Minitab质量工具“属性一致性分析”功能分析
使用属性一致性分析对多个检验员给出的名义或顺序评级的一致性进行评估。测量值是人员给出的主观评级，而不是直接的实际测量值。示例包括：·汽车性能评级
·织物质量分类，如“好”或“坏”
·葡萄酒色、香、味的评级（范围为 1 到 10）
在这些情况下，难以定义和评估质量特征。要获得有意义的分类，应由多个检验员对响应度量进行分类。如果检验员意见一致，则评级有可能准确。如果检验员意见不一，则评级的有效性有限。
以 C:\Program Files\Minitab\Minitab 16\中文(简体)\样本数据\散文.MTW 为例
Measurement 的属性一致性分析
* 注 * 识别出超过 50 个可区分的响应值。未执行分析。
结果: 散文.MTW
评级 的属性一致性分析
每个检验员与标准
评估一致性
# 检# 相
检验员 验数符数百分比 95% 置信区间
Duncan 15 8 53.33(26.59,78.73)
Hayes 15 13 86.67(59.54,98.34)
Holmes 15 15100.00(81.90, 100.00)
Montgomery 15 15100.00(81.90, 100.00)
Simpson 15 14 93.33(68.05,99.83)
# 相符数: 检验员在多次试验中的评估与已知标准一致。
品质协会(www.PinZhi.org)备注：以上的Duncan百分比很差，需要再教育，Hayes 和 Simpson 需要追加训练。
检验员之间
评估一致性
# 检# 相
验数符数百分比 95% 置信区间
15 6 40.00(16.34, 67.71)
# 相符数: 所有检验员的评估一致。
Fleiss 的 Kappa 统计量
响应 KappaKappa 标准误 ZP(vs > 0)
-2 0.680398 0.0816497 8.3331 0.0000
-1 0.602754 0.0816497 7.3822 0.0000
0 0.707602 0.0816497 8.6663 0.0000
1 0.642479 0.0816497 7.8687 0.0000
2 0.736534 0.0816497 9.0207 0.0000
整体0.672965 0.041233116.3210 0.0000
所有检验员与标准
评估一致性
# 检# 相
验数符数百分比 95% 置信区间
15 6 40.00(16.34, 67.71)
# 相符数: 所有检验员的评估与已知的标准一致。
Fleiss 的 Kappa 统计量
响应 KappaKappa 标准误 ZP(vs > 0)
-2 0.842593 0.115470 7.2971 0.0000
-1 0.796066 0.115470 6.8941 0.0000
0 0.850932 0.115470 7.3693 0.0000
1 0.802932 0.115470 6.9536 0.0000
2 0.847348 0.115470 7.3383 0.0000
整体0.831455 0.05891114.1136 0.0000
* 注 * 每个检验员内的单一试验。未标绘检验员内的评估一致性百分比。
品质协会(www.PinZhi.org)备注：检验员之间评估一致性和所有检验员与标准评估一致性的百分比数据不能相差较大，否则说明检查者一致的判定与标准有一定差异。看下图
数据排列为
属性列：选择此项以输入包含响应的列。
样本：输入包含样本或部件号的列。
检验员：输入包含检验员姓名或编号的列。
多列（为每个检验员同时输入试验）：选择此项以输入包含响应的列。将每个检验员的试验置于相邻的列中。
检验员人数：键入检验员的数量。
试验数：键入试验的数量。
检验员姓名（可选）：键入检验员的姓名或输入一个姓名列。
已知标准/属性（可选）：输入包含每个样本的属性或已知标准的列。此列可以包含数字或文本属性，但数据类型需要与响应类型相匹配。
属性数据的类别是有序的：选中此项以指定数据有两个以上水平且有序。 谢谢分享。。。 谢谢 感谢分享 叶平 发表于 2017-8-7 11:14
谢谢分享。。。
{:1_90:} {:1_101:} 感谢分享 谢谢分享 :lol