“Passing-Bablok 拟合”报表
在“二元”平台中，使用“拟合 Passing Bablok”选项借助 Passing-Bablok 方法拟合回归模型。Passing-Bablok 回归用于比较两种不同分析方法的测量值。该方法假定具有很强的相关性的两个变量之间的线性关系。Y = X 的拟合线和虚线添加到散点图中。使用“Passing Bablok 拟合”红色小三角菜单中的“匹配对”选项执行配对 t 检验和 Bland-Altman 分析。
“Passing-Bablok 拟合”报表包含三个表。
非参数: Kendall t
使用 Kendall t 评估 X 和 Y 变量之间的相关性。
X
X 变量。
Y
Y 变量。
Kendall t
X 和 Y 变量之间相关性的非参数测度。值介于 -1 和 1 之间，值接近 0 表示 X 和 Y 变量之间不相关。
概率>|t|
与 X 和 Y 变量之间的独立性假设检验相关的 p 值。较小的 p 值支持变量是相关的，并且 Passing-Bablok 方法是合适的。
CUSUM 线性检验
“CUSUM 线性检验”表包含线性检验的结果。较小的 p 值将导致拒绝线性原假设，指明 Passing-Bablok 回归可能不合适。
最大 CUSUM
值 
和 
的累积和的绝对值的最大值根据残差符号分配给每一行，并根据每个点到 Passing-Bablok 线的垂直距离进行排序。I 是具有正残差的观测数，L 是具有负残差的观测数。若两种方法之间有很强的相关性，则 I 等于 L。因此，累积和往往是 +1 和 -1 之和。较小的 CUSUM 值表示 Passing-Bablok 线两侧的点随机分布；这一结果支持线性假设。
H
CUSUM 检验的检验统计量。该检验统计量定义为最大 CUSUM 除以负残差数的平方根再加 1。该检验统计量服从 Kolmogorov-Smirnov 分布。
概率 > H
CUSUM 检验的 p 值。较小的 p 值表明 Passing-Bablok 过程可能不合适。
参数估计值
“参数估计值”表包含截距和斜率的 Passing-Bablok 拟合估计值以及对应的 95% 置信区间。
“配对”报表
使用“Passing Bablok 拟合”红色小三角菜单中的“Bland Altman 分析”选项执行配对 t 检验和 Bland-Altman 分析。有关配对的详细信息，请参见《预测和专业建模》中的“配对分析”。
Bland-Altman 分析
Bland-Altman 分析表包含以下参数的值、标准差和置信限：
偏倚
X 和 Y 变量之间的均值差。
一致性限值
一致性上下限，设置为偏倚 ± z1-α/2*(偏倚的标准差)。