kappa一致性检验亚太杯数学建模.docxVIP

分析流程

数据源：

使用数据(1).xlsx

算法配置：

算法：Kappa一致性检验

分析结果：

暂无数据

分析步骤

1.先对不同变量之间是否存在统计上的显著关系进行检验，判断P值是否呈现出显著性(P0.05)，若呈显著性，则说明两变量之间存在相关性。

2.分析Kappa系数的正负向以及相关性程度。

3.对分析结果进行总结。

详细结论

输出结果1：Kappa一致性检验

Kappa一致性检验

配对项

Kappa值

标准误差

z

P

Date配对CustomerID

0

0

NaN

Date配对ProductID

0.001

NaN

Date配对Country

0

0

0.037

0.970

CustomerID配对ProductID

0

0

NaN

CustomerID配对Country

0

0

NaN

ProductID配对Country

0.001

0

6.23

0.000***

注：***、**、*分别代表1%、5%、10%的显著性水平

图表说明：

上表展示了Kappa系数检验的参数结果表，包括了Kappa系数、显著性P值。

●先对不同变量之间是否存在统计上的显著性关系进行检验，判断P值是否呈现显著性。

●若呈现显著性，则说明两变量之间存在相关性，反之，则两变量之间不存在相关性。

●分析Kappa系数的正负向以及相关性程度。

智能分析：

Kappa系数检验的结果显示：

基于变量Date和CustomerID，可以看到显著性P值为NaN，水平上不呈现显著性，不能拒绝原假设，说明两变量之间不存在一致性。同时，Kappa系数的值为0.0，因此相关性的程度为极低的一致性。

基于变量Date和ProductID，可以看到显著性P值为NaN，水平上不呈现显著性，不能拒绝原假设，说明两变量之间不存在一致性。同时，Kappa系数的值为0.001，因此相关性的程度为极低的一致性。

基于变量Date和Country，可以看到显著性P值为0.970，水平上不呈现显著性，不能拒绝原假设，说明两变量之间不存在一致性。同时，Kappa系数的值为0.0，因此相关性的程度为极低的一致性。

基于变量CustomerID和ProductID，可以看到显著性P值为NaN，水平上不呈现显著性，不能拒绝原假设，说明两变量之间不存在一致性。同时，Kappa系数的值为0.0，因此相关性的程度为极低的一致性。

基于变量CustomerID和Country，可以看到显著性P值为NaN，水平上不呈现显著性，不能拒绝原假设，说明两变量之间不存在一致性。同时，Kappa系数的值为0.0，因此相关性的程度为极低的一致性。

基于变量ProductID和Country，可以看到显著性P值为0.000***，水平上呈现显著性，拒绝原假设，说明两变量之间存在一致性。同时，Kappa系数的值为0.001，因此相关性的程度为极低的一致性。

输出结果2：Kappa相关系数矩阵热力图

图表说明：

上图展示了热力图的形式展示了Kappa值，主要通过颜色深浅去表现值的大小。

参考文献

[1]?ScientificPlatformServingforStatisticsProfessional2021.SPSSPRO.(Version1.0.11)[OnlineApplicationSoftware].?Retrievedfrom.

[2]?夏邦世,吴金华.Kappa一致性检验在检验医学研究中的应用[J].中华检验医学杂志,2006,29(1):83-84.