Kappa一致性分析是一種評估分類變數結果一致性和信度的統計方法。Kappa係數的計算公式為 \( \kappa = \frac{PA - Pe}{1 - Pe} \)，其中 \( PA \) 是兩次觀察的一致性，\( Pe \) 是兩次觀察的機遇一致性。Kappa值的範圍在 \(-1\) 到 \(1\) 之間：
\(\kappa = -1\) 表示完全不一致
\(\kappa < -1\) 表示观察一致性小于机遇一致性，无意义
\(\kappa = 0\) 表示一致性完全由機遇造成
\(\kappa = 1\) 表示兩次分類結果完全一致
通常，Kappa值的解釋如下：
\(\kappa \leq 0.4\) 表示一致性較差
\(0.4 < \kappa \leq 0.6\) 表示中度一致
\(0.6 < \kappa \leq 0.8\) 表示有较高的一致性
\(\kappa > 0.8\) 表示有極好的一致性
在實際套用中，例如在醫學研究中，可以通過軟體操作來進行Kappa一致性檢驗。例如，在SPSSAU系統中，需要將數據整理成特定的格式，然後選擇「Kappa一致性檢驗」，將評價者的判定結果放入分析框中，並選擇「加權Kappa(線性Cohens)」進行分析。分析結果會顯示Kappa值以及其對應的顯著性水平，從而評估兩位醫生判定結果的一致性水平。
例如，一個案例中執行醫生與審核醫生對418名患者的治療效果評價的一致性進行了Kappa一致性檢驗，得到的Kappa值為0.7286，落在0.6到0.8之間，表明執行醫生與審核醫生判定結果具有較高的一致性。