Có những cách nào để hiển thị hai phương pháp phân tích là tương đương?

Tôi có hai phương pháp phân tích khác nhau có thể đo nồng độ của một phân tử cụ thể trong một ma trận (ví dụ: đo lượng muối trong nước)

Hai phương pháp là khác nhau và đều có lỗi riêng. Những cách tồn tại để hiển thị hai phương thức là tương đương (hoặc không).

Tôi nghĩ rằng việc vẽ kết quả từ một số mẫu được đo bằng cả hai phương pháp trên biểu đồ phân tán là bước đầu tiên tốt, nhưng có phương pháp thống kê tốt nào không?

Phương pháp tương quan đơn giản không phải là cách đúng để phân tích kết quả từ các nghiên cứu so sánh phương pháp. Có (ít nhất) hai cuốn sách rất được khuyến khích về chủ đề này mà tôi đã tham khảo ở cuối (1,2). Nói ngắn gọn, khi so sánh các phương pháp đo, chúng ta thường mong đợi rằng (a) kết luận của chúng ta không nên phụ thuộc vào mẫu cụ thể được sử dụng để so sánh, và (b) lỗi đo lường liên quan đến dụng cụ đo cụ thể cần được tính đến. Điều này loại trừ bất kỳ phương pháp nào dựa trên mối tương quan và chúng ta sẽ chú ý đến các thành phần phương sai hoặc mô hình hiệu ứng hỗn hợp cho phép phản ánh hiệu ứng hệ thống của vật phẩm (ở đây, vật phẩm là viết tắt của từng cá nhân hoặc mẫu mà dữ liệu được thu thập), kết quả từ (a).

$X_1-X_2$$(X_1+X_2)/2$$X_1$$X_2$và giải thích của nó gần với một biểu đồ của các giá trị được trang bị so với phần dư được sử dụng trong hồi quy tuyến tính. Sau đó,

• nếu chênh lệch là không đổi ( độ lệch không đổi ), bạn có thể tính giới hạn của thỏa thuận (xem (3))
• nếu sự khác biệt không phải là hằng số trong phạm vi đo, bạn có thể điều chỉnh mô hình hồi quy tuyến tính giữa hai phương thức (chọn phương pháp bạn muốn làm công cụ dự đoán)
• nếu phương sai của các khác biệt không phải là hằng số, hãy thử tìm một phép biến đổi phù hợp làm cho mối quan hệ tuyến tính với phương sai không đổi

Các chi tiết khác có thể được tìm thấy trong (2), chương 4.

Người giới thiệu

1. Dunn, G (2004). Thiết kế và phân tích nghiên cứu độ tin cậy . Arnold. Xem đánh giá trong Tạp chí Quốc tế về Dịch tễ học .
2. Carstensen, B (2010). So sánh các phương pháp đo lâm sàng . Wiley. Xem trang web đồng hành , bao gồm mã R.
3. Bài báo gốc từ Bland và Altman, Phương pháp thống kê để đánh giá sự thỏa thuận giữa hai phương pháp đo lường lâm sàng .
4. Carstensen, B (2004). So sánh và dự đoán giữa một số phương pháp đo lường . Thống kê sinh học , 5 (3) , 399 trừ413.

Nếu bạn không có cách nào biết được sự tập trung thực sự, cách tiếp cận đơn giản nhất sẽ là một mối tương quan. Một bước xa hơn có thể là tiến hành hồi quy đơn giản dự đoán kết quả trên phương pháp 2 bằng phương pháp 1 (hoặc ngược lại). Nếu các phương thức giống hệt nhau, phần chặn phải là 0; nếu mức chặn lớn hơn hoặc nhỏ hơn 0 thì nó sẽ chỉ ra độ lệch của một phương thức so với phương thức khác. Độ dốc không đạt tiêu chuẩn phải ở gần 1 nếu các phương pháp trung bình tạo ra kết quả giống hệt nhau (sau khi kiểm soát độ lệch lên hoặc xuống trong phần chặn). Lỗi trong độ dốc không đạt tiêu chuẩn có thể đóng vai trò là một chỉ số về mức độ mà hai phương pháp đồng ý.

Dường như với tôi rằng khó khăn với các phương pháp thống kê ở đây mà bạn đang tìm cách khẳng định những gì thường được đặt ra là một giả thuyết khống, nghĩa là, không có sự khác biệt giữa các phương pháp. Đây không phải là một đòn chí tử khi sử dụng các phương pháp thống kê miễn là bạn không cần giá trị ap và bạn có thể định lượng được ý của bạn bằng "tương đương" và có thể quyết định độ lệch của hai phương thức này với nhau trước khi bạn không còn xem xét chúng tương đương. Trong phương pháp hồi quy tôi đã nêu chi tiết ở trên, bạn có thể xem xét các phương pháp tương đương nếu khoảng tin cậy xung quanh ước tính độ dốc bao gồm 1 và CI xung quanh phần chặn bao gồm 0.

Tôi đồng ý với @drnexus. Ngoài ra, tôi có thể đề xuất thử nghiệm Morgan-Pitman cho sự bằng nhau của phương sai của hai phương pháp. Điều này sẽ cho bạn biết nếu một phương thức có nhiều phương sai hơn phương pháp kia. Bản thân điều này có thể không phải là một điều xấu bởi vì có lẽ hai bài kiểm tra có sự đánh đổi sai lệch sai lệch khác nhau (ví dụ, một bài kiểm tra có thể luôn nói 50% (sai lệch, nhưng không sai lệch) trong khi bài kiểm tra khác không thiên vị nhưng rất ồn ào). Một số kiến ​​thức tên miền có thể hữu ích ở đây trong việc xác định mức độ đánh đổi mà bạn muốn phương pháp của mình. Tất nhiên, như những người khác lưu ý, có 'tiêu chuẩn vàng' sẽ được ưu tiên hơn nhiều.

Một câu hỏi cũ, nhưng nó lại xuất hiện ngày hôm nay:

Từ khóa chung là "xác nhận trong hóa học phân tích" và do đó nó hơi lạc đề ở đây (nhưng vì không có trang web Hóa học nào ở đây (chưa: http://area51.stackexchange.com/proposeals/4964/chemology , I đoán chúng ta có thể để nó ở đây vào lúc này)

Có một số quy trình chuẩn trong hóa học phân tích cho việc này.

Sách:

• Funk et. al: Đảm bảo chất lượng trong hóa học phân tích, Wiley-VCH.

• Kromidas (Hrsg.): Handbuch Validierung in der Analytik, Wiley-VCH
  (Tôi không biết liệu có phiên bản tiếng Anh hay không và tôi chưa có (nhưng) mục lục liệt kê xác nhận hiệu chuẩn đa biến.)

IUPAC cũng có vài điều để nói về điều đó:

• Danzer, K. và Currie, LA: Hướng dẫn hiệu chuẩn trong hóa học phân tích. Phần I. Nguyên tắc cơ bản và hiệu chuẩn đơn thành phần, Hóa học thuần túy và ứng dụng, IUPAC, 1998, 4, 993-1014

• Danzer, K. và Otto, M. và Currie, LA: Hướng dẫn hiệu chuẩn trong hóa học phân tích. Phần 2: Hiệu chuẩn đa thành phần Hóa học tinh khiết và ứng dụng, 2004, 76, 1215-1225

Việc bạn sử dụng cụm từ 'phương pháp phân tích' là một điều khó hiểu với tôi. Tôi sẽ giả định rằng bằng 'phương pháp phân tích', bạn có nghĩa là một số chiến lược mô hình / ước lượng cụ thể.

Nói chung, có hai loại số liệu bạn có thể sử dụng để lựa chọn giữa các công cụ ước tính.

Số liệu trong mẫu

• Tỷ lệ khả năng / Kiểm tra Wald / Kiểm tra điểm số
• R ²
• Tỷ lệ trúng trong mẫu (Tỷ lệ phần trăm dự đoán chính xác cho dữ liệu mẫu)
• (Rất nhiều số liệu khác tùy thuộc vào mô hình / bối cảnh ước tính)

Số liệu ngoài mẫu

• Tỷ lệ trúng ngoài mẫu (Tỷ lệ phần trăm dự đoán chính xác cho dữ liệu ngoài mẫu)

Nếu các ước tính tương đương, chúng sẽ hoạt động tốt như nhau trên các số liệu này. Bạn cũng có thể thấy nếu các ước tính không khác biệt về mặt thống kê với nhau (như thử nghiệm hai mẫu bằng nhau về phương tiện) nhưng phương pháp luận này sẽ phụ thuộc vào đặc thù của mô hình và phương pháp.