今天讨论的kappa，并不是那个熟悉的背靠背运动品牌，而是kappa系数或kappa值，主要应用于离散型数据的一致性检验，记住哟，前提是离散型数据。

通常，kappa值在（-1，+1）范围内，但只有kappa值＞0，才具有分析的意义。因为如果kappa≤1，则说明这个结果是由“机遇、偶然”导致的，怎么理解这句话呢？

比如，我们找一张高等数学的试卷，全部是选择题，把这些题目交给3个幼儿园的学生去做，把这3个学生分开，独立的做题。结果是显然的，这些幼儿园的学生肯定是不会做高等数学的试卷的，但会选择啊，而且有些题目的选择结果可能是一样的。

通俗点说，这样的结果是瞎蒙的，也就是上面说的“机遇、偶然”导致的，只不过统计学家说的比较委婉而已。

因此呢，如果对上面这个结果做kappa分析，则计算出来的kappa值＜0，说明一致性的结果是因为瞎蒙、机遇导致的。

当kappa值=0，说明一致性结果完全是瞎蒙的。

以上这两种结果都没有意义。

只有当kappa值＞0，才具有分析的意义。

通常，如果0＜Kappa≤0.40,则说明一致性差，不可接受。如果0.40＜Kappa＜0.75，则说明一致性一般，有一定的风险；如果Kappa≥0.75，具有很高的一致性。

如果kappa值很小怎么办？

kappa值特别小，说明员工判定的结果不一致，或者自己两次检验判定的结果都不一致，一致性太差。那么这个时候，首先要做的是制定统一的检验标准，提高员工对检验标准的了解、熟悉程度。