{"id":10345,"date":"2019-11-10T11:19:27","date_gmt":"2019-11-10T09:19:27","guid":{"rendered":"https:\/\/www.datanovia.com\/en\/?post_type=dt_lessons&#038;p=10345"},"modified":"2019-11-12T02:53:22","modified_gmt":"2019-11-12T00:53:22","slug":"kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles","status":"publish","type":"dt_lessons","link":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/","title":{"rendered":"Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles"},"content":{"rendered":"<div id=\"rdoc\">\n<p>Le <strong>kappa de Fleiss<\/strong> est une mesure de concordance inter-\u00e9valuateur qui \u00e9tend le Kappa de Cohen pour \u00e9valuer le niveau de concordance entre deux ou plusieurs \u00e9valuateurs, lorsque la m\u00e9thode d\u2019\u00e9valuation est mesur\u00e9e sur une \u00e9chelle cat\u00e9gorielle. Il exprime \u00e0 quel degr\u00e9 la proportion d\u2019accords observ\u00e9e entre les \u00e9valuateurs d\u00e9passe ce \u00e0 quoi on pourrait s\u2019attendre si tous les \u00e9valuateurs faisaient leurs \u00e9valuations de fa\u00e7on compl\u00e8tement al\u00e9atoire.<\/p>\n<p>Par exemple, vous pourriez utiliser le kappa de Fleiss pour \u00e9valuer l\u2019accord entre 3 m\u00e9decins dans le diagnostic des troubles psychiatriques des patients.<\/p>\n<div class=\"warning\">\n<p>Notez que le kappa de Fleiss peut \u00eatre sp\u00e9cialement utilis\u00e9 lorsque les participants sont not\u00e9s par diff\u00e9rents groupes d\u2019\u00e9valuateurs. Cela signifie que les \u00e9valuateurs responsables de l\u2019\u00e9valuation d\u2019un individu donn\u00e9 ne sont pas suppos\u00e9s \u00eatre les m\u00eames que ceux responsables de l\u2019\u00e9valuation d\u2019un autre individu (Fleiss et al., 2003).<\/p>\n<\/div>\n<p>Contents:<\/p>\n<div id=\"TOC\">\n<ul>\n<li><a href=\"#notions-de-base\">Notions de base<\/a>\n<ul>\n<li><a href=\"#formule\">Formule<\/a><\/li>\n<\/ul>\n<\/li>\n<li><a href=\"#interpretation-ampleur-de-laccord\">Interpr\u00e9tation : Ampleur de l\u2019accord<\/a><\/li>\n<li><a href=\"#hypotheses\">Hypoth\u00e8ses<\/a><\/li>\n<li><a href=\"#hypotheses-statistiques\">Hypoth\u00e8ses statistiques<\/a><\/li>\n<li><a href=\"#exemple-de-donnees\">Exemple de donn\u00e9es<\/a><\/li>\n<li><a href=\"#calculer-le-kappa-de-fleiss\">Calculer le kappa de Fleiss<\/a><\/li>\n<li><a href=\"#rapporter\">Rapporter<\/a><\/li>\n<li><a href=\"#resume\">R\u00e9sum\u00e9<\/a><\/li>\n<li><a href=\"#references\">References<\/a><\/li>\n<\/ul>\n<\/div>\n<div class='dt-sc-hr-invisible-medium  '><\/div>\n<div class='dt-sc-ico-content type1'><div class='custom-icon' ><a href='https:\/\/www.datanovia.com\/en\/fr\/produit\/concordance-inter-juges-lessentiel-guide-pratique-dans-r\/' target='_blank'><span class='fa fa-book'><\/span><\/a><\/div><h4><a href='https:\/\/www.datanovia.com\/en\/fr\/produit\/concordance-inter-juges-lessentiel-guide-pratique-dans-r\/' target='_blank'> Livre associ\u00e9 <\/a><\/h4>Concordance Inter-Juges: L'Essentiel - Guide Pratique dans R<\/div>\n<div class='dt-sc-hr-invisible-medium  '><\/div>\n<div id=\"notions-de-base\" class=\"section level2\">\n<h2>Notions de base<\/h2>\n<div id=\"formule\" class=\"section level3\">\n<h3>Formule<\/h3>\n<p>Bri\u00e8vement, le coefficient kappa est une mesure de concordance qui supprime l\u2019accord attendu d\u00fb au hasard. Elle peut s\u2019exprimer comme suit:<\/p>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/inter-rater-reliability\/images\/cohen-s-kappa-formula.png\" alt=\"Formule de Kappa\" \/><\/p>\n<ul>\n<li>Po est l\u2019accord observ\u00e9<\/li>\n<li>Pe est l\u2019accord attendu<\/li>\n<\/ul>\n<p>Des exemples de formules pour calculer Po et Pe pour le kappa de Fleiss se trouvent dans <span class=\"citation\">Joseph L. Fleiss (2003)<\/span> et sur <a href=\"https:\/\/en.wikipedia.org\/wiki\/Fleiss\">wikipedia<\/a>.<\/p>\n<div class=\"warning\">\n<p>kappa peut varier de -1 (aucun accord) \u00e0 +1 (accord parfait).<\/p>\n<ul>\n<li>lorsque k = 0, l\u2019accord n\u2019est pas meilleur que ce qui serait obtenu par hasard.<\/li>\n<li>lorsque k est n\u00e9gatif, l\u2019accord est inf\u00e9rieur \u00e0 l\u2019accord attendu par hasard.<\/li>\n<li>lorsque k est positif, l\u2019accord d\u00e9passe l\u2019accord al\u00e9atoire.<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<\/div>\n<div id=\"interpretation-ampleur-de-laccord\" class=\"section level2\">\n<h2>Interpr\u00e9tation : Ampleur de l\u2019accord<\/h2>\n<p>L\u2019interpr\u00e9tation du kappa de Fleiss est comme celle du kappa classique de Cohen <span class=\"citation\">(Joseph L. Fleiss 2003)<\/span>. Dans la plupart des cas,<\/p>\n<ul>\n<li>des valeurs sup\u00e9rieures \u00e0 0,75 ou plus peuvent \u00eatre consid\u00e9r\u00e9es comme un excellent accord au-del\u00e0 du hasard,<\/li>\n<li>des valeurs inf\u00e9rieures \u00e0 0,40 environ peuvent \u00eatre consid\u00e9r\u00e9es comme un mauvais accord au-del\u00e0 du hasard, et<\/li>\n<li>des valeurs comprises entre 0,40 et 0,75 peuvent \u00eatre consid\u00e9r\u00e9es comme repr\u00e9sentatives d\u2019un accord juste \u00e0 bon au-del\u00e0 du hasard.<\/li>\n<\/ul>\n<p>Pour en savoir plus sur l\u2019interpr\u00e9tation kappa, voir (Chapitre @ref(cohen-s-kappa)).<\/p>\n<\/div>\n<div id=\"hypotheses\" class=\"section level2\">\n<h2>Hypoth\u00e8ses<\/h2>\n<p>Vos donn\u00e9es doivent r\u00e9pondre aux hypoth\u00e8ses suivantes pour le calcul du Kappa de Fleiss.<\/p>\n<ol style=\"list-style-type: decimal;\">\n<li>Les <strong>variables de r\u00e9sultats<\/strong> retourn\u00e9es par les \u00e9valuateurs doivent \u00eatre cat\u00e9gorielles (nominales ou ordinales)<\/li>\n<li>Les variables de r\u00e9sultats doivent avoir exactement les <strong>m\u00eames cat\u00e9gories<\/strong><\/li>\n<li>Les <strong>\u00e9valuateurs<\/strong> sont ind\u00e9pendants<\/li>\n<\/ol>\n<\/div>\n<div id=\"hypotheses-statistiques\" class=\"section level2\">\n<h2>Hypoth\u00e8ses statistiques<\/h2>\n<ul>\n<li><strong>Hypoth\u00e8se nulle<\/strong> (H0): <code>kappa = 0<\/code>. L\u2019accord est le m\u00eame que l\u2019accord al\u00e9atoire.<\/li>\n<li><strong>Hypoth\u00e8se alternative<\/strong> (Ha): <code>kappa \u2260 0<\/code>. L\u2019accord est diff\u00e9rent d\u2019un accord al\u00e9atoire.<\/li>\n<\/ul>\n<\/div>\n<div id=\"exemple-de-donnees\" class=\"section level2\">\n<h2>Exemple de donn\u00e9es<\/h2>\n<p>Nous utiliserons les donn\u00e9es de diagnostic psychiatrique fournies par 6 \u00e9valuateurs. Ces donn\u00e9es sont disponibles dans le package <code>irr<\/code>. Au total, 30 patients ont \u00e9t\u00e9 recrut\u00e9s et class\u00e9s par chacun des \u00e9valuateurs dans 5 cat\u00e9gories <span class=\"citation\">(Fleiss and others 1971)<\/span> : 1. D\u00e9pression, 2. Trouble de la personnalit\u00e9, 3. Schizophr\u00e9nie, 4. N\u00e9vrose, 5. Autre.<\/p>\n<pre class=\"r\"><code># install.packages(\"irr\")\r\nlibrary(\"irr\")\r\ndata(\"diagnoses\", package = \"irr\")\r\nhead(diagnoses[, 1:3])<\/code><\/pre>\n<pre><code>##                    rater1                  rater2                  rater3\r\n## 1             4. Neurosis             4. Neurosis             4. Neurosis\r\n## 2 2. Personality Disorder 2. Personality Disorder 2. Personality Disorder\r\n## 3 2. Personality Disorder        3. Schizophrenia        3. Schizophrenia\r\n## 4                5. Other                5. Other                5. Other\r\n## 5 2. Personality Disorder 2. Personality Disorder 2. Personality Disorder\r\n## 6           1. Depression           1. Depression        3. Schizophrenia<\/code><\/pre>\n<\/div>\n<div id=\"calculer-le-kappa-de-fleiss\" class=\"section level2\">\n<h2>Calculer le kappa de Fleiss<\/h2>\n<p>La fonction R <code>kappam.fleiss()<\/code> [package irr] peut \u00eatre utilis\u00e9e pour calculer le kappa de Fleiss comme indice d\u2019accord inter-\u00e9valuateurs entre m \u00e9valuateurs sur des donn\u00e9es cat\u00e9gorielles.<\/p>\n<p>Dans l\u2019exemple suivant, nous allons calculer l\u2019accord entre les 3 premiers \u00e9valuateurs:<\/p>\n<pre class=\"r\"><code>library(\"irr\")\r\n# S\u00e9lectionner les trois premiers \u00e9valuateurs\r\nmydata &lt;- diagnoses[, 1:3]\r\n# Calculer kapa\r\nkappam.fleiss(mydata)<\/code><\/pre>\n<pre><code>##  Fleiss' Kappa for m Raters\r\n## \r\n##  Subjects = 30 \r\n##    Raters = 3 \r\n##     Kappa = 0.534 \r\n## \r\n##         z = 9.89 \r\n##   p-value = 0<\/code><\/pre>\n<div class=\"success\">\n<p>Dans notre exemple, le kappa de Fleiss (k) = 0,53, ce qui repr\u00e9sente un accord assez-bon selon la classification de Fleiss (Fleiss et al. 2003). Ceci est confirm\u00e9 par la p-value obtenue (p &lt; 0,0001), indiquant que notre kappa calcul\u00e9 est significativement diff\u00e9rent de z\u00e9ro.<\/p>\n<\/div>\n<p>Il est \u00e9galement possible de calculer les kappas individuels, qui sont des kappa de Fleiss calcul\u00e9s pour chacune des cat\u00e9gories s\u00e9par\u00e9ment par rapport \u00e0 toutes les autres cat\u00e9gories combin\u00e9es.<\/p>\n<pre class=\"r\"><code>kappam.fleiss(mydata, detail = TRUE)<\/code><\/pre>\n<pre><code>##  Fleiss' Kappa for m Raters\r\n## \r\n##  Subjects = 30 \r\n##    Raters = 3 \r\n##     Kappa = 0.534 \r\n## \r\n##         z = 9.89 \r\n##   p-value = 0 \r\n## \r\n##                         Kappa     z p.value\r\n## 1. Depression           0.416 3.946   0.000\r\n## 2. Personality Disorder 0.591 5.608   0.000\r\n## 3. Schizophrenia        0.577 5.475   0.000\r\n## 4. Neurosis             0.236 2.240   0.025\r\n## 5. Other                1.000 9.487   0.000<\/code><\/pre>\n<div class=\"success\">\n<p>On peut constater qu\u2019il y a un accord de passable \u00e0 bon entre les \u00e9valuateurs en ce qui concerne l\u2019\u00e9valuation des participants comme souffrant de \u201cd\u00e9pression\u201d, de \u201ctrouble de la personnalit\u00e9\u201d, de \u201cschizophr\u00e9nie\u201d et \u201cautre\u201d ; mais il y a un mauvais accord quant au diagnostic de la \u201cn\u00e9vrose\u201d.<\/p>\n<\/div>\n<\/div>\n<div id=\"rapporter\" class=\"section level2\">\n<h2>Rapporter<\/h2>\n<p>Le kappa de Fleiss a \u00e9t\u00e9 calcul\u00e9 pour \u00e9valuer l\u2019accord entre trois m\u00e9decins dans le diagnostic des troubles psychiatriques chez 30 patients. Les trois m\u00e9decins \u00e9taient assez d\u2019accord, kappa = 0,53, p &lt; 0,0001. Les kappas individuels pour les cat\u00e9gories \u201cd\u00e9pression\u201d, \u201ctrouble de la personnalit\u00e9\u201d, \u201cschizophr\u00e9nie\u201d, \u201cn\u00e9vrose\u201d et \u201cautre\u201d \u00e9taient respectivement de 0,42, 0,59, 0,58, 0,24 et 1,00.<\/p>\n<\/div>\n<div id=\"resume\" class=\"section level2\">\n<h2>R\u00e9sum\u00e9<\/h2>\n<p>Ce chapitre explique les bases et la formule du kappa de Fleiss, qui peut \u00eatre utilis\u00e9 pour mesurer l\u2019accord entre plusieurs \u00e9valuateurs qui \u00e9valuent avec un score cat\u00e9goriel (nominales ou ordinales). Nous montrons \u00e9galement comment calculer et interpr\u00e9ter les valeurs de kappa \u00e0 l\u2019aide du logiciel R. Notez qu\u2019avec le kappa de Fleiss, vous n\u2019avez pas n\u00e9cessairement besoin d\u2019avoir les m\u00eames ensembles d\u2019\u00e9valuateurs pour chaque participant <span class=\"citation\">(Joseph L. Fleiss 2003)<\/span>.<\/p>\n<p>Une autre alternative au Fleiss Kappa est le kappa de Light pour calculer l\u2019indice de concordance inter-\u00e9valuateurs entre plusieurs \u00e9valuateurs sur des donn\u00e9es cat\u00e9gorielles. Le kappa de Light est juste le Kappa moyen de Cohen (Chapitre @ref(cohen-s-kappa)) si vous utilisez plus de 2 \u00e9valuateurs.<\/p>\n<\/div>\n<div id=\"references\" class=\"section level2 unnumbered\">\n<h2>References<\/h2>\n<div id=\"refs\" class=\"references\">\n<div id=\"ref-Fleiss1971\">\n<p>Fleiss, J.L., and others. 1971. \u201cMeasuring Nominal Scale Agreement Among Many Raters.\u201d <em>Psychological Bulletin<\/em> 76 (5): 378\u201382.<\/p>\n<\/div>\n<div id=\"ref-Fleiss2003\">\n<p>Joseph L. Fleiss, Myunghee Cho Paik, Bruce Levin. 2003. <em>Statistical Methods for Rates and Proportions<\/em>. 3rd ed. John Wiley; Sons, Inc.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<p><!--end rdoc--><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Ce chapitre explique les bases et la formule du Kappa de Fleiss, qui peut \u00eatre utilis\u00e9 pour mesurer l&rsquo;accord entre plusieurs \u00e9valuateurs sur des \u00e9chelles cat\u00e9gorielles (nominales ou ordinales). Nous montrons \u00e9galement comment calculer et interpr\u00e9ter les valeurs kappa \u00e0 l&rsquo;aide du logiciel R.<\/p>\n","protected":false},"author":1,"featured_media":10346,"parent":0,"menu_order":0,"comment_status":"open","ping_status":"closed","template":"","class_list":["post-10345","dt_lessons","type-dt_lessons","status-publish","has-post-thumbnail","hentry"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v25.2 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles - Datanovia<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles - Datanovia\" \/>\n<meta property=\"og:description\" content=\"Ce chapitre explique les bases et la formule du Kappa de Fleiss, qui peut \u00eatre utilis\u00e9 pour mesurer l&#039;accord entre plusieurs \u00e9valuateurs sur des \u00e9chelles cat\u00e9gorielles (nominales ou ordinales). Nous montrons \u00e9galement comment calculer et interpr\u00e9ter les valeurs kappa \u00e0 l&#039;aide du logiciel R.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/\" \/>\n<meta property=\"og:site_name\" content=\"Datanovia\" \/>\n<meta property=\"article:modified_time\" content=\"2019-11-12T00:53:22+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X27867492_579570179049597_735824391245068829_n.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"512\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data1\" content=\"5 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/\",\"name\":\"Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles - Datanovia\",\"isPartOf\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X27867492_579570179049597_735824391245068829_n.jpg\",\"datePublished\":\"2019-11-10T09:19:27+00:00\",\"dateModified\":\"2019-11-12T00:53:22+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#primaryimage\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X27867492_579570179049597_735824391245068829_n.jpg\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X27867492_579570179049597_735824391245068829_n.jpg\",\"width\":1024,\"height\":512},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Le\u00e7ons\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/\",\"name\":\"Datanovia\",\"description\":\"Exploration de Donn\u00e9es et Statistiques pour l'Aide \u00e0 la D\u00e9cision\",\"publisher\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.datanovia.com\/en\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#organization\",\"name\":\"Datanovia\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png\",\"width\":98,\"height\":99,\"caption\":\"Datanovia\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles - Datanovia","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/","og_locale":"fr_FR","og_type":"article","og_title":"Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles - Datanovia","og_description":"Ce chapitre explique les bases et la formule du Kappa de Fleiss, qui peut \u00eatre utilis\u00e9 pour mesurer l'accord entre plusieurs \u00e9valuateurs sur des \u00e9chelles cat\u00e9gorielles (nominales ou ordinales). Nous montrons \u00e9galement comment calculer et interpr\u00e9ter les valeurs kappa \u00e0 l'aide du logiciel R.","og_url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/","og_site_name":"Datanovia","article_modified_time":"2019-11-12T00:53:22+00:00","og_image":[{"width":1024,"height":512,"url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X27867492_579570179049597_735824391245068829_n.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"5 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/","url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/","name":"Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles - Datanovia","isPartOf":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#primaryimage"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#primaryimage"},"thumbnailUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X27867492_579570179049597_735824391245068829_n.jpg","datePublished":"2019-11-10T09:19:27+00:00","dateModified":"2019-11-12T00:53:22+00:00","breadcrumb":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#primaryimage","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X27867492_579570179049597_735824391245068829_n.jpg","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2019\/05\/X27867492_579570179049597_735824391245068829_n.jpg","width":1024,"height":512},{"@type":"BreadcrumbList","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/kappa-de-fleiss-dans-r-pour-plusieurs-variables-categorielles\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.datanovia.com\/en\/fr\/"},{"@type":"ListItem","position":2,"name":"Le\u00e7ons","item":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/"},{"@type":"ListItem","position":3,"name":"Kappa de Fleiss Dans R: Pour Plusieurs Variables Cat\u00e9gorielles"}]},{"@type":"WebSite","@id":"https:\/\/www.datanovia.com\/en\/fr\/#website","url":"https:\/\/www.datanovia.com\/en\/fr\/","name":"Datanovia","description":"Exploration de Donn\u00e9es et Statistiques pour l'Aide \u00e0 la D\u00e9cision","publisher":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.datanovia.com\/en\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/www.datanovia.com\/en\/fr\/#organization","name":"Datanovia","url":"https:\/\/www.datanovia.com\/en\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png","width":98,"height":99,"caption":"Datanovia"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/"}}]}},"multi-rating":{"mr_rating_results":[]},"_links":{"self":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/10345","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons"}],"about":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/types\/dt_lessons"}],"author":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/comments?post=10345"}],"version-history":[{"count":0,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/10345\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media\/10346"}],"wp:attachment":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media?parent=10345"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}