基于MATLAB的KAPPA系数计算

基于MATLAB的KAPPA系数计算。The confusion matrix was used to describe the classification accuracy and to characterize the errors. Landis and Koch (1977) classified Kappa values into different categories: 0-0.20, 0.21-0.40, 0.41-0.60, 0.61-0.80 and 0.81-1, which indicates slight, fair, moderate, substantial and almost perfect agreements, respectively.

function kappa（varargin）
% KAPPA: This function computes the Cohen‘s kappa coefficient.
% Cohen‘s kappa coefficient is a statistical measure of inter-rater
% reliability. It is generally thought to be a more robust measure than
% simple percent agreement calculation since k takes into account the
% agreement occurring by chance.
% Kappa provides a measure of the degree to which two judges A and B
% concur in their respective sortings of N items into k mutually exclusive
% categories. A ‘judge‘ in this context can be an individual human being a
% set of individuals who sort the N items collectively or some non-human
% agency such as a computer program or diagnostic test that performs a
% sorting on the basis of specified criteria.
% The original and simplest version of kappa is the unweighted kappa
% coefficient introduced by J. Cohen in 1960. When the categories are
% merely nominal Cohen‘s simple unweighted coefficient is the only form of
% kappa that can meaningfully be used. If the categories are ordinal and if
% it is the case that category 2 represents more of something than category
% 1 that category 3 represents more of that same something than category
% 2 and so on then it is potentially meaningful to take this into
% account weighting each cell of the matrix in accordance with how near it
% is to the cell in that row that includes the absolutely concordant items.
% This function can compute a linear weights or a quadratic weights.
%
% Syntax: 	kappa（XWALPHA）
%      
%     Inputs:
%           X - square data matrix
%           W - Weight （0 = unweighted; 1 = linear weighted; 2 = quadratic
%           weighted; -1 = display all. Default=0）
%           ALPHA - default=0.05.
%
%     Outputs:
%           - Observed agreement percentage
%           - Random agreement percentage
%           - Agreement percentage due to true concordance
%           - Residual not random agreement percentage
%           - Cohen‘s kappa 
%           - kappa error
%           - kappa confidence interval
%           - Maximum possible kappa
%           - k observed as proportion of maximum possible
%           - k benchmarks by Landis and Koch 
%           - z test results
%
%      Example: 
%
%           x=[88 14 18; 10 40 10; 2 6 12];
%
%           Calling on Matlab the function: kappa（x）
%
%           Answer is:
%
% UNWEIGHTED COHEN‘S KAPPA
% --------------------------------------------------------------------------------
% Observed agreement （po） = 0.7000
% Random agreement （pe） = 0.4100
% Agreement due to true concordance （po-pe） = 0.2900
% Residual not random agreement （1-pe） = 0.5900
% Cohen‘s kappa = 0.4915
% kappa error = 0.0549
% kappa C.I. （alpha = 0.0500） = 0.3839     0.5992
% Maximum possible kappa given the observed marginal frequencies = 0.8305
% k observed as proportion of maximum possible = 0.5918
% Moderate agreement
% Variance = 0.0031     z （k/sqrt（var）） = 8.8347    p

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        7393  2009-05-20 12:38  kappa.m
     文件        1338  2009-12-23 14:24  license.txt