一致性因数

　　用数值或百分比表示的，在规定期间内一组电器或一批用户同时发生的比率。当有m个观察者对n个事物进行成对排序比较时,测定这m个观察者的判断一致程度的一个系数。这一系数的公式是其中∑是两两比较时判断一致的总数。若只有二个观察者,即m=2时,这就与等级相关系数中的肯达尔系数τ相一致。当有m个观察者对n个事事物的评介排成顺序等级。另一个建立在等级基础上的一致性系数是肯达尔系数w。其中Rj是第j个事物由m个观察值评判其等级之和。

　　kappa一致性系数

　　它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk）的和，再减去某一类地表真实像元总数与被误分成该类像元总数之积对所有类别求和的结果，再除以总像元数的平方减去某一类中地表真实像元总数与该类中被误分成该类像元总数之积对所有类别求和的结果所得到的。

　　计算公式编辑

　　两幅栅格图的kappa计算公式为 k = (Po-Pc)/(1-Pc)

　　设栅格总象元数为n，真实栅格为1的象元数为a1，为0的象元数为a0，模拟栅格为1的象元数为b1，为0的象元数为b0，两个栅格对应象元值相等的象元数为s，则

　　Po = s/n， Pc = (a1*b1+a0*b0)/(n*n)

　　在arcmap里，a1、a0、b1、b0从属性表可读出，s用raster calculator配合con()函数不难求出。

　　kappa计算结果为-1~1，但通常kappa是落在 0~1 间，可分为五组来表示不同级别的一致性：0.0~0.20极低的一致性(slight)、0.21~0.40一般的一致性(fair)、0.41~0.60 中等的一致性(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1几乎完全一致(almost perfect)。

　　spearman系数

　　对不服从正态分布的资料、原始资料等级资料、一侧开口资料、总体分布类型未知的资料不符合使用积矩相关系数来描述关联性。此时可采用秩相关（rank correlation），也称等级相关，来描述两个变量之间的关联程度与方向。

　　计算步骤：

　　⑴编秩：将两变量X、Y成对的观察值分别从小到大顺序编秩，用pi表示xi的秩次；用qi表示yi的秩次。若观察值相同取平均秩次。

　　⑵将秩次带入公式计算：

　　⑶由样本算得的秩相关系数是否有统计学意义，应作假设检验。

　　检验编辑

　　⑴建立假设检验，确定检验水准：

　　⑵计算检验统计量：

　　查秩相关系数界值表，若超过界值表，则拒绝 ；作检验。

　　内部一致性信度

　　内部一致性信度，又称内部一致性系数，是指用来测量同一个概念的多个计量指标的一致性程度1。

　　分半法实际是对测验内部一致性的一个粗略估计。鉴于同一个测验分半的方法有很多，且每一种分半方法所得的信度值又不同，因此有必要采取其它的方式弥补分半法的不足，比如：库—理信度系数、克伦巴赫α系数、荷伊特信度、因素分析法和综合信度ρo系数分析等。

　　内部一致性信度（internal consistency reliability），也叫做内部一致性系数（coefficient of internal consistancy）、同质性信度（homogeneity reliability），它是指测验内部所有题目间的一致性程度。

　　这里的“一致性”指的是分数的一致，而非题目内容或形式的一致。因此，若测验的各个题目得分有较高的正相关时，不论题目内容和形式如何，测试都是同质的；相反，即使所有题目看起来都好像测量同一特质，但分数相关很低时，这个测验就是异质的。

　　内部一致性信度主要反映的是测验内部题目之间的信度关系，考察测验的各个题目是否测量了相同的内容或特质。

　　复本法适用于许多测验，尤其是能力测验（学业能力，智力，特殊能力）。但是，为测验建立复本通常花费较高，而且很难顺利编制。于是，研究者就把测验项目划分成不同的样本，从而间接地考虑一致性信度，这就是内部一致法（method of internal consistency）。

　　但是，内部一致性系数（internal consistency coefficients）并不能反映这些误差。因此，不能把内部一致性系数等同于真正的重测信度或复本信度。

　　内部一致性估计是有用的信度量数2，因为它只测量一次，因此可以排除记忆和练习的效果。然而，也存在一定的问题：

　　1）它们只可在测量单一特质的测验上使用。

　　e.g.它们可用于拼音测验，但不能用在包含拼音、阅读理解和作文等部分的语文测验。

　　2）当应用在速度测验上时，内部一致性量数会有信度估计膨胀的现象。

　　因为速度测验都是简单或相对简单的题目，并且要在限制时间内完成。在这样的测验中，受测者应该可以答对他所作答的大多数题目，因此内部一致性都会很高。

　　本词条内容贡献者为:

　　陈红 - 副教授 - 西南大学