等價測試你好
我想比較兩種測量樣品純度的分析方法並證明它們是等效的。 我知道他們沒有提供完全相同的結果，這意味著他們的差異的平均值不為 0。 不過，我只需要證明他們的結果之間的差異小於2%。 我的數據是基於 28 個不同的樣本，每個樣本用每種方法分析一次。 我們透過純度差異的雙邊 t 檢定測試了等效性，但我們不確定該檢定是否最適合證明該概念。 請注意，數據不是常態分佈的。 有人可以就此提出建議嗎？
品質和工藝工程分享和交流成果回覆：等價測試謝謝你的澄清@馬克貝利。非常感謝您的幫忙。
問候，
珍妮佛.
回覆：等價測試非常感謝@SDF1 。 這真的很有幫助。
問候，
珍妮佛.
回覆：等價測試我應該回答說，你的等價檢定證明有足夠的證據來拒絕虛無假設，即在 95% 的置信水準下，這些方法的差異超過 2%。
回覆：等價測試你好@CentroidJackal1 ,
我相信你的等價測試顯示你不能拒絕這兩種方法的等價性——在 0 的 +/-2 個單位之內。 在您提供的範例中，平均差異為 -0.72，並且由於您接受 0 +/-2 個單位內的任何值，因此平均差異表明這些值是相等的。 平均差異上的紅色鬍鬚是該平均差異的置信界限。
需要記住的是，該等效性測試著眼於所有 28 次測量的平均差。 它沒有提及單一測量。 因此，我認為應該謹慎地說差異「總是」小於 2（無論您提前決定的置信度如何）。 真正應該討論的是平均的與 0 的差值小於 +/-2 個單位。 這可以透過您的分佈來說明，其中至少有一個數據點的差異為 -4。 在這種特殊情況下，這個（或多個）測量值與 0 之間的差異大於 +/-2 個單位，並且會使您的原始描述失敗。 然而，所有測量值的平均值並不能說明問題。
BA 分析也應該為您提供這些信息，因為您可以估計均差圖上的置信區間，查看有多少測量值落在這些線之外，並確定一種方法或另一種方法是否存在偏差。透過 BA 分析，您可以很好地估計有多少數據點將在您的 CI 之外，從而對您想要回答的內容給出更合理的估計，對於任何給定的測量，您都有一個置信水平X 的差異在+/-2 個單位內。
您也可以考慮進行變異數分析，您可以再次對平均值進行等價檢定 - 但在這種情況下，您將使用實際測量值，即使您知道 A 和 B 的絕對值可能不是同樣，您仍然可以在+ /-2 個單位內進行等效性測試。 這裡的好處是，如果需要，您可以考慮不相等的變異數 - 例如，如果方法 A 和 B 沒有類似的標準差。
透過任一等價檢驗，您實際上是在查看平均值差異或平均值差異 - 對於您的所有測量，這一點應該明確。 單一測量值始終可能是異常值，但如果每種方法的平均響應等效，則應通過等效性檢定。
祝你好運！，
DS
回覆：等價測試如果模型不等價，則偏差很大。
回覆：等價測試你好@馬克貝利
感謝您的回覆。 正交擬合是指方法與擬合線不同。 我們知道這些方法不會給出完全相同的結果，而且有偏差，但我們想證明這種偏差並不顯著。 這樣更有意義嗎？
非常感謝，
珍妮佛.
回覆：等價測試你好@SDF1
非常感謝您的快速回覆。 對於造成的混亂表示歉意。 純度以百分比表示，所以這就是為什麼我用 2%，但差異是絕對值，我想證明有一定的信心說差異將「總是」（對於 90%、95% 或 99%）人口）小於2。 我不確定 BA 分析能否證明這一點，因為它似乎只能證明兩種方法之間存在偏差。
非常感謝，
珍妮佛.
回覆：等價測試有許多關於方法比較的長期標準（例如，NCCLS、IUPAC、ICH）。 它可能涉及測量的多個方面：準確度、精密度、線性、檢測或定量限等。 您可以使用雙變數中的「擬合正交」指令來執行戴明迴歸，以最小化 X 和 Y 中的誤差。 JMP 17 還將包括 Passing-Bablok 回歸和 Bland-Altman 分析。 同時，請參閱 JMP 說明章節中有關測量系統分析以獲得更多想法。
回覆：等價測試你好@CentroidJackal1 ,
您呈現和提出的方式絕對是評估數據的一種方式。 但要記住的一件事是，當您說結果差異需要小於 2% 時，其中 2% 是方法 A 還是方法 B？ 這部分沒有得到很好的解釋。
查看資料的另一種方法可能是使用平均差圖，就像布蘭德奧特曼分析。 您可以從連結中閱讀它。 這是一種很好的方法，可以評估兩種不同的方法是否本質上等效，並查看數據中是否存在任何偏差以及數據是否來自一種方法與另一種方法。 BA 分析不需要常態分佈資料。
希望這可以幫助！，
DS
回覆：等效性檢驗我正在比較兩種評估樣品純度的分析方法，想確定它們是否等效。我知道它們得出的結果並不完全相同——因此兩種方法的平均差異不為零——但重要的是差異是否保持在2%的公差範圍內。
設定如下：
-
我測試了28 個不同的樣本，每個樣本用每種方法分析一次。
-
我感興趣的是驗證這些方法在±2%的範圍內是否等效。
-
我最初對純度的差異應用了雙側 t 檢驗，但我不確定這種方法是否最適合建立等價性。
-
關鍵在於：數據並非呈常態分佈。
我將非常感謝有關以下方面的任何指導：
-
當資料不服從常態分佈時，哪種統計檢定最適合評估等價性。
-
在這些條件下實施此類測試的有效方法。
-
在評估非常態資料的等效性時我應該注意的陷阱。
任何建議或意見都會非常有幫助——謝謝！
回覆：等效性檢驗您好@AcceptanceFox47 ：如果資料近似對數常態分佈（資料的自然對數近似常態分佈），那麼可以將其作為配對資料的置信區間進行計算（例如，可以透過配對對平台進行計算）。但分析將基於數據的自然對數進行。然後，將差異的 90% 信賴區間的端點（以對數為單位）進行逆對數運算 (EXP(.))，以獲得幾何平均比率的置信區間。最終的置信區間需要在 0.98 到 1.02 之間才能達到等效性。
而且，如果樣本量夠大（n=28 即可），那麼中心極限定理（ https://en.wikipedia.org/wiki/Central_limit_theorem#:~:text=In%20probability%20theory%2C%20the%20central,themselves%20are%20theory%2C%20the%20central,themselves%20are%20not%20mally% )編輯：所以，請按照我上面的解釋繼續。
