视频字幕
肯德尔W系数是一种非参数统计量，用于衡量多个评估者对同一组项目进行排序时的一致性程度。它也被称为肯德尔一致性系数，由莫里斯·肯德尔和巴宾顿·史密斯于1939年提出。肯德尔W系数的计算公式如图所示，其中W表示一致性系数，m是评估者数量，n是被评估项目数量，S是每个项目排名总和的离差平方和。在这个例子中，我们有3位评估者对4个项目进行排序，计算得到的W值为0.74，接近于1，表示评估者之间存在较高的一致性。
现在我们来看肯德尔W系数的具体计算步骤。首先，每位评估者对n个项目进行排序。然后，计算每个项目的排名总和Rj。接着，计算所有排名总和的平均值R bar。第四步，计算离差平方和S，即每个项目排名总和与平均值的差的平方和。最后，使用公式W等于12S除以m平方乘以n立方减n来计算W值。在我们的例子中，三位评估者对四个项目的排序如前所示。计算得到项目1的排名总和为5，项目2为4，项目3为11，项目4为10。排名总和的平均值为7.5。离差平方和S等于37。代入公式计算得到W值约为0.82，表明评估者之间存在较强的一致性。W值的解释范围从0到1，0表示没有一致性，接近1表示一致性很强。
肯德尔W系数可以进行统计显著性检验，以确定评估者之间的一致性是否显著高于随机情况。零假设H₀假定评估者之间没有一致性，备择假设H₁则认为存在一致性。当样本量较大时，可以使用卡方近似检验，计算公式为χ²等于m乘以n减1再乘以W，自由度为n减1。如果p值小于显著性水平α，则拒绝零假设。在我们前面的例子中，三位评估者对四个项目的评价得到W值为0.82。计算χ²值为7.38，自由度为3，对应的p值为0.061。如果我们采用0.05的显著性水平，由于p值大于0.05，我们不能拒绝零假设，说明评估者之间的一致性在5%的水平上不够显著。但如果采用0.10的显著性水平，则可以拒绝零假设，认为一致性在10%的水平上是显著的。肯德尔W系数广泛应用于心理学、医学、教育、市场研究和环境科学等领域，用于评估不同评估者对同一组项目的评价一致性。
肯德尔W系数与其他相关系数有着密切的关系。首先，肯德尔W与平均斯皮尔曼等级相关系数之间存在数学关系：W等于平均斯皮尔曼相关系数乘以评估者数量减1再加1，然后除以评估者数量。这意味着，当评估者数量固定时，W值随着平均斯皮尔曼相关系数的增加而增加。其次，肯德尔W与肯德尔τ有所不同：τ用于衡量两个排序之间的相关性，而W则用于衡量多个排序之间的整体一致性。此外，肯德尔W与弗里德曼检验也有关联，弗里德曼检验统计量等于评估者数量乘以项目数量减1再乘以W，实际上弗里德曼检验就是肯德尔W系数的统计显著性检验。与其他相关系数相比，肯德尔W系数具有多项优势：它是一种非参数方法，不要求数据服从正态分布；适用于序数数据；可以处理多个评估者的情况；结果易于解释，因为它的取值范围在0到1之间。
总结一下，肯德尔W系数是一种非参数统计量，用于衡量多个评估者对同一组项目进行排序时的一致性程度。W值的范围从0到1，0表示评估者之间完全没有一致性，1表示评估者之间完全一致，W值越大表示一致性越高。计算肯德尔W系数的步骤包括：计算每个项目的排名总和、计算排名总和的平均值、计算离差平方和，最后应用公式W等于12S除以m平方乘以n立方减n。肯德尔W系数可以通过卡方近似或弗里德曼检验进行统计显著性检验，以确定观察到的一致性是否显著高于随机情况下的水平。肯德尔W系数广泛应用于心理学、医学、教育、市场研究等需要评估多人评价一致性的领域。与其他相关系数相比，肯德尔W系数的优势在于它是一种非参数方法，适用于序数数据，可以处理多个评估者的情况，且结果易于解释。