Passing-Bablok回归（Passing ＆ Bablok regression）是一种用于方法比较研究的非参数回归（non-parametric regression）的统计分析方法。
该方法不要求样本分布和测量误差满足特别的假设，当出现一个或几个离群值时，是均匀和稳健的。其结果不依赖x和y的方法或仪器的分配。
由于其优点是可能（似乎）更容易解释，因此在方法比较研究中得到更广泛的应用。
Passing-Bablok回归使用非参数方法拟合线性方程y=a+bx的参数a和b。系数b为任意两点间直线（b=0和b=∞除外）的所有斜率的中位数，而参数a则为yi-bxi的中位数，并且估算a和b的95%CI。当x和y存在直线关系时，Passing-Bablok回归在两种方法的测量值高度相关时才有效，直线关系可通过累积和检验（cusum test）进行评估。在实际工作中建议结合Bland-Altman图一起使用。
要确定两种方法是否可比，总体回归系数（斜率）β的置信区间应包含1，而总体截距α的置信区间应包含0。如果同时接受α=0及β=1，则可推断y=x，即两种方法是相同的。
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。
如果总体截距α的95%CI不包含0或总体回归系数β的95%CI不包含1，则表明两种方法存在系统差异或比例差异。
