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。
误差方差比值 (新/当前): 0.9
回归方程
新 = 0.644 + 0.995 当前
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。
- 样本不包含可能对结果产生较强影响的异常值。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（也称为特殊原因）相关联的数据值。然后，重新执行分析。
该图显示一个测量值示例，这些测量值来自两个可比较的仪器或方法。点服从具有最小散布的拟合线，该拟合线中不存在用来显示方法之间系统差值的模式。
在下面的结果中，系数的置信区间不提供证据来说明两个仪器的测量值不同。但是，该图显示点紧密分布在拟合线附近，这表明两个仪器的测量值不可比较。由于数据与方程不拟合，因此通常的结论是仪器不同。
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) |
