使用statsmodels计算Fleiss Kappa如何获取z值、p值及置信区间？

statsmodels的fleiss_kappa函数默认仅返回kappa系数，但通过指定return_results=True参数，会返回一个FleissKappaResults对象，该对象包含你需要的所有统计量。

具体代码示例 #

假设你已有用于计算的评分数据（n行k列数组，n为被评分对象数，k为评分者数）：

import numpy as np
from statsmodels.stats.inter_rater import fleiss_kappa

# 示例数据：5个对象，3个评分者的评分
data = np.array([
    [0, 0, 1],
    [1, 1, 1],
    [2, 2, 0],
    [1, 0, 1],
    [2, 2, 2]
])

# 开启return_results=True获取完整结果
results = fleiss_kappa(data, return_results=True)

# 提取所需统计量
kappa = results.kappa
z_score = results.z_stat
p_value = results.pvalue
confidence_interval = results.conf_int()

# 输出结果
print(f"Kappa值: {kappa:.4f}")
print(f"Z值: {z_score:.4f}")
print(f"P值: {p_value:.4f}")
print(f"95%置信区间: {confidence_interval}")

关键说明 #

• return_results=True是核心参数，开启后返回的结果对象包含所有衍生统计量
• z_stat属性对应z值，pvalue对应p值，conf_int()方法默认返回95%置信区间（可通过alpha参数调整置信水平，比如conf_int(alpha=0.1)对应90%置信区间）
• 结果对象还包含标准误（se属性）等其他信息，可按需提取

内容的提问来源于stack exchange，提问作者pill45