解释正交回归的主要结果

要解释正交回归分析,请完成以下步骤。主要输出包括系数的置信区间、拟合线图和残差图。

步骤 1:确定两种工具或方法的测量值是否存在差异

通常在临床化学或实验室中使用正交回归,以确定两种手段或方法是否能提供可比较的测量值。如果常量项的置信区间包含 0,且线性项的区间包含 1,那么通常会得出两种手段的测量值可比较。

您还应该检查带拟合线的图以确定模型对数据的拟合优度。

正交回归分析: 新 与 当前

误差方差比值 (新/当前): 0.9

回归方程 新 = 0.644 + 0.995 当前
系数 预测变量 系数 系数标准误 Z P 近似 95% 置信区间 常量 0.64441 1.74470 0.3694 0.712 (-2.77513, 4.06395) 当前 0.99542 0.01415 70.3461 0.000 ( 0.96769, 1.02315)
误差方差 变量 方差 新 1.07856 当前 1.19840
主要结果:近似 95% 置信区间

在这些结果中,常量项的置信区间约为 (−3, 4)。由于该区间包含 0,因此分析的此部分无法提供两种工具的测量值存在差异的证据。

线性项的置信区间约为 (0.97, 1.02)。由于该区间包含 1,因此分析的此部分无法提供两种工具的测量值存在差异的证据。

由于这两个区间都无法提供两种工具的测量值存在差异的证据,因此您通常可以断定这些测量值是相似的。您还应该通过检查带拟合线的图和残差图来验证模型对数据的拟合优度。

步骤 2:确定回归线是否与数据拟合

使用该图和拟合线评估正交回归方程能否很好地拟合数据。当模型与数据拟合时,点紧密分布在回归线附近。特别需要指出的是,您可以根据以下标准检查拟合线图:
  • 样本包含所有预测变量的整个范围内的数量足够的观察值。
  • 样本不包含任何模型无法拟合的弯曲。
  • 样本不包含任何异常值,异常值可能会对结果有较大影响。尝试确定导致任何异常值的原因。更正任何数据输入错误或可识别的测量误差。考虑删除与异常的单次事件(特殊原因)相关联的数据值。然后,重新执行分析。

该图显示两种工具或方法的测量值相似的示例。点沿散点最少和无任何模式的拟合线分布,表明这两种方法之间存在系统差异。

在下面的结果中,系数的置信区间无法提供两种工具的测量值存在差异的证据。但是,该图显示点未紧密分布在线附近,这表明两种工具的测量值不相似。由于数据无法拟合方程,因此通常的结论为工具存在差异。

正交回归分析: 当前 与 新

系数 预测变量 系数 系数标准误 Z P 近似 95% 置信区间 常量 -0.00000 0.215424 -0.0000 1.000 (-0.422224, 0.42222) 新 1.00000 0.517586 1.9320 0.053 (-0.014450, 2.01445)
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策