Regressionتفاوت چندانی با paired test ندارد ولی برای انجام Regressionحداقل به 30 نمونه نیاز داریم در صورتی که paired test را می توان با تعداد نمونه های کمتری انجام داد و تفاوت دیگر در محاسبه ی bias می باشد، در paired test، bias بصورت کلی محاسبه می شود در صورتی که در Regression به دو صورت proportional bias (نسبی) و constant bias (ثابت) محاسبه می شود.
زمانیکه دو متد به روش رگرسیون مقایسه می شوند چند شرط باید رعایت شود
1- تعداد نمونه ها بیشتر از 30 عدد باشند ( در کمتر از 30 نمونه بهتر است از T-test استفاده شود
2- محدوده مرجع آزمایشات وسیع باشد مانند گلوکز ، کلسترول و … برای محدوده های کوچکتر مانند Na,Kو … 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 بایاس توتال قابل ارزیابی است .
اصطلاح Slope و Intercept در آزمون Linear Regression استفاده می شود و با استفاده از این آزمون می توان همبستگی بین روش مرحع 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 باهم 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 آیتم مورد سنجش با هم، هم بسته هستند. برای تستهایی که رفرانس اینتروال باریکی دارند بهتر است از Regressionاستفاده نشود.
روش رفرنس 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 بزرگتر 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 .
