Wpisz 0.05 w Significance level (α). W Appraiser vs standard κ wybierz Pool ratings across trials.
Otwórz Bootstrap intervals. Wpisz 1000 w Number of bootstrap resamples i 42 w Bootstrap seed. Zachowaj kolejność danych i ziarno, aby odtworzyć przedziały. Dla tego badania nie potrzebujesz Create a worksheet template. Bootstrap wielokrotnie losuje obudowy ze zwracaniem do oszacowania niepewności przedziałów. Ziarno ustala sekwencję losowań, zapewniając odtwarzalność, a nie większą dokładność.
5. Uruchom analizę
Wybierz Run analysis, a następnie otwórz Results.
6. Zinterpretuj wyniki
Porównaj kontrolerów
Kontrolerzy zgadzają się dla 48 z 60 obudów, czyli 80%. Mapa pokazuje κ Cohena = 0.5946, korygujące zgodność o przypadkową zgodność wynikającą z sum ocen. 95% przedział to około 0.3667–0.7966. κ nie jest procentem trafności.
κ Cohena między dwoma kontrolerami. To zgodność skorygowana o przypadek, nie procent trafności. Otwórz wykres w pełnym rozmiarze (otwiera się w nowej karcie) Porównaj z wartością odniesienia
Obaj kontrolerzy zgadzają się z 52 z 60 decyzji wzorcowych. A przeocza cztery wzorcowe odrzuty i odrzuca cztery wzorcowe akceptacje. B przeocza dwa odrzuty i odrzuca sześć akceptacji. Taka sama łączna zgodność ukrywa różne rodzaje błędów.
Odczytaj tabele błędów
Strzałka oznacza decyzja kontrolera → decyzja wzorcowa. Accept→Reject to przeoczony odrzut; Reject→Accept to fałszywy alarm. Odsetki przeoczeń odnoszą się do 24 wzorcowych odrzutów, a fałszywych alarmów do 36 wzorcowych akceptacji.
Uwzględnij schemat badania
Badanie zawiera 60% wzorcowych akceptacji i 40% odrzutów. Proporcja wpływa na κ i nie jest produkcyjnym odsetkiem braków. Każdy kontroler ocenia obudowę raz, więc badanie nie sprawdza powtarzalności jego decyzji.
Wybierz, co przeanalizować
Przeanalizuj sporne obudowy według pisemnych kryteriów. Oddzielnie rozpatrz przeoczone odrzuty i fałszywe alarmy. Dodaj kolejną rundę badania, aby ocenić spójność decyzji każdego kontrolera.
Więcej szczegółów: omówienie poszczególnych wyników
Pełne tabele wyników zachowują sześć cyfr znaczących, tak jak w sekcji Help.
Między operatorami (κ parami)
Kontrolerzy zgadzają się dla 48 z 60 obudów (80%). Oczekiwana zgodność z rozkładów brzegowych to 50.67%, co daje κ Cohena = 0.5946. 95% przedział bootstrapu z ustalonym ziarnem to około 0.3667–0.7966. κ nie jest procentem trafności, a zgodność kontrolerów nie potwierdza zgodności ze wzorcem.
| Pierwszy oceniający / powtórzenie | Drugi oceniający / powtórzenie | Porównania | Zaobserwowana zgodność P₀ | Oczekiwana zgodność Pₑ | κ | 95% przedział ufności — dolna granica | 95% przedział ufności — górna granica |
|---|---|---|---|---|---|---|---|
| Inspector A | Inspector B | 60 | 0.8 | 0.506667 | 0.594595 | 0.366667 | 0.79661 |
Operator względem wzorca (trafność)
Obaj kontrolerzy zgadzają się z 52 z 60 decyzji wzorcowych (86.67%). κ nieznacznie się różni: 0.7222 dla A, 0.7297 dla B, bo różnią się rozkłady brzegowe kategorii. Reject jest kategorią wady. Przeoczenia to 16.67% dla A i 8.33% dla B; fałszywe alarmy odpowiednio 11.11% i 16.67%. Odsetki mają różne mianowniki kategorii wzorcowych.
κ względem wzorca używa jednego współczynnika Cohena dla połączonych ocen rund. Zgodność zaobserwowana i oczekiwana to łączne udziały. Skuteczność, przeoczenia i fałszywe alarmy są udziałami (0–1).
| Operator | Porównania | Zaobserwowana zgodność P₀ | Oczekiwana zgodność Pₑ | κ | 95% przedział ufności — dolna granica | 95% przedział ufności — górna granica | Skuteczność (wszystkie) | Skuteczność (dowolny) | Odsetek przeoczeń | Odsetek fałszywych alarmów |
|---|---|---|---|---|---|---|---|---|---|---|
| Inspector A | 60 | 0.866667 | 0.52 | 0.722222 | 0.507042 | 0.893365 | 0.866667 | — | 0.166667 | 0.111111 |
| Inspector B | 60 | 0.866667 | 0.506667 | 0.72973 | 0.533333 | 0.897727 | 0.866667 | — | 0.0833333 | 0.166667 |
Liczby pomyłek — kontroler A względem wzorca
Strzałka oznacza decyzja kontrolera → wzorzec. Accept→Reject to cztery przeoczenia spośród 24 wzorcowych odrzutów. Reject→Accept to cztery fałszywe alarmy spośród 36 akceptacji. Pozostałe 52 decyzje są zgodne ze wzorcem.
| Decyzja → wzorzec | Liczba |
|---|---|
| Accept→Accept | 32 |
| Accept→Reject | 4 |
| Reject→Accept | 4 |
| Reject→Reject | 20 |
Liczby pomyłek — kontroler B względem wzorca
Kontroler B przeocza dwa z 24 wzorcowych odrzutów i fałszywie odrzuca sześć z 36 wzorcowych akceptacji. Ta sama łączna zgodność co u A ukrywa inny rozkład błędów.
| Decyzja → wzorzec | Liczba |
|---|---|
| Accept→Accept | 30 |
| Accept→Reject | 2 |
| Reject→Accept | 6 |
| Reject→Reject | 22 |
Częstość kategorii
Skład wzorca to 60% Accept i 40% Reject: 36 i 24 obudowy. To proporcje badania, nie oszacowanie produkcyjnego odsetka braków. Częstość kategorii wpływa na zgodność skorygowaną o przypadek; porównuj κ z właściwym kontekstem.
| Kategoria | Udział |
|---|---|
| Accept | 0.6 |
| Reject | 0.4 |
Kappa — podsumowanie badania
Jest 60 próbek, dwóch kontrolerów i brak pominiętych porównań. Każdy ocenia próbkę raz, więc nie można ocenić jego powtarzalności. Ziarno 42 i 1,000 powtórzeń odtwarza przedziały bootstrapu przy tych samych danych, ustawieniach i wersji obliczeń. Puste ziarno oznacza losowe próbkowanie.
| Statystyka | Wartość |
|---|---|
| Części | 60 |
| Operatorzy | Inspector A, Inspector B |
| Kategorie | Accept, Reject |
| Metoda między / wewnątrz | κ Cohena |
| Metoda porównania powtórzeń ze wzorcem | Połączone oceny |
| Pominięte porównania | 0 |
| Ziarno bootstrapu | 42 |
Liczby kontyngencji — kontroler A / kontroler B
Tabela kontyngencji porównuje bezpośrednio kontrolerów A i B. Wyjaśnia ich zgodność zaobserwowaną; do oceny przeoczeń i fałszywych alarmów użyj tabel pomyłek względem wzorca.
| Pierwsza kategoria | Druga kategoria | Liczba |
|---|---|---|
| Accept | Accept | 28 |
| Accept | Reject | 8 |
| Reject | Accept | 4 |
| Reject | Reject | 20 |
7. Utwórz raport
Zachowaj Between operators (pairwise κ), Operator vs standard (accuracy), obie tabele pomyłek względem wzorca, Category prevalence, Kappa — study summary, tabelę kontyngencji kontrolerów i mapę zgodności. Zapisz, że każdy kontroler ocenił każdą obudowę raz. Natywny raport jest po angielsku.
Wybierz Add to report z zakończonego przebiegu. Otwórz Choose individual items and advanced options aby wybrać tabele i wykresy, a następnie wybierz Add to draft. Ukryte elementy pozostają w zapisanej analizie.
Nadaj raportowi nazwę, dodaj cel badania i swoją interpretację. Wybierz Save, sprawdź Preview, a następnie użyj Export → Download HTML. Poniższy przykład zawiera całą wybraną treść, w tym wyniki wykraczające poza jeden ekran.