大家好，今天和大家讨论如何具体地去做方法学比较和偏差估计。主要内容包括：具体流程、绘图(Plot data)、线性检查(Check for linearity)、离群值检查(Check for outlier)、测试X变量的适当范围(Check for adequate range of X)、线性回归曲线的计算、检查是否持续散布(Check for constant scatter)、和结论。

首先我们来看看具体流程，标准中有提到详细的流程，但不是很容易理解。为了让大家理解起来容易一点，我把标准中的流程做了一些简化，具体请见以下流程图:

接下来就按照流程图一步一步地和大家介绍，第一步是绘图，绘图很容易理解就是把测试得到的数据呈现在平面坐标图上，在标准的4.2中有提到四种坐标图，我这里主要跟大家介绍其中的两种，请见下图：

图B1中横坐标和纵坐标是两种方法获得测试结果的平均值。图B2中纵坐标是比较方法每一次的测试结果，横坐标是待评估方法测试的平均值。因此你可以看到图B2中的数据点会比图B1中的数据点多，是两倍的关系。

第二步是线性检查，线性检查的目的是看横坐标和纵坐标值之间的线性关系，大家可以去参考EP6的标准。

第三步是离群值检查，离群值检查的目的是找出方法之间的离群值，就是用两种方法测得的结果差异比较大的样本，这样的样本是不能纳入分析的。某个样本的测试值是否离群可以用两种方法来判断，一种叫绝对差异法，一种叫相对差异法。标准里面都有提到相应的计算公式，首先我们看绝对差异法如何计算:

我们再看相对差异法如何计算: 

绝对差异和相对差异的极限值都是计算出来的结果的4倍，如果某一个数据点的差异超过了这个限值，那么该数据点就会被认为是离群值，应予以剔除。标准中也有提到最多只能有2.5%的数据可以因为这个原因被剔除。

第四步是测试X变量的适当范围，为什么要做这个评估呢？因为X变量的测试值是有误差的，误差只有在较宽的范围内才可以忽略。标准中有给出如下的计算公式:

如果计算出来的r≥0.975(或者r2 ≥0.95), 那么就可以认为变量X的误差是可以忽略的。接下来就可以去计算线性回归的斜率和截距了。

第五步就是去计算斜率和截距，标准中也有给出公式:

针对于X是平均值，Y是每一次测试结果的情况:

针对于两个都是平均值的情况: 

第六步要检查是否持续散布，在做这个检查的时候要把握一个准则: 上端和下端区间的值的标准差有没有超过3:1或者更大，如果没有，就可以认为数据是持续散布的。

数据是否持续散布和计算预计的偏差和置信区间相关，标准的第六部分给出了具体的信息，我作了整理，请见下表:

基于不同的情况采用不同的方法去计算偏差和置信区间。

算出偏差和置信区间之后，就走到了评估的最后一步，就是下一个总结论。总结论无非就两个行或者不行，标准中有给出具体的描述。

到这里，今天的微课介绍完了，做一个简单的总结，这堂微课主要和大家介绍了如何具体去做方法学比较和偏差估计的工作，大家先去看流程图，然后尽量去想每一步为什么要这么去做，公式我觉得不需要去记。