Kappa 被视为机会调整一致性的度量，计算公式为其中和（和是边际总数）。从本质上讲，它是一种超出偶然预期的一致性的衡量标准。$\frac{{{p_{obs}} - {p_{exp}}}}{{1 - {p_{exp}}}}$${p_{obs}} = \sum\limits_{i = 1}^k {{p_{ii}}}$${p_{exp}} = \sum\limits_{i = 1}^k {{p_{i + }}{p_{ + i}}}$$p_{i+}$$p_{+i}$

如果其中一个类别的流行率很高，则机会一致性会很高，而 kappa 的值可能会出乎意料地低。为了对此进行调整，并针对 kappa 的偏差（我附近没有资源来刷新我的记忆以便能够写出偏差），可以使用流行度和偏差调整的 kappa (PABAK)。这可以计算为其中是类别数。$\frac{{k{p_{obs}} - 1}}{{k - 1}}$$k$

关于是否使用 PABAK 存在一些意见分歧。一些评论员认为，患病率和偏见效应本身很重要，因此应报告 kappa 以及患病率和偏见的衡量标准。其他人则喜欢单个号码的便利性。当我需要使用 kappa 时，我选择同时报告 PABAK 和 kappa。