用于一致性检验的方法取决于数据类型（属性数据，顺序数据，连续数据）以及需要检验的结果组数。
以下是 irr 包中的diagnoses 数据集的一部分，包括三个医生对 30 位病人的诊断结果。
两组结果一致性检验： Cohen’s Kappa
多组结果一致性检验: Fleiss’s Kappa, Conger’s Kappa
如果出现多个评分者，将使用Fleiss’s Kappa。
当然也可以使用Conger’s (1980) 的方法计算精确的Kappa。（注意：目前不知道这个方法效果相对于普通的是好是坏。）
在诊断试验中，研究者希望考察不同诊断方法在诊断结果上是否具有一致性，比如：不同医务工作者对同一组病人的诊断结果是否一致、不同的诊断方法对同一个样本或研究对象的化验结果是否一致等。Cohen 等提出用 Kappa 值作为评价一致性的指标，并得到了广泛的应用，本节将向大家介绍不同条件下的一致性检验。指南
用于一致性检验的方法取决于数据类型（属性数据，顺序数据，连续数据）以及需要检验的结果组数。
统计分析中Kappa值的意义是用来衡量两个变量一致性的指标，如果将两个变量换为分类结果和验证样本，就可以用来评价分类精度了。
Kappa系数是一个用于一致性检验的指标，也可以用于衡量分类的效果。因为对于分类问题，所谓一致性就是模型预测结果和实际分类结果是否一致。kappa系数的计算是基于混淆矩阵的，取值为-1到1之间,通常大于0。
Kappa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，再减去某一类中地表真实像元总数与该类中被分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差减去某一类中地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的。
