加载中........
×

Deming回归和Passing-Bablok回归介绍

2019-11-25 作者:小白学统计   来源:小白学统计 我要评论0

今天这个题目好像有些生僻,Deming回归,国内有的也音译为戴明回归,Passing-Bablok回归好像没见到有音译的。所以就统一都用英文表示吧。

Deming回归和Passing-Bablok回归算是两种较为小众的方法,然而在检验领域,可能也算是较为流行的方法,因为这两种方法基本上只在这个领域使用。

在说这两种方法之前,先回顾一下最经典的线性回归。

线性回归大家都知道,分析自变量x对因变量y的影响。相信大家在看统计教材的时候都看到过这样一句让很多初学者都摸不着头脑的话:“因变量y是随机的,自变量x是固定的”。

其实我当初学的时候就很懵,什么叫随机的,什么叫固定的。比如我分析体重对血压值的影响,体重为什么是固定的,明明每个人的体重都不一样;血压值怎么就变成随机的了,每个人不就一个血压值,怎么就是随机的了?反正是很晕,老师说的也含含糊糊,我也听得晕晕乎乎。

从研究角度来看,其实我们可以理解为:在某一固定的x取值下,y的取值是随机的。如体重为70Kg时,理论上血压值可以是(一定范围内的)任意值,但在一次随机抽样样本中,可能体重=70所对应的血压值只是130mmHg这一个值,但如果换一次抽样,很可能体重=70对应的血压值就不是130mmHg,而是135mmHg了。所以这就是“因变量y是随机的”的意思。至于“自变量x是固定的”,也是跟研究目的有关,不是说自变量x就是不变的,只是说,在我们某个“固定”的情况下。其实这都是一种理想的情形或条件。

临床研究或流行病学研究中,我们通常可以假定自变量x是固定的,没有随机误差,在这种假定的情况下,估计因变量y的变化。

然而在检验学中,有一种情况下很难做出这种假定:如果要比较两种诊断仪器(或试剂等)的结果是否一致,比如x是西门子的结果,y是贝克曼的结果,想要看两种结果的一致性。这种情况下,你很难确定谁是自变量,谁是因变量。假定把西门子结果作为x,贝克曼作为y,这时候,难以作出“因变量y是随机的,自变量x是固定的”的这种假定。因为两种观测结果都是同时有随机误差(而在线性回归中,我们假定x没有随机误差)。反过来把西门子作为y,贝克曼作为x,也是一样。

这种情况下,就可以用Deming回归和Passing-Bablok回归。这两种回归都可以用于“因变量y是随机的,自变量x也是随机的”这种情形。特别适用于两种检测方法的一致性分析。

(1)Deming回归

Deming回归的基本思想也是指定x和y,建立x对y的回归方程。但在计算回归系数的时候思路不同。线性回归中,回归系数的计算是基于y的残差最小,也就是最小二乘回归回归;而在Deming回归中,同时考虑x的残差最小和y的残差最小。

(2)Passing-Bablok回归

Passing-Bablok回归的思路其实也不难,相当于把任意的两个点,计算其斜率,这样能计算出很多斜率。比如一共4个点,就能计算出6个斜率,然后取6个斜率的中位数,这就是Passing-Bablok回归的斜率估计值。

Deming回归和Passing-Bablok回归,最终计算出截距和斜率后,其统计学检验都差不多,要检验斜率是否=1,截距是否=0。这个很容易理解,如果截距=0且斜率=1,这就意味着两种检测方法完全一致。所以他们的统计学检验都很好实现。




小提示:78%用户已下载梅斯医学APP,更方便阅读和交流,请扫描二维码直接下载APP

只有APP中用户,且经认证才能发表评论!马上下载

web对话