MSA-计数型数据量具Kappa分析(自己承担准确度风险)
MSA分析
MSA分析MSA（Kappa）分析是一种常用的可靠性分析方法，用于评估两个或多个评价者在分类测量任务中的一致性。
在医学、社会科学、市场研究和质量控制等领域中广泛应用。
本文将介绍MSA（Kappa）分析的基本背景、计算公式以及如何对数据进行解读。
1.背景在实际操作中，评价者可能会对同一对象进行分类，但每个评价者的主观判断可能存在差异，导致结果不一致。
为了度量这种一致性，MSA （Kappa）分析应运而生。
它可以用来评估评价者之间的一致性水平，以便确定评价者是否具有一致的分类标准。
2.计算公式MSA（Kappa）分析的计算基于一个叫做Kappa系数（κ）的统计指标。
Kappa系数用于评估评价者之间的一致性程度，其取值范围为[-1, 1]。
Kappa系数为正值时表示评价者之间具有一致性，为负值时表示评价者之间具有不一致性，为0时表示评价者的一致性程度与随机分类的一致性相当。
Kappa系数的计算公式为：Pr(a)-Pr(e)κ=--------------------------1-Pr(e)其中，Pr(a)为评价者之间的一致性概率，Pr(e)为评价者独立分类的概率。
在实际应用中，这两个概率可以通过计算评价者的分类结果来进行估算。
3.数据解读根据计算得到的Kappa系数，我们可以对评价者的一致性做出以下解读：-κ>0.75：评价者之间具有很高的一致性-κ=0.40-0.75：评价者之间具有一致性，但仍存在一定程度的不一致性-κ<0.40：评价者之间的一致性水平较低此外，我们还可以通过Kappa系数的置信区间来评估评价者的一致性。
如果置信区间跨越了0，表明评价者的一致性不显著；如果置信区间不包含0，表明评价者的一致性显著。
4. MSA（Kappa）分析的应用MSA（Kappa）分析广泛应用于医学领域、社会科学、市场研究和质量控制等领域。
例如，在医学领域中，医生对疾病的诊断和病情的评估可能存在主观判断的差异，MSA（Kappa）分析可以用于评估医生之间的一致性，从而提高医疗诊断的准确性和可靠性。
MSA KAPPA
KAPPA测试流程
我司KAPPA流程
Q&ቤተ መጻሕፍቲ ባይዱ Thank you!
准确和精确
不准确但精确
准确但不精确
不准确和不精确
准确性
精确性
3.KAPPA简介
3.KAPPA方案案例
备注：
在选择测试样品时，要考虑以下几方面： 如果只有两个类别：良品和次品： 1.至少应该选择20个良品和20个次品。 2.最多可选择50个良品和50个次品。 3.尽量保持大约50%的良品和50%的次品 4.选择20%容易出错、不容易区分或极限样品。 5.选择不同程度或不同标准的良品和次品
无锡市方舟科技电子有限公司 MSA（计量型和计数型）
目 录 1.MSA简介？ 2.计量型GR&R和KAPPA计数型区别
3. KAPPA简介和方案案例
4.利用KAPPA方案效果评估 5.KAPPA外观检验试点的实际测试 6.下周开始总测&外观检验试行
1.MSA简介
2.计量型GR&R（ANOVA）和KAPPA计数型区别
读懂MSA手册中Kappa分析的结果(IATF16949五大手册 测量系统分析)
44，是A和B都评价150次，两 个人都认为不合格的次数
0 A
1
总计
B
0
1
观测值 44
6
期望值 15.7
34.3
观测值
3
97
期望值 31.3
68.7
观测值 47
103
期望值 47.0 103.0
总计
50 50.0 100 100.0 150 150.0
6，是A和B都评价 150次，A认为不合 格，而B认为合格
的次数
假设检验分析—交叉表法 评价人A与评价人B的交叉表
3，是A和B都评价150次，A认 为合格，B认为不合格的次数
0 A
1
总计
B
0
1
观测值 44
6
期望值 15.7
34.3
观测值
3
97
期望值 31.3
68.7
观测值 47
103
期望值 47.0 103.0
总计
50 50.0 100 100.0 150 150.0
期望是试验中每次可能结果的概率乘以其结果的总和 可以这样理解，当多次进行这样的试验，最终获得的结果就是期望值
期望的计算方法
简单例子：扔硬币，国徽向上获得1元，扔一次付出0.6元，那 么多次这样扔，收益多少？
计算：收益=获得—付出=0.5X1-0.6=-0.1元。这是赔钱的
假设检验分析—交叉表法
评价人A与评价人B的交叉表
假设检验分析—交叉表法
评价人A与评价人B的交叉表
这里15.7的期望值，通过评价人A、 B共同选择不合格的概率乘以评价
B
次数总获得计
0 A
1
总计
0
MSA计数型Kappa分析
3
4.3
22.7
0
123
19.7 103.3
24
126
24.0 126.0
总计
27 27.0 123 123.0 150 150.0
Po 0.98
Pe 0.72
3，是评价人A 在150次判定中， A也认为不合格 的次数,基准值
不合格，
评价人A与基准交叉表数据分析
0，是评价人A在150次判定中，基 准值不合格，A也认为不合格的次
Po 0.98
Pe 0.72
3，是评价人A 在150次判定中， A认为合格的总 数,（0+123=123）
评价人A与基准交叉表数据分析
24，是基准总的不合格总数，不 合格8个，3次判定（8*3=24）
A与基准 交叉表
数量
0 期望数量
A
数量
1 期望数量
总计
数量 期望数量
基准值
0
1
24
3
4.3
22.7
1 期望数量
总计
数量 期望数量
基准值
0
1
24
3
4.3
22.7
0
123
19.7 103.3
24
126
24.0 126.0
总计 27 27.0 123 123.0 150 150.0
Po 0.98
Pe 0.72
KAPPA=（P0-Pe ）/ （n-Pe ） P0 =24+123
Pe =4.3+103.3 总评价次数：150
总计
27 27.0 123 123.0 150 150.0
总计
27 27.0 123 123.0 150
MSA计数型测量系统分析-假设试验分析法(KAPPA)
B
0.954 Good
C
0.954 Good
测量系 统有效
评价人
零件总数 正确判断数 有效性% 结* 有论效性 = 正确
A
30 29 97% Good
B
30 29 97% Good
C
30 29 97% Good
评价人 的接受
漏发警报的比例
结论
误发警报的比例
A
0%
接受
1%
B
0%
接受
1%
* 漏C发警
0%
D
16
D
D
D
17
A
A
A
18
D
D
D
19
D
D
D
20
D
D
D
21
D
D
D
22
D
D
D
23
D
D
D
24
D
D
D
25
D
D
D
26
D
D
D
27
D
D
D
28
A
A
A
29
D
D
D
30
D
D
D
评价人之间数据报
A1*C1
A D D D D D D D A D D D D D D D A D D D D D D D D D D A D D
A2*C2
1
3
1
1
1
1
1
1
1
1
1
1
4
1
1
1
1
1
1
1
1
1
MSA计数型测量系统分析——假设试验分析法(Kappa)
6.136.13 计数型测量系统分析计数型测量系统分析——————假设试验分析法假设试验分析法假设试验分析法（（Kappa Kappa））说明：参照张智勇所著《ISO/TS16949五大工具最新版一本通》（机械工业出版社）编写。
计数型测量系统的分析是为了确定不同班次，不同生产线的检查人员是否能正确地区分合格品和不合格品，分析出测量结果与标准值的符合程度，以及他们自身和相互之间重复检查的一致程度。
假设试验分析—交叉表法是一种常用的计数型测量系统分析方法。
交叉表法可以在基准值（分析用样品称为基准，用计量型测量系统对样品进行测量，测量值称为基准值）已知的情况下进行，也可以在基准值未知的情况下进行。
在基准值未知的情况下进行，可以评价测量人之间的一致性，但不能评价测量系统区分好与不好的能力。
在基准值已知的情况下，即可评价测量人之间的一致性，又能评价测量人员与基准值的一致性，以及测量的有效性、漏判率和误判率，从而判断出测量人区分合格和不合格零件的能力。
6.136.13.1 .1 .1 未知基准值的一致性分析未知基准值的一致性分析1）随机选取g=50（一般选取g=30～50个样本）个能够覆盖过程范围的零件，对这些零件进行编号。
零件的编号不要让测量人知道，但分析人应该知道。
2）由3名评价人以随机盲测的方式测量所有零件各m=3次，每人测量次数为n=g×m=50×3=150次。
“接受”记为“1”，“拒绝”记为“0”，将三人所测150×3=450个数据记录于表6-21中。
测量时应按这样的规则进行：先让A 测量人以随机顺序对50个零件进行第1轮测量，然后让B 测量人、C 测量人以随机顺序进行第1轮测量，再让A 测量人进行第2轮测量，以此类推，完成测量工作。
表6-21 计数型测量系统分析数据表零件测量人A 测量人B 测量人C基准基准值代码A-1 A-2 A-3 B-1 B-2 B-3 C-1 C-2 C-31 1 1 1 1 1 1 1 1 1 1 0.476 901 +2 1 1 1 1 1 1 1 1 1 1 0.509015 +3 0 0 0 0 0 0 0 0 0 0 0.576459 －4 0 0 0 0 0 0 0 0 0 0 0.566152 －5 0 0 0 0 0 0 0 0 0 0 0.57036 －6 1 1 0 1 1 0 1 0 0 1 0.544 951 ×7 1 1 1 1 1 1 1 0 1 1 0.465454 ×8 1 1 1 1 1 1 1 1 1 1 0.502295 +9 0 0 0 0 0 0 0 0 0 0 0.437817 －10 1 1 1 1 1 1 1 1 1 1 0.515573 +11 1 1 1 1 1 1 1 1 1 1 0.488905 +12 0 0 0 0 0 0 0 10 0 0.559918 ×13 1 1 1 1 1 1 1 1 1 1 0.542704 +14 1 1 0 1 1 1 1 0 0 1 0.454518 ×15 1 1 1 1 1 1 1 1 1 1 0.517377 +16 1 1 1 1 1 1 1 1 1 1 0.531939 +17 1 1 1 1 1 1 1 1 1 1 0.519694 +18 1 1 1 1 1 1 1 1 1 1 0.484167 +19 1 1 1 1 1 1 1 1 1 1 0.520496 +20 1 1 1 1 1 1 1 1 1 1 0.477236 +21 1 1 0 1 0 1 0 1 0 1 0.452310 ×22 0 0 1 0 1 0 1 10 0 0.545604 ×23 1 1 1 1 1 1 1 1 1 1 0.529065 +24 1 1 1 1 1 1 1 1 1 1 0.514192 +25 0 0 0 0 0 0 0 0 0 0 0.599581 －26 0 1 0 0 0 0 0 0 1 0 0.547204 ×27 1 1 1 1 1 1 1 1 1 1 0.502436 +28 1 1 1 1 1 1 1 1 1 1 0.521642 +29 1 1 1 1 1 1 1 1 1 1 0.523754 +30 0 0 0 0 0 1 0 0 0 0 0.561457 ×31 1 1 1 1 1 1 1 1 1 1 0.503091 +32 1 1 1 1 1 1 1 1 1 1 0.505850 +33 1 1 1 1 1 1 1 1 1 1 0.487613 +34 0 0 1 0 0 1 0 1 1 0 0.449696 ×35 1 1 1 1 1 1 1 1 1 1 0.498698 +36 1 1 0 1 1 1 1 0 1 1 0.543077 ×37 0 0 0 0 0 0 0 0 0 0 0.409238 －38 1 1 1 1 1 1 1 1 1 1 0.488184 +39 0 0 0 0 0 0 0 0 0 0 0.427687 －40 1 1 1 1 1 1 1 1 1 1 0.501132 +41 1 1 1 1 1 1 1 1 1 1 0.513779 +42 0 0 0 0 0 0 0 0 0 0 0.566575 －43 1 0 1 1 1 1 1 1 0 1 0.462410 ×44 1 1 1 1 1 1 1 1 1 1 0.470832 +45 0 0 0 0 0 0 0 0 0 0 0.412453 －46 1 1 1 1 1 1 1 1 1 1 0.493441 +47 1 1 1 1 1 1 1 1 1 1 0.486379 +48 0 0 0 0 0 0 0 0 0 0 0.587893 －49 1 1 1 1 1 1 1 1 1 1 0.483803 +50 0 0 0 0 0 0 0 0 0 0 0.446697 －3）根据表6-21中的0和l 数据的结果将评价人A 和B、B 和C、A 和C 利用交叉表方法进行统计（见表6-22），A*B 栏中“0*0”代表A、B 两人均判拒绝的次数，统计有44个；“0*1”代表A 判拒绝而B 判接受的次数，统计有6个；“1*0”代表A 判接受而B 判拒绝的次数，统计有3个；“1*1”代表AB 两人同时判为接受的次数，统计有97个，将统计结果依次填入表6-22中。
MSA第三版中KAPPA分析法精讲
Top Consulting
总计 7 33.0 92 66.0 99 99.0 50 50.0 100 100.0 150 150.0
A
1
总计
观测值 期望值 观测值 期望值 观测值 期望值
假设检验分析—交叉表方法
计算Kappa值 Kappa=（P0-Pe)/(n-Pe) 其中P0=对角线单元中观测值的总和； Pe=对角线单元中期望值的总和。 A与B的Kappa值 P0=44+97=141 Pe=15.7+68.7=84.4 Kappa=(141-84.4)/(150-84.4)=0.86
Top Consulting
风险分析法
数据收集 随机从过程中抽取50个零件样本，以获得覆盖过 程范围的零件。使用3名评价人，每位评价人 对每个零件评价3次，将评价结果记录在“计 数型研究数据表”中。1代表接受，0代表不接 受。参见附表。 评价的组织人员通过使用实验室设备等获得每个 零件的基准值，表中的“-”、“+”、“×”代 表零件处于I区、III区和II区。
50 39
系统有效得分与计数
50 39
64%
78%
64%
78%
89%
89%
结论：1 评价人自己在所有试验上都一致 2 评价人在所有试验上都与基准一致 3 所有评价人自己保持一致，两两间一致 4 所有评价人自己和两两间一致且与基准一致
Top Consulting
Top Consulting
A与B的交叉表
0 44 15.7 3 31.3 47 47.0
Top Consulting
计数型GRR-KAPPA(MSA第四版-测量系统分析)全公式
9
预期 16.3 34.7
计数
6 93
预期 31.7 67.3
计数 48 102
预期 48.0 102.0
合计
51 51.0
99 99.0 150 150.0
Kappa A B C
基准
A — 0.86 0.78 0.88
B 0.86
— 0.79 0.92
C 0.78 0.79
— 0.77
有效率 漏失率 误判率 A 84.0% 6.3% 4.9% B 90.0% 6.3% 2.0% C 80.0% 12.5% 8.8%
预期 16.0
计数
9
预期 35.0
计数 51
预期 51.0
合计 1
5 47 31.0 47.0
94 103 68.0 103.0
99 150 99.0 150.0
B
0
1
合计
B、基准-交叉表
基准
0
1
计数 45
2
预期 15.0 32.0
计数
3 100
预期 33.0 70.0
计数 48 102
预期 48.0 102.0
1
1
1
1
1
0
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
测量系统分析培训--6计数型系统分析Kappa
测量系统分析培训--6计数型系统分析Kappa<i>MSA中计数型测量系统分析</i>测量系统分析培训教程六第六章计数型测量系统分析Prepared by: fjhuang Apr 05, 2015<i>MSA中计数型测量系统分析</i>第六章计数型测量系统分析计数型数据(Attributes Data)与计量型数据(Variables Data )相对,可以被分类用来记录和分析的定性数据. Go-No Go数据模式.人为因素主导，情况复杂统计模型多种多样,统计学上各家争鸣，尚无定论实践中采用何种形式，取决于实例与统计模型的接近程度对于以”是”和”不是”为计数基础的定性数据，其GRR考察的概念是与定量数据一样的。
但方法上完全不同. 定性数据测量系统的能力取决于操作员判断的有效性，即将”合格”判断成合格，将”不合格”判断成不合格的程度.-2-<i>MSA中计数型测量系统分析</i>第六章计数型测量系统分析ARR---定性数据(Attribute Data)的RR是一种测量数值为一有限的分类数据的测量系统，和获得一连串数值结果的计量型测量系统不同。
Operator 1通/止规是最常用的量具，它只有两种结果；测量的零件是被接受或是拒收Operator 2NO-GO-3-GO<i>MSA中计数型测量系统分析</i>第六章计数型测量系统分析ARR分析方法1.假设性试验分析----Kappa分析法假设性试验分析方法属于大样法，也叫Kappa分析法。
一般使用交叉表格(cross-tabulations)来比较每个评价者与其它人的结果.假设性试验分析包含两个部分:1.测量系统的一致性评价( Kappa测量). 2.测量系统的有效性评价. (包含有效性，漏发警报的比率和误发警报的比例三项)2.信号探测理论法----Signal Detection方法信号控测理论法，一般需确定模糊区域的近似宽度 .从而确定测量系统的GRR。
MSA-AOI(KAPPA分析)
49
100% 100% 100%
96% 96% 98%
86% 86% 89%
%Score vs Attribute 2
A
B
C
50
50
50
48
48
49
100% 100% 100%
96% 96% 98%
86% 86% 89%
0
0
0
0
0
0
2
2
1
Attribute Measurement Systems Study Result
1 Pass
0 Fail
App. A B
姓名 张有弟 黄花容
C
潘柳
完成日期
2015.07.03
数据记录表
Part A-1 A-2 A-3 B-1 B-2 B-3 C-1 C-2 C-3 Ref Ref
1
1
1
1
1
1
1
1
1
1
1
2
1
1
1
1
1
1
1
1
1
1
3
1
1
1
1
1
1
1
1
1
1
4
0
0
0
0
0
0
0
0
0
0
5
1
1
1
1
1
C
0
1
30
2
6.6
25.4
1
117
24.4
93.6
31
119
31
119
Total
32 32 118 118 150 150
计数型测量系统分析KAPPA报告(MSA第四版)
＞30% 被认为是不可接受的。
补充：
kappa大于0.75表示有很好的一致 如果Ppk大于1，则将测量系统与过程进行比 较 如果Ppk小于1，则将测量系统与公差进行比 较
总检查数 相配数 错误的拒 收错误的接 受 不相配 95%UCI 计算所得 结果 95%LCI
总检查数 一致的数 量 95%UCI 计算所得 结果 95%LCI
0
1
1
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
0
1
1
1
1
1
1
1
1
0
1
0
0
0
0
1
1
1
1
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
1
1
1
0
1
1
1
1
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
1
1
1
1
0
0
0
0
A、基准
A
0
MSA计数测量系统分析KAPPA表
A*B交 叉表
A 0.00 数量 期望的数量
1.00 数量
总
期望的数量
计
数量
期望的数量
A*C交 叉表
A 0.00
1.00 总 计
A*参 考交
数量 期望的数量 数量 期望的数量 数量 期望的数量
A 0.00
1.00 总 计
C*参 考交
数量 期望的数量 数量 期望的数量 数量 期望的数量
C 0.00
1.00 总 计
0 0.0 150 150.0
参考 0.00
150 150.0
0 0.0 150 150.0
1.00 0
0.0 0
0.0 0
0.0
1.00 0
0.0 0
0.0 0
0.0
总计
150 150.0
0 0.0 150 150.0
kappa 结论：
B*参 考交
总计
150 150.0
0 0.0 150 150.0
判断测量系统 评价人可接受的条件 件， 评可价能人需不要可改接进受的条 件， 需要改进
有效性 ≥90% ≥80%
＜80%
错误率 ≤2%
≤5%
错误警报 率
≤5%
≤10%
＞5%
＞10%
检测者 Op
制表者 Pe
可接受
□
日期 Date
批准 Ap
不可接受 □
日期 Date
日期 Date
第2页*共2页
GZCH-FM-QC-61-A1
*****************有限公司
MSA计数测量系统分析KAPPA表
量具名称
量具编号
评价人A
零件名称
计数型测量系统分析报告(KAPPA)
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
1
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
1
1
1
1
1
1
作成：
Prepared by ：
Page 1 of 3
Part Number（零件型号）
XXXXXXXXXXXXXXXXXXXXXXX
计数型测量系统分析报告（KAPPA）
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
MSA-计数型数据量具Kappa分析(自己承担准确度风险)
总计
B与基准判断交叉表 B 0.00 数量
期望数量 1.00 数量 期望数量 数量 期望数量
Kappa 有效性 漏发 误发
A B C 0.9013 0.9342 0.91835 86.00% 90.00% 88.00% 4.76% 2.38% 2.38% 4.63% 3.70% 4.63%
总计
C与基准判断交叉表 C 0.00 数量
评价人A: ; 评价人B: ; 评价人C: ；数据分析人：
XXXXXXXX有限公司
计数型研究资料表假设检验分析- 交叉表(Kappa分析)
■ 品管 囗 生产 囗 工程
零件名称： 零件编号： 规格公差： 零件数量：
量具名称： 量具编号： 量具类型： 50 PCS 参考 0.00 1.00 40 5 12.6 32.4 2 103 29.4 75.6 42 108 42.0 108.0 参考 0.00 1.00 41 4 12.6 32.4 1 104 29.4 75.6 42 108 42.0 108.0 参考 0.00 1.00 41 5 12.9 33.1 1 103 29.1 74.9 42 108 42.0 108.0 B 0.00 1.00 40 5 13.5 31.5 5 100 31.5 73.5 45 105 45.0 105.0 C 0.00 1.00 40 5 13.8 31.2 6 99 32.2 72.8 46 104 46.0 104.0 C 0.00 1.00 43 2 13.8 31.2 3 102 32.2 72.8 46 104 46.0 104.0 总计 45 45.0 105 105.0 150 150.0 总计
评价人数：3 测量次数：3 0:0 40 41 41 0： 数据分析人： 评价时间：
MSA第三版中KAPPA分析法精讲
Top Consulting
总计 7 33.0 92 66.0 99 99.0 50 50.0 100 100.0 150 150.0
A
1
总计
观测值 期望值 观测值 期望值 观测值 期望值
假设检验分析—交叉表方法
计算Kappa值 Kappa=（P0-Pe)/(n-Pe) 其中P0=对角线单元中观测值的总和； Pe=对角线单元中期望值的总和。 A与B的Kappa值 P0=44+97=141 Pe=15.7+68.7=84.4 Kappa=(141-84.4)/(150-84.4)=0.86
1 1 0 0 0 1 1 1 0 1 1 0 1 1 1 1 1 1 1
0.476901 0.509015 0.576459 0.566152 0.570360 0.544951 0.465454 0.502295 0.437817 0.515573 0.488905 0.559918 0.542704 0.454518 0.517377 0.531939 0.519694 0.484167 0.520496
A-3
1 1 0 0 0 0 1 1 0 1 1 0 1 0 1 1 1 1 1
B-1
1 1 0 0 0 1 1 1 0 1 1 0 1 1 1 1 1 1 1
B-2
1 1 0 0 0 1 1 1 0 1 1 0 1 1 1 1 1 1 1
B-3
1 1 0 0 0 0 1 1 0 1 1 0 1 1 1 1 1 1 1
Top Consulting
计数型测量系统研究—Signal Detection
计数型数据量具Kappa分析
■ 品管 囗 生产 囗 工程
零件 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 A-1 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 1 1 1 1 分析： A-2 1 1 1 0 1 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 1 1 0 1 1 1 1 0 0 1 1 1 A-3 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 0 0 0 1 0 1 1 0 0 1 0 1 1 0 1 0 1 1 1 1 B-1 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 0 1 1 1 B-2 1 1 1 1 1 0 1 0 1 0 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 B-3 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 0 1 0 1 1 1 1 C-1 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 0 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 1 0 1 1 确认： C-2 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 1 1 0 1 1 1 1 0 0 1 1 1 C-3 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 0 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 1 1 1 1 基准 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 1 1 1 1 基准值 代码 ＋ ＋ ＋ × ＋ － ＋ － ＋ × ＋ － ＋ ＋ ＋ ＋ － × × ＋ ＋ ＋ × ＋ ＋ ＋ － － ＋ ＋ × － － ＋ － ＋ ＋ － × ＋ × ＋ ＋ × ＋ － × × ＋ ＋
我为什么反对在属性数据MSA中用Kappa分析（上）汽车质量管理笔记
我为什么反对在属性数据MSA中⽤Kappa分析（上）汽车质量管理笔记这可能是⼀篇会引起很多争议的⽂章，在写完初稿后搁置了⼤半年的时间，现在略作修改分两次发完，希望能够引起⼤家的讨论。
熟悉我的⼈都知道，在MSA中，我明确反对两个东西。
⼀个是ndc，因为这只是%P/Tv的另⼀个解释，但却派⽣出独⽴的判断标准，使得两个指标之间产⽣了⽭盾，使⼈⽆所适从。
在《六西格玛管理统计指南》第3版(以下简称指南三)p.405-407有详细阐述，在此不再赘述。
另⼀个就是属性数据MSA中的Kappa。
⼀致率、误判率、漏判率这些简单明了的指标⾜以让我们对测量系统做出恰当的判断，为什么还要画蛇添⾜地加上⼀个Kappa呢？很多年来我从来不讲Kappa，在蓝⽪书⾥也只是简单提了⼀下，并没有做详细的阐述。
但这也没有什么⽤，Kappa分析仍⼤⾏其道，⼜像ndc⼀样，成为了⼀种教条。
虽然明确反对使⽤Kappa分析，但说实话，我⾃⼰也信⼼不⾜，毕竟对此没有多深⼊的了解。
为此我做了⼀些功课，也有了⼀些⼼得。
在此提出来与各位探讨，欢迎拍砖。
我们先看看针对属性数据的⼀致性标准。
这样的标准表述⽐较清晰，很容易理解，也⽐较容易得出结论。
再看看Kappa的标准，⼤于0.9可接受，介于0.7~0.9可勉强接受，⼩于0.7不合格。
但0.7或0.9的实际意义是什么，与⼀致性有什么关系，却没有说清楚。
在实际应⽤中，当Kappa的结论与⼀致性的结论⽭盾时，往往让⼈⽆所适从。
如下⾯这个案例：从分析结果上中，评估⼀致性以及与标准的⼀致性均只有76%，但Kappa值却有0.75和0.87。
根据上述标准判断，⼀个是不合格，⼀个是可以让步接受，那应该怎么下结论呢？如果判定不合格，但Kappa却显⽰可以⽤，尤其是后⼀个，都接近0.9了；如果判定可接受，但明明⼀致性不好啊。
类似的不协调也出现在%P/Tv和ndc之间，这⾥不再赘述。
为什么会出现这种结果呢？本⽂试图从Kappa分析的原理来做⼀探究。
Kappa测试数据分析报告
操作者A( )操作者B( )操作者C( )A B C A&B=0A&B=1A=0，B=1A=1，B=0A&C=0A&C=1A=0，C=1A=1，C=0B&C=0B&C=1B=0，C=1B=1，C=0111110100010001002110101000001000130010100000100010410000001000110005111101000100010060000100010001000710110001010000108111101000100010091101010000010001101101010000010001110000100010001000120000100010001000131111010001000100141101010000010001151111010001000100161111010001000100170000100010001000180000100010001000190010100000100010201101010000010001211011000101000010221111010001000100231111010001000100241111010001000100250000100010001000261111010001000100271101010000010001281111010001000100291111010001000100300000100010001000310000100010001000321111010001000100331011000101000010341111010001000100351111010001000100360011100000100010370100001010000001381111010001000100391101010000010001401111010001000100411111010001000100420010100000100010430111001000100100440000100010001000451111010001000100461111010001000100470000100010001000481111010001000100490000100010001000501111010001000100333130341529241225581223781719201635214846382545423827434201152176.510.517.04293312.520.533.019315019.031.050.001127197.611.419.08233112.418.631.020305020.030.050.001125176.810.217.08253313.219.833.020305020.030.050.0014555016.034.050.039710032.068.0100.04810215048.0102.0150.0014524715.032.047.0310010333.070.0103.04810215048.0102.0150.0014295116.334.751.06939931.767.399.04810215048.0102.0150.0A B C ---74%44%74%---37%44%37%---评价人的Kappa评价≥0.75 一致性好,可接受＜ 0.75 一致性差,应改善P0Pe KappaC计算0.900.5677%1期望的计算计算Pe KappaB计算0.970.5792%1总计P0Pe KappaA计算0.950.5688%1P0Pe KappaC计算0.740.5344%1P0Pe KappaB计算0.700.5237%1A计算0.880.5474%1总计期望的计算A 与B 交叉表B总计P0Pe Kappa日期：A B C期望的计算计算期望的计算总计期望的计算C 与基准交叉表基准总计期望的计算计算期望的计算计算B 与基准交叉表基准总计P0期望的计算计算期望的计算总计期望的计算计算期望的计算总计A 与基准交叉表基准总计期望的计算计算期望的计算计算A 与C 交叉表C总计计算期望的计算计算期望的计算总计期望的计算计算tol零件基准B 与C 交叉表C总计期望的计算计算期望的计算。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
评价人数：3 测量次数：3 0:0 40 41 41 0:1 2 1 1
评价人A： 评价人B： 评价人C： 数据分析人： 评价时间：
A与基准判断交叉表 A 0.00 数量
期望数量 1.00 数量 期望数量 数量 期望数量
A B C
1:0 5 4 5
1:1 103 1ห้องสมุดไป่ตู้4 103
XXXXXXXX有限公司
计数型研究资料表假设检验分析- 交叉表(Kappa分析)
■ 品管 囗 生产 囗 工程
零件 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 A-1 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 1 1 1 1 分析： A-2 1 1 1 0 1 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 1 1 0 1 1 1 1 0 0 1 1 1 A-3 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 0 0 0 1 0 1 1 0 0 1 0 1 1 0 1 0 1 1 1 1 B-1 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 0 1 1 1 B-2 1 1 1 1 1 0 1 0 1 0 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 B-3 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 0 1 0 1 1 1 1 C-1 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 0 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 1 0 1 1 确认： C-2 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 1 1 0 1 1 1 1 0 0 1 1 1 C-3 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 0 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 1 1 1 1 基准 1 1 1 1 1 0 1 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 0 1 1 0 0 1 0 1 1 1 1 0 1 1 1 1 基准值 代码 ＋ ＋ ＋ × ＋ － ＋ － ＋ × ＋ － ＋ ＋ ＋ ＋ － × × ＋ ＋ ＋ × ＋ ＋ ＋ － － ＋ ＋ × － － ＋ － ＋ ＋ － × ＋ × ＋ ＋ × ＋ － × × ＋ ＋
总计
A与C交叉表 A 0.00 数量
期望数量 1.00 数量 期望数量 数量 期望数量
总计
注：Kapaa=(Po－Pe)/(1－Pe) Po=对角线单元中观测值的总和 Pe=对角线单元中期望值的总和 有效性 = 正确判断的数量 / 判断的机会总数
分析：
确认：
总计
B与基准判断交叉表 B 0.00 数量
期望数量 1.00 数量 期望数量 数量 期望数量
Kappa 有效性 漏发 误发
A B C 0.9013 0.9342 0.91835 86.00% 90.00% 88.00% 4.76% 2.38% 2.38% 4.63% 3.70% 4.63%
总计
C与基准判断交叉表 C 0.00 数量
评价人A: ; 评价人B: ; 评价人C: ；数据分析人：
XXXXXXXX有限公司
计数型研究资料表假设检验分析- 交叉表(Kappa分析)
■ 品管 囗 生产 囗 工程
零件名称： 零件编号： 规格公差： 零件数量：
量具名称： 量具编号： 量具类型： 50 PCS 参考 0.00 1.00 40 5 12.6 32.4 2 103 29.4 75.6 42 108 42.0 108.0 参考 0.00 1.00 41 4 12.6 32.4 1 104 29.4 75.6 42 108 42.0 108.0 参考 0.00 1.00 41 5 12.9 33.1 1 103 29.1 74.9 42 108 42.0 108.0 B 0.00 1.00 40 5 13.5 31.5 5 100 31.5 73.5 45 105 45.0 105.0 C 0.00 1.00 40 5 13.8 31.2 6 99 32.2 72.8 46 104 46.0 104.0 C 0.00 1.00 43 2 13.8 31.2 3 102 32.2 72.8 46 104 46.0 104.0 总计 45 45.0 105 105.0 150 150.0 总计
误发 ≤5% ≤10% ＞10%
总计
A — 0.855 0.936
B 0.855 — 0.840
C 0.936 0.840 —
B与C交叉表 B 0.00 数量
期望数量 1.00 数量 期望数量 数量 期望数量
1 经过分析表明所有评价人与基准之间有较好的一致性。 2 经过分析表明所有评价人之间有较好的一致性。 3 所有评价人都可以接受的。
期望数量
1.00 数量 总计 A与B交叉表 A 0.00 数量
期望数量 1.00 数量 期望数量 数量 期望数量 期望数量 数量 期望数量
45 45.0 105 105.0 判定标准： 150 Kappa大于0.75表示有很好的一致性， 150.0 Kappa为1时，表示有完全的一致性， Kappa小于0.40则表示一致性不好。 总计 判定测量系统 有效性 漏发 46 评价人可接受 ≥90% ≤2% 46.0 评价人可接受 104 和边缘 ≥80% ≤5% 104.0 可能需要改进 150 评价人不可接受 ＜80% ＞5% 150.0 需要改进 总计 45 45.0 Kappa 105 A 105.0 B 150 C 150.0 总计 判定结论： 45 45.0 105 105.0 150 150.0 总计 45 45.0 105 105.0 150 150.0