一家制药公司的质量工程师想要确定包含新药物的药丸的保质期。药丸中药物的浓度会随着时间的推移而降低。该工程师想要确定药丸何时达到预期浓度的 90%。由于这是新药物，因此该公司只有 5 个中试批次可用来估计保质期。工程师在九个不同的时间检验每个批次中的一个药丸。
为了估计保质期，工程师将执行稳定性研究。由于工程师抽取了所有批次，因此批次是固定因子，而不是随机因子。
- 打开样本数据 稳定期.MTW。
- 选择。
- 在 响应中，输入药物百分比。
- 在 时间中，输入月数。
- 在 批次中，输入批次。
- 在规格下限中，输入 90。
- 单击图形。
- 在稳定期图下的第二个下拉列表中，选择各个批次都没有图形。
- 在残差图下，选择四合一。
- 单击每个对话框中的确定。
解释结果
要遵循人用药注册技术要求国际协调会议 (ICH) 的 2003 条准则，工程师为要包括在模型中的项选择的 P 值为 0.25。“月份*批次”交互作用项的 P 值为 0.048。由于 P 值小于显著性水平 0.25，因此工程师断定每个批次的回归方程中的斜率都不同。批次 3 具有最大斜率 -0.1630，这表示批次 3 的浓度下降得最快。批次 2 具有最短保质期 54.79，因此整体保质期就是批次 2 的保质期。
残差足够正态化，并且随机分散在 0 附近。在残差与拟合值图上，图左侧的点比右侧的少。之所以出现此模式，是因为质量工程师在研究的早期（浓度较高时）收集的数据较多。此模式不违反分析假设。
稳定性研究: 药物百分比 与 月数，批次
方法
未使用的行 5
因子信息
因子 类型 水平数 水平数
批次 固定 5 1, 2, 3, 4, 5
模型选择，α = 0.25
来源 自由度 Seq SS Seq MS F 值 P 值
月数 1 122.460 122.460 345.93 0.000
批次 4 2.587 0.647 1.83 0.150
月数*批次 4 3.850 0.962 2.72 0.048
误差 30 10.620 0.354
合计 39 139.516
选定模型中的项: 月数, 批次, 月数*批次
模型汇总
R-sq（调 R-sq（预
S R-sq 整） 测）
0.594983 92.39% 90.10% 85.22%
系数
方差膨
项 系数 系数标准误 T 值 P 值 胀因子
常量 100.085 0.143 701.82 0.000
月数 -0.13633 0.00769 -17.74 0.000 1.07
批次
1 -0.232 0.292 -0.80 0.432 3.85
2 0.068 0.292 0.23 0.818 3.85
3 0.394 0.275 1.43 0.162 3.41
4 -0.317 0.292 -1.08 0.287 3.85
5 0.088 0.275 0.32 0.752 *
月数*批次
1 0.0454 0.0164 2.76 0.010 4.52
2 -0.0241 0.0164 -1.47 0.152 4.52
3 -0.0267 0.0136 -1.96 0.060 3.65
4 0.0014 0.0164 0.08 0.935 4.52
5 0.0040 0.0136 0.30 0.769 *
回归方程
批次
1 药物百分比 = 99.853 - 0.0909 月数
2 药物百分比 = 100.153 - 0.1605 月数
3 药物百分比 = 100.479 - 0.1630 月数
4 药物百分比 = 99.769 - 0.1350 月数
5 药物百分比 = 100.173 - 0.1323 月数
异常观测值的拟合和诊断
标准化
观测值 药物百分比 拟合值 残差 残差
11 98.001 99.190 -1.189 -2.21 R
43 92.242 92.655 -0.413 -1.47 X
44 94.069 93.823 0.246 0.87 X
R 残差大
X 异常 X
估计稳定期
规格下限 = 90
稳定期 = 您可以 95% 确信至少 50% 的响应高于规格下限的时间期间
批次 稳定期
1 83.552
2 54.790
3 57.492
4 60.898
5 66.854
整体 54.790
