如果响应是文本列且数据有顺，则使用编辑器 > 列 > 值顺序来定义文本值的非字母顺序。
数据可以堆叠在一个属性列中，也可以不堆叠而置于多个列中。对于属性列数据，将所有响应堆叠在一列中，并为检验员和部件号设置分组指示符列。分组指示符用于定义每个样本。分组指示符和响应可以是文本或数字。对于多列数据，每个检验员和每个试验的响应位于单独的列中。 下面是以这两种方式构造的相同数据集：
属性列数多列数据 据
样本 检验员 A 检验员 A 检验员 B 检验员 B
样本 检验员 响应 ? 试验 1 ? 试验 2 ? 试验 1 ? 试验 2 1 A 好 1 好 好 坏 好 1 A 好 2 好 好 好 好 1 B 坏 3 坏 好 坏 坏 1 B 好 4 好 好 好 好 2 A 好 5 坏 坏 好 坏 2 A 好 2 B 好 2 B 好 3 A 坏 3 A 好 3 B 坏 3 B 坏 4 A 好 4 A 好 4 B 好 4 B 好 5 A 坏 5 A 坏 5 B 好 5 B 坏
示例：一家教育考试公司正在为十二年级标准化论文式考试的写作部分培训五名新检验员。现在需要评估检验员对论文评级时遵守标准的能力。每个评分员以五点尺度（-2，-1，0，1，2）对 15 篇论文进行了评级。
1 打开工作表“散文.MTW”。
2 选择统计 > 质量工具 > 属性一致性分析。 3 在属性列中，输入等级。 4 在样本中，输入样本。 5 在检验员中，输入检验员。 6 在已知标准/属性中，输入属性。
7 选中属性数据的类别是有序的，并单击确定。
会话窗口输出
评级 的属性一致性分析 每个检验员与标准 评估一致性
# 检 # 相
检验员 验数 符数 百分比 95 % 置信区间 Duncan 15 8 53.33 (26.59, 78.73) Hayes 15 13 86.67 (59.54, 98.34) Holmes 15 15 100.00 (81.90, 100.00) Montgomery 15 15 100.00 (81.90, 100.00) Simpson 15 14 93.33 (68.05, 99.83) # 相符数: 检验员在多次试验中的评估与已知标准一致。 Fleiss Kappa 统计量
检验员 响应 Kappa Kappa 标准误 Z P(与 > 0 ) Duncan -2 0.58333 0.258199 2.25924 0.0119 -1 0.16667 0.258199 0.64550 0.2593
0 0.44099 0.258199 1.70796 0.0438
1 0.44099 0.258199 1.70796 0.0438
2 0.42308 0.258199 1.63857 0.0507
整体 0.41176 0.130924 3.14508 0.0008 Hayes -2 0.62963 0.258199 2.43855 0.0074 -1 0.81366 0.258199 3.15131 0.0008
0 1.00000 0.258199 3.87298 0.00
01
1 0.76000 0.258199 2.94347 0.0016
2 0.81366 0.258199 3.15131 0.0008
整体 0.82955 0.134164 6.18307 0.0000 Holmes -2 1.00000 0.258199 3.87298 0.0001 1
01
01
01
Montgomery 1
01
01
01
Simpson 1
08
-1 1.00000 0.258199 3.87298 0.000 0 1.00000 0.258199 3.87298 0.00 1 1.00000 0.258199 3.87298 0.00 2 1.00000 0.258199 3.87298 0.00 整体 1.00000 0.131305 7.61584 0.0000 -2 1.00000 0.258199 3.87298 0.0001 -1 1.00000 0.258199 3.87298 0.000 0 1.00000 0.258199 3.87298 0.00 1 1.00000 0.258199 3.87298 0.00 2 1.00000 0.258199 3.87298 0.00 整体 1.00000 0.131305 7.61584 0.0000 -2 1.00000 0.258199 3.87298 0.0001 -1 1.00000 0.258199 3.87298 0.000 0 0.81366 0.258199 3.15131 0.00 1 0.81366 0.258199 3.15131 0.00
08
2 1.00000 0.258199 3.87298 0.0001
整体 0.91597 0.130924 6.99619 0.0000 Kendall 的相关系数
检验员 系数 系数标准误 Z P Duncan 0.87506 0.192450 4.49744 0.0000 Hayes 0.94871 0.192450 4.88016 0.0000 Holmes 1.00000 0.192450 5.14667 0.0000 Montgomery 1.00000 0.192450 5.14667 0.0000 Simpson 0.96629 0.192450 4.97151 0.0000 检验员之间 评估一致性
# 检 # 相 验数 符数 百分比 95 % 置信区间 15 6 40.00 (16.34, 67.71) # 相符数: 所有检验员的评估一致。 Fleiss Kappa 统计量
响应 Kappa Kappa 标准误 Z P(与 > 0 ) -2 0.680398 0.0816497 8.3331 0.0000 -1 0.602754 0.0816497 7.3822 0.0000 0 0.707602 0.0816497 8.6663 0.0000 1 0.642479 0.0816497 7.8687 0.0000 2 0.736534 0.0816497 9.0207 0.0000 整体 0.672965 0.0412331 16.3210 0.0000 Kendall 的一致性系数