《测量系统分析教材》课件-4计数型测量系统分析

第四章计数型测量系统分析测量系统分析计数型MSA基本概念；注意事项。量具性能曲线；内容提纲相关性检验；一致性检验；计数型MSA基本概念；注意事项。量具性能曲线；内容提纲相关性检验；一致性检验；4.1计数型MSA基本概念离散测量值又分为定类数据和定序数据定类数据：按照目标被测特性差异进行辨别和分类的结果，可用文字、数字表示，作为一种标识，如“合格”、“不合格”。定序数据：按照目标被测特性顺序差异进行辨别和分类的结果，可用文字、数字表示，作为一种标识，如“优”、“良”、“中”、“差”。主要区别：定序数据间存在自然顺序；定类数据间是平等的，无自然顺序。产生离散测量值的测量系统称为计数型测量系统。4.1计数型MSA基本概念计数型测量系统质量分析需使用计数型测量系统分析方法。分类：根据测量系统对被测量是否可实现物理测量，分为：量具性能曲线(gageperformancecurve，GPC)：可实现被测量的物理测量；一致性分析方法：无法实现被测量的物理测量。定类：一致性检验；定序：相关性检验。4.1计数型MSA基本概念（1）偏倚在定性检验中，指测量值与基准值之间的一致性或相关性。（2）重复性在定性检验中，指同一检验员多次测量值之间的一致性或相关性。（3）再现性在定性检验中，指不同检验员测量值之间的一致性或相关性。计数型MSA基本概念；注意事项。量具性能曲线；内容提纲相关性检验；一致性检验；量具性能曲线4.2适用场景：如果计数型测量系统可实现被测量的物理测量，则使用基于量具性能曲线的计数型测量系统分析方法。4.2.1概述例

某汽车制造商要测量自动化属性测量系统的偏倚和重复性。系统的公差下限LL为-0.020，公差上限UU为0.020。制造商使用量具对10个部件进行了20次检验，这10个部件的参考值为-0.050到-0.005，以0.005为间隔。对每个零件，判断其20次测量中总接受次数。零件编号参考值(XT)接受数(a)1-0.05002-0.04513-0.04024-0.03555-0.03086-0.025127-0.020178-0.015209-0.0102010-0.00520量具性能曲线4.2（1）稳定性分析目的：验证并控制测量过程是稳定的。方法：应用计数型控制图，对测量过程的稳定性进行分析和控制，确保测量过程是稳定的。4.2.2分析步骤稳定性：测量系统在某持续时间内测量同一基准或零件的单一特性时获得的测量值总变差（或称漂移）；换句话说，稳定性是偏倚随时间的变化。时间(t)偏倚(b1)偏倚(b2)偏倚(b3)t1t2t3稳定性（传统）稳定性（统计）量具性能曲线4.24.2.2分析步骤量具性能曲线4.2（2）零件选择内容：选择m个零件，且获取其基准值。要求：所选择零件需覆盖制造过程变差范围，按近似等距离间隔选取。AIAG法，m为8。回归法，m≥8。4.2.2分析步骤量具性能曲线4.2（3）测量对每个零件重复测量g次，同时记录每个零件的可接受次数a。AIAG法，g=20。回归法，g可以减少到15。4.2.2分析步骤量具性能曲线4.2（4）应用接受准则AIAG法：只能有一个具有a=0接收数的零件和只能有一个具有a=20接收数的零件；在这两个零件之间只能恰好有6个零件，且满足1≤a≤（g-1）。回归法：满足1≤a≤（g-1）的零件可以多于6个。在a=0端，从a=0的最大测量值开始；在a=20端，从a=20的最小测量值开始；从a=0

和a=20两端开始并且向零件范围的中间进行，等间隔选择零件。4.2.2分析步骤量具性能曲线4.2（5）不满足规则时的调整在选定的最小参考值处的零件接受数不为0，即a≠0。此时，向下选取更小的参考值的零件，直到满足a=0。在选定的最大参考值处的零件接受数不为全部，即a≠20。此时，向上选取更大的参考值的零件，直到满足a=20。其他的6个零件中存在不满足1≤a≤19的零件。对不满足此式的零件重新进行选择，可以选择原相邻参考值间的中间点作为新的参考值，直到满足该规则。零件的选取应尽量在量具的全量程范围内等间隔分布。4.2.2分析步骤量具性能曲线4.2

4.2.2分析步骤量具性能曲线4.2

4.2.2分析步骤量具性能曲线4.2

4.2.2分析步骤量具性能曲线4.2（7）绘制量具性能曲线计算零件接受概率Pa’，将计算得到的所有值在正态概率坐标上绘制GPC，单边限值图形如图所示：4.2.2分析步骤量具性能曲线4.2

4.2.2分析步骤量具性能曲线4.2

4.2.2分析步骤量具性能曲线4.2

4.2.2分析步骤量具性能曲线4.2

4.2.2分析步骤量具性能曲线4.2

4.2.2分析步骤4.2.2分析步骤量具性能曲线4.2

4.2.3示例量具性能曲线4.2例：某汽车制造商要测量自动化属性测量系统的偏倚和重复性。系统的公差下限LL为-0.020，公差上限UU为0.020。制造商使用量具对10个部件进行了20次检验，这10个部件的参考值为-0.050到-0.005，以0.005为间隔。对每个零件，判断其20次测量中总接受次数。零件编号参考值(XT)接受数(a)1-0.05002-0.04513-0.04024-0.03555-0.03086-0.025127-0.020178-0.015209-0.0102010-0.005204.2.3示例量具性能曲线4.2（1）符合性判断由表可见：接受数a=0的只有1个零件，为零件1，符号规则要求。接受数a=20的零件有3个，分别是8、9、10号零件，根据规则，选择8号零件，而9、10号零件不参与偏倚和重复性的计算。接受数1≤a≤19的零件有6个，符合规则要求。4.2.3示例量具性能曲线4.2（2）计算Φ-1(Pa’)计算每个零件的接受概率；根据每个零件的接受概率，计算相应的Φ-1(Pa’)。零件编号基准值(XT)接受数(a)接受概率(Pa’)Φ-1(Pa’)1-0.05000.025-1.95996402-0.04510.075-1.43953153-0.04020.125-1.15034944-0.03550.275-0.59776015-0.03080.425-0.18911846-0.025120.5750.18911847-0.020170.8250.93458938-0.015200.9751.95996404.2.3示例量具性能曲线4.2（3）绘制GPC曲线根据表中的零件的基准值和相应的Φ-1(Pa’)，在正态概率坐标上绘制GPC，如图所示。

4.2.3示例量具性能曲线4.2（5）计算偏倚和重复性

4.2.3示例量具性能曲线4.2统计量（T）自由度（DF）p值(p-Vvalue)6.70123190.0000021（6）偏倚的显著性检验①AIAG法基于AIAG法，进行假设检验，结果如表所示。可见，p<0.05，因此，偏倚显著。4.2.3示例量具性能曲线4.2（6）偏倚的显著性检验②回归法基于回归法，进行假设检验，结果如表所示。统计量（T）自由度（DF）p值(p-Vvalue)7.9616560.0002090可见，p<0.05，因此，偏倚显著。4.2.4Minitab操作量具性能曲线4.2（1）输入数据或读入MTW文件4.2.4Minitab操作量具性能曲线4.2（2）选择统计>质量工具>量具研究>属性量具研究（分析法）4.2.4Minitab操作量具性能曲线4.2（3）在部件号中，输入部件号。（4）在参考值中，输入参考。（5）单击汇总计数并输入接受次数。在试验数中，输入20。（6）单击下限并输入-0.020。（7）单击确定。4.2.4Minitab操作量具性能曲线4.2解释结果：属性量具系统的偏倚为0.0097955；调整的重复性值为0.0458060；对偏倚的检验表明偏倚显著不同于0（t=6.70123，df=19，p=0.00），意味着属性测量系统中存在偏倚。4.2.5示例2量具性能曲线4.2例：用一个计数型的量具测量公差为±0.004的尺寸，是一个生产线末端100%自动检查的量具，它已受到重复性和偏倚的影响。为了完成该计数型量具的研究，使用该量具测量了10个零件，每个零件测量15次，10个零件的参考值为-0.016~-0.002，数据如表所示。零件编号参考值(XT)接受数(a)1-0.01602-0.01513-0.01434-0.01355-0.01286-0.01097-0.008118-0.006129-0.0041410-0.002154.2.5示例2量具性能曲线4.2（1）符合性判断从数据来看符合回归法的规则。满足1≤a≤（g-1）的零件可以多于6个。测量次数g可以减少到15。4.2.5示例2量具性能曲线4.2（2）计算Φ-1(Pa’)零件编号基准值(XT)接受数(a)接受概率(Pa’)Φ-1(Pa’)1-0.01600.025-1.95996402-0.01510.100-1.28155163-0.01430.233-0.72791444-0.01350.367-0.34069475-0.01280.50006-0.01090.5670.16789417-0.008110.7000.52440058-0.006120.7670.72791349-0.004140.9001.281551610-0.002150.9751.95996404.2.5示例2量具性能曲线4.2（3）计算偏倚和重复性以参考值为自变量(XT)，以Φ-1(Pa’)为因变量(y)，得到拟合方程为：y=2.38901+235.385XT同时得到决策系数R2=0.935739。量具性能曲线4.2（4）计算偏倚和重复性

4.2.5示例2量具性能曲线4.2（5）偏倚的显著性检验只能使用回归法进行假设检验，结果如表所示。统计量（T）自由度（DF）p值(p-Vvalue)7.7910680.0000220可见，p<0.05，因此，偏倚显著。4.2.5示例2量具性能曲线4.2（6）量具性能曲线解释结果：属性量具系统的偏倚为0.0061494；调整的重复性值为0.0202649；对偏倚的检验表明偏倚显著不同于0（t=7.79106，df=8，p=0.00），意味着属性测量系统中存在偏倚。4.2.5示例2第四章计数型测量系统分析测量系统分析计数型MSA基本概念；注意事项。量具性能曲线；内容提纲相关性检验；一致性检验；4.3.1概述一致性检验：用于检验不同检验人员检验结果一致性的程度。用于定类测量数据。如：某测量系统，测量结果为：“合格”、“不合格”。两位检验员，对应两组检验结果之间一致性的检验。一致性检验4.3

根据顾客要求评价检验和手艺是否适当；了解所有班次、机器等的检验员是否用同样检验标准；对检验员的能力进行认证，以便使他们都能正确的重复进行检验；了解检验员符合“已知标准”要求的程度，这些要求包括：—作业员接受实际上有缺点的产品的频率；

—作业员拒绝实际上可接受产品的频率

。

发现哪些部分：—需要训练；—没有作业程序；—未制定标准。4.3.2目的一致性检验4.3步骤1：从过程中至少选择适当数量零件（应有稍高/稍低于规格限的）；步骤2：鉴定合格的检验员；步骤3：让每个检验员独立地按随机次序检验这些零件，并决定它们是否合格。步骤4：将数据登录于运算表，以便报告量测系统的效力。步骤5：记录结果。如有必要，采取适当行动将检验过程修正。步骤6：重新进行研究，验证修正后的检验过程是否正确。4.3.3指南一致性检验4.34.3.4Kappa值计算方法

Kappa（K）值的定义：排除因巧合造成一致性的比例后，检验者之间的检测结果达到一致性的比例，且有：—评估者对物件分类的一致性比例；—因巧合造成一致性的比例。一致性检验4.3

量具属性的一致性判断：根据Kappa值来判断量具系统的属性一致性是否满足使用要求。Kappa

ValueSuggestedInterpretation－1≥K≥0Agreementexpectedbychance≥0.60Marginal(Significanteffortrequired)≥0.70Good(Improvementwarranted)≥0.90ExcellentK=1Perfect一致性检验4.34.3.4Kappa值计算方法

通用原则：若K小于0.70，则该测量系统需被注意。

改进测量系统的方法：①改变产品质量特性指标分类的定义；②对评估者进行再训练；③以上两种方法双管齐下。一致性检验4.34.3.4Kappa值计算方法

某壁纸制造商为调查顾客对本公司产品色彩的评价是否一致，有意挑选了10个比较容易混淆的蓝色和绿色的样品，请两位顾客鉴定其色彩，试用K统计量作再现性分析。样品12345678910顾客A蓝蓝绿绿绿蓝蓝绿蓝绿顾客B蓝蓝绿绿蓝蓝绿绿绿绿4.3.5示例一致性检验4.3总共10件产品中：A、B一致认为是蓝色的有3个；A、B一致认为是绿色的有4个；A认为是蓝色，B认为是绿色的有2个；A认为是绿色，B认为是蓝色的有1个；

总共10件产品中，有7件判断一致，似乎一致率应该0.7，但含有瞎蒙部分；

一致性检验4.34.3.5示例A：共选了5个蓝，选蓝的概率是0.5；共选了5个绿，选绿的概率是0.5；B：共选了4个蓝，选蓝的概率是0.4；共选了6个绿，选绿的概率是0.6；如果两人在10件中随机选，则凑巧同时选中蓝的概率是0.5×0.4=0.2，总计10件产品，期望值为10×0.2=2；如果两人在10件中随机选，则凑巧同时选中绿的概率是0.5×0.6=0.3，总计10件产品，期望值为10×0.3=3；所以，两人瞎蒙判断凑巧相同为5件。一致性检验4.34.3.5示例一致性检验4.34.3.5示例一致性检验4.34.3.6Minitab操作（1）输入数据或读入MTW文件（2）选择：统计>质量工具>属性一致性分析一致性检验4.34.3.6Minitab操作（2）在“属性列”栏中输入：色彩；（3）在“样本”栏中输入：样品；（4）在“检验员”栏中输入：检验员。（5）单击确定。一致性检验4.34.3.6Minitab操作色彩的属性一致性分析检验员之间评估一致性#检验数#相符数#95%百分比#置信区间10770.00(34.75,93.33)#相符数:所有检验员的评估一致。一致性检验4.34.3.6Minitab操作FleissKappa统计量响应KappaKappa标准误ZP(与>0)蓝0.3939390.3162281.245750.1064绿0.3939390.3162281.245750.1064Cohen的Kappa统计量响应KappaKappa标准误ZP(与>0)蓝0.40.3098391.290990.0984绿0.40.3098391.290990.0984注意：每个检验员内的单一试验。未标绘检验员内的评估一致性百分比。一致性检验4.34.3.6Minitab操作4.3.7示例2一家汽车制造公司正在为质量部门培训5名新的检验员。现在需要评估检验员对工件评级时遵守标准的能力。每个评分员以五点尺度（-2，-1，0，1，2）对

15件工件进行了评级，结果如表所示。序号操作员工件评级标准1Simpson1222Montgomery1223Holmes1224Duncan1125Hayes122……………71Simpson151172Montgomery151173Holmes151174Duncan151175Hayes1511一致性检验4.34.3.7示例2一致性检验4.3评估一致性检验员检验数相符数百分比95%置信区间Duncan15853.33(26.59,78.73)Hayes151386.67(59.54,98.34)Holmes1515100.00(81.90,100.00)Montgomery1515100.00(81.90,100.00)Simpson151493.33(68.05,99.83)#相符数:检验员在多次试验中的评估与已知标准一致。（1）每个检验员与标准4.3.7示例2一致性检验4.3“检验员与标准”图是“每个检验员与标准”评估一致性表的图形化表达，可以轻松地比较5名检验员的评估一致性；注意：未显示“检验员各自”表，因为每个检验员都只进行了一次试验。4.3.7示例2一致性检验4.3FleissKappa统计量检验员响应KappaKappa标准误ZP(与>0)Duncan-20.583330.2581992.259240.0119

-10.166670.2581990.645500.2593

00.440990.2581991.707960.0438

10.440990.2581991.707960.0438

20.423080.2581991.638570.0507整体0.411760.1309243.145080.0008Hayes-20.629630.2581992.438550.0074

-10.813660.2581993.151310.0008

01.000000.2581993.872980.0001

10.760000.2581992.943470.0016

20.813660.2581993.151310.0008整体0.829550.1341646.183070.0000检验员响应KappaKappa标准误ZP(与>0)Holmes-21.000000.2581993.872980.0001

-11.000000.2581993.872980.0001

01.000000.2581993.872980.0001

11.000000.2581993.872980.0001

21.000000.2581993.872980.0001整体1.000000.1313057.615840.0000Montgomery-21.000000.2581993.872980.0001

-11.000000.2581993.872980.0001

01.000000.2581993.872980.0001

11.000000.2581993.872980.0001

21.000000.2581993.872980.0001整体1.000000.1313057.615840.0000Simpson-21.000000.2581993.872980.0001

-11.000000.2581993.872980.0001

00.813660.2581993.151310.0008

10.813660.2581993.151310.0008

21.000000.2581993.872980.0001整体0.915970.1309246.996190.0000（1）每个检验员与标准4.3.7示例2一致性检验4.3

评估一致性检验数相符数百分比95%置信区间15640.00(16.34,67.71)#相符数:所有检验员的评估与已知的标准一致。（2）所有检验员与标准4.3.7示例2一致性检验4.3FleissKappa统计量响应KappaKappa标准误ZP(与>0)-20.8425930.1154707.29710.0000-10.7960660.1154706.89410.000000.8509320.1154707.36930.000010.8029320.1154706.95360.000020.8473480.1154707.33830.0000整体0.8314550.05891114.11360.0000*注*每个检验员内的单一试验。未标绘检验员内的评估一致性百分比。（2）所有检验员与标准4.3.7示例2一致性检验4.3

评估一致性检验数

相符数百分比95%置信区间15640.00(16.34,67.71)#相符数:所有检验员的评估一致。（3）检验员之间4.3.7示例2一致性检验4.3FleissKappa统计量响应KappaKappa标准误ZP(与>0)-20.6803980.08164978.33310.0000-10.6027540.08164977.38220.000000.7076020.08164978.66630.000010.6424790.08164977.86870.000020.7365340.08164979.02070.0000整体0.6729650.041233116.32100.0000（3）检验员之间第四章计数型测量系统分析测量系统分析计数型MSA基本概念；注意事项。量具性能曲线；内容提纲相关性检验；一致性检验；4.4.1概述若测量数据为定序数据，既可以通过一致性分析中的Kappa系数评价数据质量；也可以通过相关性检验评价数据质量。相关性检验4.4相关性检验：对测量结果之间顺序一致性程度的检验；如：某测量系统，测量结果为：“优”、“良”、“中”、“差”。两位检验员，对应两组检验结果之间，顺序一致性的检验。4.4.1概述相关性检验4.4相关性检验方法包括：Kendall相关系数-两个变量之间；Kendall协和系数-多个变量之间（超过两个变量）。

根据顾客要求评价检验和手艺是否适当；了解所有班次、机器等的检验员是否用同样检验标准；对检验员的能力进行认证，以便使他们都能正确的重复进行检验；了解检验员符合“已知标准”要求的程度，这些要求包括：—作业员接受实际上有缺点的产品的频率；

—作业员拒绝实际上可接受产品的频率

。

发现哪些部分：—需要训练；—没有作业程序；—未制定标准。4.4.2目的相关性检验4.4步骤1：从过程中至少选择适当数量零件（应有稍高/稍低于规格限的）；步骤2：鉴定合格的检验员；步骤3：让每个检验员独立地按随机次序检验这些零件，并评定它们的等级。步骤4：将数据登录于运算表，以便报告量测系统的效力。步骤5：记录结果。如有必要，采取适当行动将检验过程修正。步骤6：重新进行研究，验证修正后的检验过程是否正确。4.4.3指南相关性检验4.44.4.4秩和结（1）次序统计量对于样本X1，…，Xn，如果按照升序排列，得到：X(1)≤X(2)≤…≤X(n)这就是次序统计量。其中X(i)为第i个次序统计量。相关性检验4.4（2）秩和秩统计量对于样本X1，…，Xn，假定它们的值互不相等，按上述升序排列;每个观测值Xi在这个排列中占据的位置，称为秩，用Ri表示;R1，…，Rn称为样本X1，…，Xn的秩统计量。4.4.4秩和结

相关性检验4.44.4.5Kendall相关系数若需要进行2个评价人评价结果之间相关性分析，可使用Kendall相关系数进行评价。将2个评价人的评价结果作为一对随机变量（X,Y），每个评价人对m个零件各进行了1次评价，得到数对序列（X1,Y1），（X2,Y2），…（Xm,Ym）。相关性检验4.4为评价评价人评价结果间的相关性，对随机变量对（X,Y）相关性进行如下假设检验。原假设H0：X和Y不相关；备则假设H1：双边，X和Y相关；单边，X和Y正相关；或，X和Y负相关。4.4.5Kendall相关系数相关性检验4.4

Ke取值范围为：[-1,1]；当样本Y按从小到大顺序排列后，X顺序与Y顺序完全相同时，X和Y正相关性最强，Ke为1。需说明的是：除使用X的值计算K外，同样可以用X的秩参与K的计算。

4.4.5Kendall相关系数相关性检验4.4

tx、ty：为变量X和Y中每一个结的结长4.4.5Kendall相关系数相关性检验4.4

4.4.6Kendall协和系数相关性检验4.4若需要进行n≥2个评价人评价结果之间相关性分析，可使用Kendall协和系数。将n个评价人的评价结果作为一对随机变量（X1，X2，…Xn），每个评价人对m个零件各进行了1次评价，得到数对序列（X11，X12，…X1n），（X21，X22，…X2n），…（Xm1，Xm2，…Xmn）。为评价评价人评价结果间的相关性，对随机变量组（X1，X2，…Xn）相关性进行如下假设检验。原假设H0：随机变量组（X1，X2，…Xn）不相关；备则假设H1：随机变量组（X1，X2，…Xn）正相关。4.4.6Kendall协和系数相关性检验4.4

KW取值范围为：[0，1]；当所有评价人的评价结果均一致时，随机变量组（X1，X2，…Xn）正相关性最强，KW为1。

4.4.6Kendall协和系数相关性检验4.4

gi为第i个变量m个样本中结的个数；th为第h个结的结长

4.4.6Kendall协和系数相关性检验4.4

4.4.7示例相关性检验4.4一家汽车制造公司正在为质量部门培训5名新的检验员。现在需要评估检验员对工件评级时遵守标准的能力。每个评分员以五点尺度（-2，-1，0，1，2）对

15件工件进行了评级，结果如表所示。序号操作员工件评级标准1Simpson1222Montgomery1223Holmes1224Duncan1125Hayes122……………71Simpson151172Montgomery151173Holmes151174Duncan151175Hayes15114.4.7示例相关性检验4.4（1）输入数据或读入MTW文件（2）选择：统计>质量工具>属性一致性分析4.4.7示例相关性检验4.4（3）在属性列中，输入等级。（4）在样本中，输入样本。（5）在检验员中，输入检验员。（6）在已知标准/属性中，输入属性。（7）选中属性数据的类别是有序的，并单击确定（8）单击确定。4.4.7示例相关性检验4.44.4.7示例每个检验员和标准检验员之间所有检验员和标准相关性检验4.44.4.7示例Minitab显示三个评估一致性表：“每个检验员与标准”“检验员之间”“所有检验员与标准”

以上每个表中都包括Kendall统计量。总的来说，这些统计量表明一致性良好。

相关性检验4.44.4.7示例每个检验员和标准（相关系数）相关性检验4.4仔细分析“每个检验员与标准”表就会发现

：Duncan与Hayes评估与标准匹配得较差。Holmes和Montgomery匹配了所有15项评估，匹配百分比为100%。可以推断Duncan、Hayes和Simpson需要进行更多的培训。4.4.7示例检验员之间（协和系数）所有检验员和标准（相关系数）相关性检验4.4所有检验员与标准的Kendall系数为0.958012(p=0.0000)。检验员之间的总Kendall系数为0.966317(p=0.0000)。4.4.8示例2相关性检验4.4一家公司正在为质量部门培训2名新的检验员。现在需要评估检验员对工件评级时遵守标准的能力。每个评分员以3级（-1，0，1）对

3件工件进行了2次重复评级，结果如表所示。序号操作员工件评级标准1A1-1-12A2103A3014A10-15A2106A3117B1-1-18B2109B30110B10-111B2-1012B3114.4.8示例2相关性检验4.4(1)检验员自身评估一致性检验员检验数相符数百分比95%置信区间A3133.33(0.84,90.57)

B3

0

0.00

(0.00,63.16)#相符数:检验员在多个试验之间，他/她自身标准一致。4.4.8示例2相关性检验4.4FleissKappa统计量检验员响应KappaKappa标准误ZP(与>0)A-1-0.2000000.577350-0.346410.6355

0-0.5000000.577350-0.866030.8068

10.3333330.5773500.577350.2819整体-0.0909090.429620-0.211600.5838B-1-0.5000000.577350-0.866030.8068

0-0.5000000.577350-0.866030.8068

1-0.5000000.577350-0.866030.8068整体-0.5000000.408248-1.224740.8897(1)检验员自身4.4.8示例2相关性检验4.4Kendall的一致性系数检验员系数卡方自由度PA0.9285713.7142920.1561B0.2500001.0000020.6065(1)检验员自身4.4.8示例2相关性检验4.4评估一致性检验员检验数相符数百分比95%置信区间A300.00(0.00,63.16)B3

0

0.00

(0.00,63.16)#相符数:检验员在多次试验中的评估与已知标准一致。(2)每个检验员与标准4.4.8示例2相关性检验4.4(2)每个检验员与标准FleissKappa统计量检验员响应KappaKappa标准误ZP(与>0)A-10.4000000.4082480.979800.1636

0-0.5000000.408248-1.22474