如何在R中计算有序分类变量的相关率与Kappa统计量及代码验证

我想了解如何按照某文章中的表格方式，计算两个有序分类变量（临床分期clinical_T与病理分期pathologic_T）的相关率和Kappa统计量。我已在R中编写了如下代码并得到结果，但不确定代码是否正确：

library(polycor)
library(irr)

polychor(my_dataset$clinical_T, my_dataset$pathologic_T)  # 计算临床分期与病理分期的整体相关性

Tstage <- cbind(my_dataset$clinical_T, my_dataset$pathologic_T) 
kappa2(Tstage) # 计算Cohen's Kappa

• Polychoric相关系数计算：你用polycor包的polychor()函数是完全正确的。因为clinical_T和pathologic_T属于有序分类变量，polychoric相关系数正是专门用于衡量这类变量间关联强度的指标，契合临床分期这类有序变量的分析逻辑。
• Kappa统计量计算：当前代码用irr包的kappa2()默认输出的是未加权Cohen's Kappa，但对于有序分类的分期变量，文章中大概率会采用加权Kappa（线性加权或二次加权）——这类方法能体现分期等级的递进关系（比如T1到T4的差异是有顺序的，未加权Kappa会忽略这种等级差异）。如果要匹配文章的表格呈现方式，建议修改Kappa计算代码：

  # 线性加权Kappa（贴合分期的有序递进逻辑，相邻等级差异权重一致）
  kappa2(Tstage, weight = "linear")
  # 二次加权Kappa（对跨等级的差异赋予更高权重）
  kappa2(Tstage, weight = "quadratic")
  

• 前置验证步骤：计算前请确认变量为有序因子类型，如果你的clinical_T和pathologic_T是普通因子或字符型，先转换为有序因子：

  my_dataset$clinical_T <- ordered(my_dataset$clinical_T, levels = c("T1", "T2", "T3", "T4"))
  my_dataset$pathologic_T <- ordered(my_dataset$pathologic_T, levels = c("T1", "T2", "T3", "T4"))
  

内容的提问来源于stack exchange，提问作者user19647609