Apri navigazione
ApriApri l’area di lavoro

Strumenti per ricerche di mercato · Accordo tra valutatori

Calcolatore del kappa di Cohen

Quanto sono d’accordo due valutatori o codificatori oltre quanto ci si aspetterebbe dal caso?

Calcola il kappa online

Inserisci la matrice di accordo: righe = valutatore A, colonne = valutatore B, accordi sulla diagonale. Puoi aggiungere e rinominare categorie.

Matrice di concordanza Righe = valutatore A, colonne = valutatore B. La concordanza si trova sulla diagonale.
Valutatore A ↓ / Valutatore B → Totale
Yes25
No25
Totale302050

Kappa di Cohen (κ)

0,400

fair concordanza (Landis & Koch) · IC al 95% 0,146 a 0,654 · p = 0,004 rispetto a κ = 0

κ = 0,40, IC al 95% [0,15; 0,65], N = 50

Accordo osservato (pₒ)0,700
Accordo atteso per caso (pₑ)0,500
Errore standard di κ0,1296
01

Come si calcola il kappa

pₒ è la quota di casi sulla diagonale. pₑ è l’accordo atteso se i due valutatori classificassero in modo indipendente con le stesse distribuzioni marginali. Il kappa rapporta l’eccesso di accordo all’eccesso massimo possibile.

  • κ = (pₒ − pₑ) ÷ (1 − pₑ)
  • pₑ = Σ (totale di rigaᵢ · totale di colonnaᵢ) ÷ n²
  • Riferimenti di Landis e Koch (1977): ≤ 0,20 lieve, 0,21–0,40 discreto, 0,41–0,60 moderato, 0,61–0,80 sostanziale, > 0,80 quasi perfetto.
02

Esempio

Il calcolatore si apre con la matrice [[20, 5], [10, 15]] (n = 50). I valutatori concordano in pₒ = 0,700 dei casi, mentre per caso ci si aspetterebbe pₑ = 0,500. Ne risulta κ = 0,400, IC al 95% [0,146; 0,654], z = 2,89, p = 0,004: un accordo discreto, nettamente superiore al caso.

03

Quando usarlo e quando no

Il kappa è la misura standard per la codifica di risposte aperte o diagnosi da parte di due persone.

  • Due codificatori che classificano gli stessi casi nelle stesse categorie.
  • Validare un piano di codifica prima dell’analisi dei dati.
  • Non per più di due valutatori: usa il kappa di Fleiss o l’alfa di Krippendorff.
  • Con categorie molto squilibrate il kappa può essere basso nonostante un accordo elevato (paradosso del kappa).

Approfondimenti

Riferimenti

  • Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37–46.

  • Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1), 159–174.

  • scikit-learn — sklearn.metrics.cohen_kappa_score

Domande frequenti

Domande frequenti

Quale valore di kappa è buono?

Secondo Landis e Koch, oltre 0,60 l’accordo è sostanziale e oltre 0,80 quasi perfetto. Nella codifica di risposte aperte si punta spesso ad almeno 0,70.

Perché il kappa è più basso della percentuale di accordo?

Perché sottrae l’accordo atteso per caso. Con due categorie ugualmente frequenti, due valutatori concordano in circa metà dei casi anche tirando a indovinare.

Cos’è il paradosso del kappa?

Se una categoria è molto frequente, pₑ cresce molto e il kappa può restare basso nonostante un’alta percentuale di accordo. Riporta anche pₒ.

Il calcolatore calcola il kappa pesato?

No, calcola il kappa di Cohen non pesato. Per categorie ordinate può essere più adatto un kappa pesato.

I miei dati vengono caricati?

No. Tutto ciò che inserisci viene calcolato solo in questa scheda del browser; nulla viene inviato a un server.

Analizza l'intera indagine nel browser

Apri un file CSV, Excel o SPSS (.sav) e crea tabelle incrociate, ponderazioni, test di significatività e report modificabili. Gratuito, senza account: i file restano sul tuo dispositivo e non vengono mai caricati.

Apri i tuoi dati nell'area di lavoro

· Versione inglese di questa pagina