方法确认：误差的评估。

统计学：估计误差大小的工具。

需要谨慎解释统计量。

  • 随机误差
  • 恒定系统误差
  • 比例系统误差
  • 综合误差

表 不同统计量对不同误差类型的灵敏度表现

统计量的灵敏度 随机误差 恒定系统误差 比例系统误差
回归
斜率 b N N Y
y 轴截距 a N Y N
对于回归线的 $SD, S_{y/x}$ Y N N
t-检验
偏移 N Y Y?
$SD_{diff} $ Y N Y?
相关系数 $r$ Y? N? N?

统计学意义

相关系数

相关系数提供随机误差的信息，即使在方法比较研究中的目的是估计系统误差。因此，相关系数在方法比较实验中对估计分析误差的价值很低。

因为对收集数据的范围很敏感，因此 $r$ 有助于衡量回归统计量的可靠性。

t-检验统计

  • 以测试方法数值为 y、比较方法数值为 x, 绘制方法比较图常可发现存在的比例误差。

  • 如果不存在比例误差，则应对研究的整个数据范围估计恒定误差，但相关解释最好限制在数据均值附近的决定水平。

  • 如果存在比例误差，最好使用回归统计估计需要的决定水平处的系统误差。

回归统计

对数据的要求：

  1. 假设呈线性
  2. 检查数据，确认没有离群值
  3. 数据范围过窄的问题

统计显著性与临床显著性

t 值，它不提供误差的估计。这个统计量是一个“显著性检验”，主要用于确定收集的数据是否足以展示存在差值。如果计算的 t 值大于临界 t 值，则认为观测的偏移在统计上有显著性，通俗地讲就是“真的有偏移”。如果计算的 t 值小于临界 t 值，则说明数据不足以证明测试和参考数据组间“在统计上有显著的偏移”。