返回目录:excel表格制作
kappa一致性系数和spearman系数的区别是:
(1)kappa一致性系数:
它是通过把所有地表真实分类中的像元总数(N)乘以混淆矩阵对角线(Xkk)的和,再减去某一类地表真实像元总数与被误分成该类像元总数之积对所有类别求和的结果,再除以总像元数的平方减去某一类中地表真实像元总数与该类中被误分成该类像元总数之积对所有类别求和的结果所得到的。
计算公式编辑
两幅栅格图的kappa计算公式为 k = (Po-Pc)/(1-Pc)
设栅格总象元数为n,真实栅格为1的象元数为a1,为0的象元数为a0,模拟栅格为1的象元数为b1,为0的象元数为b0,两个栅格对应象元值相等的象元数为s,则
Po = s/n, Pc = (a1*b1+a0*b0)/(n*n)
在arcmap里,a1、a0、b1、b0从属性表可读出,s用raster calculator配合con()函数不难求出。
kappa计算结果为-1~1,但通常kappa是落在 0~1 间,可分为五组来表示不同级别的一致性:0.0~0.20极低的一致性(slight)、0.21~0.40一般的一致性(fair)、0.41~0.60 中等的一致性(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1几乎完全一致(almost perfect)。
(2)spearman系数:
对不服从正态分布的资料、原始资料等级资料、一侧开口资料、总体分布类型未知的资料不符合使用积矩相关系数来描述关联性。此时可采用秩相关(rank correlation),也称等级相关,来描述两个变量之间的关联程度与方向。
计算步骤:
⑴编秩:将两变量X、Y成对的观察值分别从小到大顺序编秩,用pi表示xi的秩e799bee5baa6e997aee7ad94e78988e69d83332次;用qi表示yi的秩次。若观察值相同取平均秩次。
⑵将秩次带入公式计算:
⑶由样本算得的秩相关系数是否有统计学意义,应作假设检验。
检验编辑
⑴建立假设检验,确定检验水准:
⑵计算检验统计量:
查秩相关系数界值表,若超过界值表,则拒绝 ; 作 检验。
http://el.mdu.edu.tw/datacos/09410121035A/%E7%9B%B8%E9%97%9C%E4%BF%82%E6%95%B8%E7%A8%AE%E9%A1%9E.doc
对不住您,本来想粘下来百给你,但是发度现公式这里显示问不了,所以你就在这里查吧,几乎所有答的相关系数的计算方法版都提到了,祝你论文权顺利!
好中差来分别用123来表示,将数据录入到spss中
接着,我们再给数据加权,用频数作为加权变量,
接着,打开菜单:分析--描述统计-交叉表源,将两个变量分别放入行和列百变量
设置输出的描述性统计,这里就是输出kappa系数的地方度
勾选kappa系数,然后点击继续按钮
回到了主菜单,我们点击ok按钮
两幅栅格图的kappa计算复公式为 k = (Po-Pc)/(1-Pc)
设栅格总象元数为n,真实栅格为1的象元数为a1,为0的象元数为a0,模拟栅格为1的象元数为b1,为0的象元数为b0,两个栅格对制应象元值相等的象元数为s,则
Po = s/n, Pc = (a1*b1+a0*b0)/(n*n)
在arcmap里,a1、a0、b1、b0从属性表可读出,s用raster calculator配合con()函数不难求出。
kappa计算结果为-1~1,但通常kappa是落在 0~1 间,可百分为五组来表示不同级别的一致性:0.0~0.20极低的一致性(slight)、0.21~0.40一般的一致性(fair)、0.41~0.60 中等的一致性(moderate)、0.61~0.80 高度的一致性(substantial)和0.81~1几乎完全度一致(almost perfect)。