正交回归

正交回归(也称 Deming 回归或变量含误差回归)是一种统计方法,用于在两个测量系统或两个连续变量都含有测量误差——而不仅是响应变量含有误差——时,确定二者之间的关系。标准回归假定只有 Y 变量含有误差,与之不同,正交回归同时考虑 X 和 Y 两个测量值的不确定性,从而得到更准确、无偏的最佳拟合线。

最后审阅

核心要点

正交回归(也称 Deming 回归)是一种统计方法,用于在两个测量系统或两个连续变量都含有测量误差时,确定二者之间的关系。

本页内容
  1. 什么是正交回归?
  2. 何时使用正交回归?
  3. 正确使用正交回归的指南
  4. 替代方法:何时不宜使用正交回归
  5. 正交回归示例
  6. 如何进行正交回归

什么是正交回归?

正交回归(也称 Deming 回归或变量含误差回归)是一种统计方法,用于在两个测量系统或两个连续变量都含有测量误差——而不仅是响应变量含有误差——时,确定二者之间的关系。标准回归假定只有 Y 变量含有误差,与之不同,正交回归同时考虑 X 和 Y 两个测量值的不确定性,从而得到更准确、无偏的最佳拟合线。
它最常用于评估两种测量方法、仪器或实验室是否给出等效的结果——例如,将新的检测方法与既定的参考方法比较,以确定二者能否互换使用。

何时使用正交回归?

  • 当您想 比较两种测量方法,以确定它们对同一批项目是否给出等效结果时使用。
  • 当 被比较的两个变量都含有测量误差 时使用——如果只有 Y 变量含有误差,请改用标准的拟合线图。
  • 当目标是 确立方法的等效性或可互换性 时使用——例如,将更快或更便宜的检测方法与公认的参考标准进行验证。
  • 当您需要 估计真实关系,即两个变量都测量不精确,而不是使用因忽略 X 变量误差而被扭曲的关系时使用。
  • 用于 实验室、临床、制造和校准研究,这些研究中测量系统的比较是核心要求。

正确使用正交回归的指南

  • 两个变量都必须是 连续的 ——正交回归不适用于分类数据或计数型数据。
  • 必须指定或估计 误差方差比(X 测量误差方差与 Y 测量误差方差之比)——默认假设两个变量的测量误差相等(比值 = 1),但应根据已知的测量系统能力对此进行验证或调整。
  • 收集 足够的数据对 ——用两种方法测量同一批项目。建议至少有 30 至 50 对配对观测值,以获得稳定可靠的回归线估计。
  • 确保 所测项目的范围覆盖感兴趣的全部运行范围 ——测量范围过窄会导致斜率和截距的估计不可靠,并使方法等效性的结论难以得到支持。
  • 拟合之后,检查 斜率的置信区间 ——如果该区间包含 1.0,则两种方法的响应成比例等效。检查 截距的置信区间 ——如果它包含 0,则两种方法之间不存在固定的系统偏倚。
  • 检查 残差图,以验证模型假设是否得到满足,并确认没有异常观测值对拟合线产生不成比例的影响。
  • 不要将结论外推 超出所测项目的范围 ——两种方法的等效性仅在所测量的范围内得到证明。

替代方法:何时不宜使用正交回归

  • 如果 只有响应变量(Y)含有测量误差,而预测变量(X)的测量误差可忽略不计或为受控的精确值,请改用 拟合线图或拟合回归模型 ——正交回归会过度校正,并产生有偏的斜率估计。
  • 如果目标是 根据预测变量预测响应 而不是比较两个测量系统,请改用 拟合回归模型 ——正交回归专为方法比对而设计,而不是用于预测。
  • 如果 误差方差比完全未知 且无法通过测量系统研究估计,则正交回归的结果将不可靠——在继续之前,请先进行 量具 R&R 或测量系统分析,以量化每个变量中的误差。
  • 如果您需要同时比较或建模 两个以上的变量,请改用 拟合回归模型 或 多元分析。
  • 如果被比较的两个变量 处于不同的尺度,或测量的是本质上不同的特性,则方法比对研究并不适用——正交回归要求两个变量测量的是同一个基本量。
  • 如果响应变量是 分类的或二元的,请改用 二元逻辑回归。

正交回归示例

某工程师为比较新血压计与现有设备,使用两种仪器测量了 60 个人的收缩压。由于两种设备都有测量误差,因此使用正交回归来评估等效性。根据以往的研究,新血压计的方差为 1.08,现有血压计的方差为 1.20。分析中将新血压计作为响应,现有设备作为预测变量,得到的误差方差比为 0.90。步骤如下:

  1. 已收集所需数据。
Orthogonal Regression — figure 1
  1. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2. 要找到正交回归,请选择 Statistical module> Regression>Orthogonal Regression.
  3. 在工具中,按如下方式输入数据及其他输入项:
Orthogonal Regression — figure 2

5. 使用上述工具后,得到如下输出

Orthogonal Regression — figure 3Orthogonal Regression — figure 4

如何进行正交回归

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Regression > Orthogonal Regression。
  3. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据,或粘贴(Ctrl+V)数据,也可使用 Load Example 选项加载示例数据。
  4. 接下来,填写所需选项。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

在正交回归的工具界面中,窗口分为两部分。

Orthogonal Regression — figure 5

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可手动输入数据,也可从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example:将加载示例数据。

右侧提供以下选项:

  • Response(Y): 选择包含您要评估的方法或仪器的测量值的列,通常是与既定参考方法相对照而被评估的 新方法、替代方法或待测方法。这是绘制在纵轴上的变量。在方法比对研究中,它通常是较新、较快或成本较低的测量系统,需要证明其与参考方法的等效性。
  • Predictor (X): 选择包含 参考方法、既定方法或标准方法 的测量值的列——即已被认可为可靠、准确的测量系统。这是绘制在横轴上的变量。Response 列和 Predictor 列必须包含在 同一批项目或样本 上所做的测量——每一行代表由两种方法都测量过的一个项目。
  • Error Variance Ratio (Y/X): 定义 Y 变量的测量误差方差与 X 变量的测量误差方差之间的假定比值。这是正交回归中最关键、也最独特的输入——它告诉模型每个变量中相对于另一个变量存在多少误差,从而使拟合线正确考虑两个测量值的不精确性。

常见问题

什么是正交回归?

正交回归,也称 Deming 回归或变量含误差回归,用于在两个测量系统或两个连续变量都含有测量误差时,确定二者之间的关系。标准回归假定只有 Y 含有误差,与之不同,它同时考虑 X 和 Y 的不确定性,从而得到更准确、无偏的最佳拟合线。

何时应使用正交回归而不是简单线性回归?

当两个变量都含有测量误差时,使用正交回归来比较两种测量方法、仪器或实验室,例如将新的检测方法与参考方法进行验证。如果只有 Y 含有误差,而 X 是受控或精确的值,请改用拟合线图或拟合回归模型,因为正交回归会过度校正斜率。

如何解读正交回归结果?

检查斜率的置信区间:如果它包含 1.0,则两种方法的响应成比例等效。检查截距的置信区间:如果它包含 0,则两种方法之间不存在固定的系统偏倚。检查残差图,并且不要将等效性外推到所测项目的范围之外。

正交回归中的误差方差比是什么?

误差方差比是 Y 的测量误差方差与 X 的测量误差方差之比。它告诉模型每个变量中相对于另一个变量存在多少误差。默认假设误差相等(比值 1),但应对其进行验证或估计,例如通过量具 R&R 研究。使用至少 30 至 50 对配对观测值。