等价测试你好
我想比较两种测量样品纯度的分析方法并证明它们是等效的。 我知道他们没有提供完全相同的结果，这意味着他们的差异的平均值不为 0。 不过，我只需要证明他们的结果之间的差异小于2%。 我的数据基于 28 个不同的样本，每个样本用每种方法分析一次。 我们通过纯度差异的双边 t 检验测试了等效性，但我们不确定该检验是否最适合证明该概念。 请注意，数据不是正态分布的。 有人可以就此提出建议吗？
质量和工艺工程分享和交流结果回复：等价测试谢谢你的澄清@马克贝利。非常感谢您的帮助。
问候，
詹妮弗.
回复：等价测试非常感谢@SDF1 。 这真的很有帮助。
问候，
詹妮弗.
回复：等价测试我应该回答说，你的等价检验证明有足够的证据来拒绝零假设，即在 95% 的置信水平下，这些方法的差异超过 2%。
回复：等价测试你好@CentroidJackal1 ,
我相信你的等价测试表明你不能拒绝这两种方法的等价性——在 0 的 +/-2 个单位之内。 在您提供的示例中，平均差异为 -0.72，并且由于您接受 0 +/-2 个单位内的任何值，因此平均差异表明这些值是相等的。 平均差异上的红色胡须是该平均差异的置信界限。
需要记住的是，该等效性测试着眼于所有 28 次测量的平均差。 它没有提及单一测量。 因此，我认为应该谨慎地说差异“总是”小于 2（无论您提前决定的置信度如何）。 真正应该讨论的是平均的与 0 的差值小于 +/-2 个单位。 这可以通过您的分布来说明，其中至少有一个数据点的差异为 -4。 在这种特殊情况下，这个（或多个）测量值与 0 之间的差异大于 +/-2 个单位，并且会使您的原始描述失败。 然而，所有测量值的平均值并不能说明问题。
BA 分析也应该为您提供这些信息，因为您可以估计均差图上的置信区间，查看有多少测量值落在这些线之外，并确定一种方法或另一种方法是否存在偏差。通过 BA 分析，您可以很好地估计有多少数据点将超出您的 CI 范围，从而对您想要回答的内容给出更合理的估计，对于任何给定的测量，您都有一个置信水平X 的差异在 +/-2 个单位内。
您还可以考虑进行方差分析，您可以再次对均值进行等价检验 - 但在这种情况下，您将使用实际测量值，即使您知道 A 和 B 的绝对值可能不是同样，您仍然可以在 +/-2 个单位内进行等效性测试。 这里的好处是，如果需要，您可以考虑不相等的方差 - 例如，如果方法 A 和 B 没有类似的标准差。
通过任一等价检验，您实际上是在查看平均值差异或平均值差异 - 对于您的所有测量，这一点应该明确。 单个测量值始终可能是异常值，但如果每种方法的平均响应等效，则应通过等效性检验。
祝你好运！，
DS
回复：等价测试如果模型不等价，则偏差很大。
回复：等价测试你好@马克贝利
感谢您的回复。 正交拟合是指方法与拟合线不同。 我们知道这些方法不会给出完全相同的结果，并且存在偏差，但我们想证明这种偏差并不显着。 这更有意义吗？
非常感谢，
詹妮弗.
回复：等价测试你好@SDF1
非常感谢您的快速回复。 对于造成的混乱表示歉意。 纯度以百分比表示，所以这就是为什么我用 2%，但差异是绝对值，我想证明有一定的信心说差异将“总是”（对于 90%、95% 或 99%）人口）小于2。 我不确定 BA 分析能否证明这一点，因为它似乎只能证明两种方法之间存在偏差。
非常感谢，
詹妮弗.
回复：等价测试有许多关于方法比较的长期标准（例如，NCCLS、IUPAC、ICH）。 它可能涉及测量的多个方面：准确度、精密度、线性、检测或定量限等。 您可以使用双变量中的“拟合正交”命令来执行戴明回归，以最小化 X 和 Y 中的误差。 JMP 17 还将包括 Passing-Bablok 回归和 Bland-Altman 分析。 同时，请参阅 JMP 帮助章节中有关测量系统分析以获得更多想法。
回复：等价测试你好@CentroidJackal1 ,
您呈现和提出的方式绝对是评估数据的一种方式。 但要记住的一件事是，当您说结果差异需要小于 2% 时，其中 2% 是方法 A 还是方法 B？ 这部分没有得到很好的解释。
查看数据的另一种方法可能是使用均值差图，就像布兰德奥特曼分析。 您可以从链接中阅读它。 这是一种很好的方法，可以评估两种不同的方法是否本质上等效，并查看数据中是否存在任何偏差以及数据是否来自一种方法与另一种方法。 BA 分析不需要正态分布数据。
希望这可以帮助！，
DS
回复：等效性检验我正在比较两种评估样品纯度的分析方法，想确定它们是否等效。我知道它们得出的结果并不完全相同——因此两种方法的平均差异不为零——但重要的是差异是否保持在2%的公差范围内。
设置如下：
-
我测试了28 个不同的样本，每个样本用每种方法分析一次。
-
我感兴趣的是验证这些方法在±2%的范围内是否等效。
-
我最初对纯度的差异应用了双侧 t 检验，但我不确定这种方法是否最适合建立等价性。
-
关键在于：数据并不呈正态分布。
我将非常感谢有关以下方面的任何指导：
-
当数据不服从正态分布时，哪种统计检验最适合评估等价性。
-
在这些条件下实施此类测试的有效方法。
-
在评估非正态数据的等效性时我应该注意的陷阱。
任何建议或意见都会非常有帮助——谢谢！
回复：等效性检验您好@AcceptanceFox47 ：如果数据近似服从对数正态分布（数据的自然对数近似正态分布），那么可以将其作为配对数据的置信区间进行计算（例如，可以通过匹配对平台进行计算）。但分析将基于数据的自然对数进行。然后，对差异的 90% 置信区间的端点（以对数为单位）进行逆对数运算 (EXP(.))，以得到几何平均比率的置信区间。最终的置信区间需要在 0.98 到 1.02 之间才能达到等效性。
而且，如果样本量足够大（n=28 即可），那么中心极限定理（ https://en.wikipedia.org/wiki/Central_limit_theorem#:~:text=在概率论与理论中心，它们本身并不是正态分布的 .）则表明无需担心正态性。编辑：所以，请按照我上面的解释继续。
