Regression تفاوت چندانی با Paired T-test ندارد ولی برای انجام Regression حداقل به 30 نمونه نیاز داریم.
در صورتی که Paired T-test را می توان با تعداد نمونه های کمتری انجام داد و تفاوت دیگر در محاسبه ی Bias می باشد، در Paired T-test،مقدار Bias به صورت کلی محاسبه می شود.
در صورتی که در Regression به دو صورت Proportional Bias (نسبی) و Constant Bias (ثابت) محاسبه می شود.
زمانی که دو متد به روش رگرسیون مقایسه می شوند چند شرط باید رعایت شود:
1- تعداد نمونه ها بیشتر از 30 عدد باشد.( در کمتر از 30 نمونه بهتر است از T-test استفاده شود).
2- محدوده مرجع آزمایشات وسیع باشد مانند گلوکز ، کلسترول و … . (برای آزمایشات با محدوده های کوچک مانند Na,K,Ca و … بهتر است از T-test استفاده شود).
3- در مقایسه روش ها به روش رگرسیون یا بازگشت،هر دو نامیزانی ثابت و نسبی Constant & Proportional Bias قابل تشخیص است ولی در T-test فقط مقدار Bias Total قابل ارزیابی است .
اصطلاح Slope و Intercept در آزمون Linear Regression استفاده می شود و با استفاده از این آزمون می توان هم بستگی بین روش مرجع و روش آزمون را ارزیابی کرد.
در این آزمون مقدار ضریب رگرسیون r از اهمیت ویژه ای برخوردار است.
تفسیر : اگر مقدار ضریب همبستگی r بیشتر از 0.975 باشد دو مقدار ارزیابی شده با یکدیگر همبستگی دارند.
یعنی دو روش همدیگر را تائید می کنند ( با یکدیگر اختلاف معنی داری ندارند) و اگر مقدار r کمتر از 0.975 باشد ،دو روش با هم همبستگی نداشته و همدیگر را تائید نمی کنند.( با یکدیگر اختلاف معنی داری دارند).
حد اکثر همبستگی زمانی است که مقدار ضریب همبستگی r برابر 1 باشد .
( در رگرسیون عدد 0.975 عدد بحرانی است ).
در انتها اگر ضریبی که برای ما محاسبه می شود بیشتر از 0.975 باشد،دو گزینه مورد سنجش با یکدیگر،هم بسته هستند.
روش مرجع یعنی دستگاه یا کیتی که سطح کیفیت بالاتری نسبت به روش آزمون دارد.
ضریب همبستگی ارتباط مستقیم با دامنه داده ها و ارتباط عکس با پراکندگی ( SD ) دارد.
به عبارت دیگر ضریب همبستگی تحت تاثیر نسبت خطای تصادفی به دامنه اندازه گیری نمونه قرار دارد .
هرچه دامنه اندازه گیری بزرگ تر باشد ضریب همبستگی کاهش می یابد .همچنین با تکرار اندازه گیری و حذف داده های پرت می توان ضریب همبستگی را افزایش داد .
در این روش مقدار خطای تصادفی یا انحراف داده ها را از فرمول زیر محاسبه می کنند.هر چه تعداد نمونه ها بیشتر باشد برآورد واقعی تر است و زمانیکه تعداد بیشتر از 30 باشد برآورد خوبی از انحراف معیار بدست می آید .
یکی از کاربردهای S x/y شناسایی مقادیر پرت یا بیرون افتاده می باشد،که از طریق فرمول زیر محاسبه می شود و اگر نتیجه بالاتر از 3.5 باشد ،نقطه مورد نظر پرت بوده و باید از محاسبات حذف شود .
Deming regrssion #
هنگام صحه گذاری روش های آزمون جدید بر مطابق با استاندارد ایزو 17025 و یا ایزو 15189 برای اندازه‌گیری غلظت یا مقدار یک عنصر (مثلاً مولکول یا میکرو ارگانیسم و …)، ممکن است نیاز به بررسی این موضوع که آیا نتیجه‌ی روش جدید معادل با یک روش مرجع (استاندارد) است یا نه، وجود داشته باشد. برای این کار میتوان از روش رگرسیون دمینگ استفاده کرد. این نوع از رگرسیون فرض می‌کند خطای اندازه‌گیری در هر دو سری اندازه‌گیری یعنی اندازه‌گیری با روش مرجع (X) و اندازه‌گیری به روش توسعه یافته جدید (Y) وجود دارد.
Decision Level #
در کاربرد رگرسیون باید دامنه اندازه گیری گسترده انتخاب کنید مثلا در مورد (GLUقند) 400- 300- 200-100-50باشد. انتخاب دامنه هم دستورالعمل خاص خود را دارد اما به طور خلاصه 50 درصد غلظت Normal و 30 درصد High و 20 درصد Low باشد و اگر مثلا در تستی Low مهمتر است Low %30 و High %20 باشد. و با وارد کردن سطوح مختلف و مقدار Bias مجاز در جدول پائین مقدار خطای محاسبه شده از طریق فرمول رگرسیون و مقدار واقعی میزان خطا محاسبه می شود که اختلاف دو مقدار باید کمتر از مقدار Bias مجاز باشد.
با استفاده از سطوح تصمیم گیری میتوانیم متوجه شویم که آیا در این سطح تصمیم گیری میتوانیم با خطایی کمتر از خطای مجاز(Accepted Error) نتیجه را گزارش دهیم یا خیر.
مواردی که Accepted میشود،تایید شده است و با خطایی کمتر از خطای مجاز میتوان نتیجه را گزارش داد و موارد Unaccepted تایید نمیشود.
