两个连续变量一致性评价的Deming回归:基本思想

2021年6月12日14:36:57两个连续变量一致性评价的Deming回归:基本思想已关闭评论

两个连续变量一致性评价的Deming回归:基本思想

在临床检验中常常需要比较两种仪器、两种方法或两个不同实验室的测量结果是否相同,如对两种结果进行普通的最小二乘回归,由于此类资料因变量(Y)和自变量(X)都包含测量误差(随机变量),不符合最小二乘回归的假设条件(只有因变量包含测量误差)。

如果在X和Y都包含测量误差时使用最小二乘回归分析资料,斜率可能会出现偏倚,从而影响结果的有效性,此时应使用Deming回归(Deming Regression)。Deming回归又称正交回归(Orthogonal Regression)或戴明回归,可用于检验两种仪器或两种方法是否提供相似的测量结果。

Deming回归用于检验两个连续变量之间的线性关系:

因变量(Y)和自变量(X),并可提供与资料“最佳”拟合的线。最佳拟合线为最小化标绘点与直线之间的加权正交距离的线,可用于确定两种检验方法是否等价,检验因变量如何随自变量的变化而变化以及根据自变量(X)预测因变量(Y)的值。

Deming回归必须满足以下假定:自变量和响应分别包含一个表示为X和Y的固定未知数量以及一个误差分量,误差项为独立项,误差项的平均值为零而且包含恒定方差,自变量和响应呈线性相关。

要确定两种方法是否等同,总体回归系数(斜率)的置信区间应包含1,而总体截距的置信区间应包含0。

回归系数的假设为H:β=1,H1:β≠1;截距的假设为H:α=0,H1:α≠0。

 

  • 版权声明:本篇文章(包括图片)来自网络,由程序自动采集,著作权(版权)归原作者所有,如有侵权联系我们删除,联系方式(QQ:452038415)。