Cohens Kappa: Messung der Übereinstimmung von Bewertern jenseits des Zufalls

Ausgabe: Berechnen drücken

Cohen's Kappa: Ein Maß für die Inter-Rater-Vereinbarung

Im Bereich der Statistik ist die Sicherstellung der Genauigkeit und Zuverlässigkeit von Datenbewertung von größter Bedeutung. Wenn zwei Bewerter Artikel kategorisieren oder kennzeichnen, ist es wichtig, ihr Maß an Übereinstimmung zu messen. Hier kommt Cohens Kappa ins Spiel. Benannt nach dem amerikanischen Psychologen Jacob Cohen, ist Cohens Kappa eine robuste statistische Kennzahl, die das Maß an Übereinstimmung zwischen zwei Bewertern quantifiziert, die Artikel in gegenseitig ausschließende Kategorien klassifizieren.

Warum ist Cohen's Kappa wichtig?

Cohen's Kappa ist wichtig, weil es die Übereinstimmung berücksichtigt, die zufällig auftreten kann. Im Gegensatz zu einfachen Prozentübereinstimmungsberechnungen, die zufällige Übereinstimmungen nicht berücksichtigen, bietet Cohen's Kappa eine genauere Darstellung. Diese Statistik wird häufig in der Inhaltsanalyse, psychologischen Tests, maschinellen Lernklassifikationen, Gesundheitsdiagnosen und mehr verwendet.

Verstehen der Cohen's Kappa Formel

Die Formel für Cohens Kappa lautet:

κ = (Po - Pe) / (1 - PeInvalid input. Please provide the text you want to translate.

Während diese Formel auf den ersten Blick abschreckend wirken mag, kann die Aufschlüsselung jeder Komponente sie zugänglicher machen.

P versteheno Beobachtete Übereinstimmung

Po stellt den beobachteten Prozentsatz der Übereinstimmung zwischen den beiden Bewertern dar. Er wird berechnet, indem die Anzahl der Übereinstimmungen beider Bewerter durch die Gesamtzahl der bewerteten Elemente geteilt wird.

P verstehene (Chance Vereinbarung)

Pe stellt die Wahrscheinlichkeit dar, dass beide Bewerter rein zufällig übereinstimmen. Dies wird basierend auf den marginalen Wahrscheinlichkeiten berechnet, dass jeder Bewerter einen Artikel in einer bestimmten Kategorie klassifiziert.

Beispiel: Berechnung von Cohens Kappa

Stellen Sie sich zwei Ärzte vor, die eine Gruppe von 100 Patienten auf eine bestimmte Erkrankung untersuchen. Ihre Klassifikationsergebnisse sind:

Zuerst lassen Sie uns P berechneno{}

Po = (40 + 30) / 100 = 0.70

Als Nächstes berechnen wir PeBerücksichtigen Sie, dass:

Berechnen Sie nun Pe{}

Pe = (0,50 * 0,60) + (0,50 * 0,40) = 0,50

Stecken Sie diese schließlich in die Cohen's Kappa Formel ein:

κ = (0,70 - 0,50) / (1 - 0,50) = 0,40

Dieser Kappa Wert von 0,40 zeigt ein moderates Maß an Übereinstimmung über den Zufall hinaus an.

Schlussfolgerung

Cohen's Kappa bietet ein leistungsfähiges Mittel zur Messung der Interraterübereinstimmung, wobei die Möglichkeit einer zufälligen Übereinstimmung berücksichtigt wird. Es ist ein essentielles Werkzeug in vielen Disziplinen und bietet Klarheit und Verständnis in Kontexten, in denen menschliches Urteilsvermögen eine entscheidende Rolle spielt. Durch das Verständnis seiner Komponenten und Berechnungen können Statistiker und Fachleute diese Kennzahl nutzen, um die Zuverlässigkeit und Konsistenz ihrer Bewerter festzustellen.

Häufig gestellte Fragen (FAQ)

  1. Ein guter Wert für Cohens Kappa liegt typischerweise bei 0,61 bis 0,80, was eine moderate bis starke Übereinstimmung zwischen den Beurteilern anzeigt. Werte über 0,80 deuten auf eine sehr starke Übereinstimmung hin, während Werte unter 0,20 als schwach angesehen werden.

    Im Allgemeinen werden Werte κ>0,75 als hervorragende Übereinstimmung angesehen, 0,40<κ<0,75 als faire bis gute Übereinstimmung und κ<0,40 als schlecht.

  2. Kann Cohen's Kappa negativ sein?

    Ja, ein negativer Kappa Wert zeigt weniger Übereinstimmung an, als es durch reinen Zufall zu erwarten wäre.

  3. Funktioniert Kappa von Cohen auch für mehr als zwei Bewerter?

    Cohen's Kappa ist speziell für zwei Bewerter. Für mehr Bewerter sollten Sie Fleiss' Kappa in Betracht ziehen.

Tags: Statistiken, Datenanalyse