南京邦道企业管理咨询有限公司

因此，对半定量结果使 用诸如z比分数的统计量是不合适的。特定的统计量，如秩或顺序统计量，对顺序数 据是可以使用的。 

4.4.2.4描述出（或作图表示）所有参加者结果的分布，以及每一类结果的数量或百 分比，并给出总计统计量（如众数和极差）是适当的。根据与指定值的接近程度评价 结果的可接受性也是适当的，例如，结果落在指定值之上或之下一个数值范围内即为 可接受的。某些情况下，利用百分位数评估能力也是合适的，如，可以规定距离众数 或指定值最远的5%的结果是不可接受的。这些规则应根据能力验证计划的目的来确 定。

4.4.3合成的能力比分数 当对一个特定被测量使用了一个以上能力验证物品或有一组相关被测量时，可根 据一轮能力验证计划中两个或两个以上的结果评定参加者的能力。这样可以对参加者 能力进行全面评定。采用图方法，如尧敦（Youden）图或曼德尔（Mandel‘s）h统计 量图等，也是解释参加者能力的有效工具（参见GB/T28043）。 尽量不使用能力比分数的平均值，因为这将掩盖对一个或多个能力验证物品的较 差的检测或测量能力，而这正是需要调查的。最常用的合成的能力比分数是可接受结 果的数量(或百分比)

4.5.1.1应根据能力度量方式制定能力评定准则，用于能力评定的方式如下： a）专家公议，由顾问组或其他有资格的专家直接确定报告结果是否与预期目标 相符合；专家达成一致是评估定性测试结果的典型方法。 b）与目标的符合性，根据方法性能指标和参加者的操作水平等预先确定准则。 

c）用统计方法确定比分数，其准则应当适用于每个比分数；比分数的常用例子 如下： 1）z比分数、 z‘ 比分数和 ? 比分数（简单起见，示例中仅给出了z比分数，对 z‘ 比分数和 ? 比分数也适用）；

4.5.1.2只要可能，应当使用GB/T28043和IUPAC国际协议所描述的图形来显示参 加者能力（如直方图，误差条形图，顺序z比分数图，尧敦图等）。这些图可用来显 示： a）参加者结果的分布； b）多个能力验证物品结果间的关系； c）不同方法所得结果分布的比较。 

4.5.1.3有时，能力验证计划中某些参加者的结果虽为不满意结果，但可能仍在相关 标准或规范规定的允差范围之内，鉴于此，在能力验证计划中，对参加者的结果进行 评价时，通常不作“合格”与否的结论，而是使用“满意/不满意”或“离群”的概 念

4.5.1.4当利用测量审核对参加者的结果进行判定时，可利用En值或参照相关技术 标准（包括统计技术方面的标准）进行判定，附录C给出了相应的统计方法信息。 4.5.2长期监测能力 4.5.2.1能力验证计划可包含长期监测能力的程序。该程序可以使参加者能观测到其 能力的变动，是否呈现趋势性的变化或不一致的结果，以及随机变化。 

4.5.2.2图形方法有助于理解数据分析结果，如传统的“休哈特”控制图。数据列表 和总计统计量可以提供更详细信息。用来评定能力的能力比分数，如z比分数，可用 于绘制这些图和表。

其它示例和图形工具可参见GB/T28043等。 4.5.2.3用参加者结果统计得到的标准差作为能力评定标准差时，由于参加者群体的 变化及其对比分数的未知影响，长期监测能力时应当谨慎。

通常，由于参加者逐渐熟 悉能力验证计划或者方法得到改进，实验室间标准差会随时间而减小。即便参加者本 身的能力没有变化时，也会导致z比分数的明显变大。

由能力验证计划参加者的结果确定指定值和能力评定标准差，是检测能力验证计 划常用的方法。通常，可以采用经典方法，用格拉布斯（Grubbs）准则等统计方法剔 除离群值后计算平均值和标准差，以平均值和标准差作为指定值和能力评定标准差； 也可采用稳健统计方法，稳健统计方法不需要用统计方法剔除离群值。例如，使用中 位值和标准化四分位距法、GB/T28043推荐的算法A和算法S，计算中位值或稳健 平均值作为指定值，计算标准化四分位距、稳健标准差或标准差的稳健联合值作为能 力评定标准差。本附录描述了由参加者的结果确定指定值和能力评定标准差的常用稳 健统计方法

算法A来自GB/T6379.5。应用此算法计算得到数据平均值和标准差的稳健值。 稳健性是估计算法的特点，而不是其产生的估计值的特点，因此严格来说，称由此算 法计算的平均值和标准差是稳健的是不确切的。然而，为避免使用繁琐的术语，“稳 健均值”和“稳健标准差”应理解为利用稳健算法计算的总体均值和总体标准差的均 值估计。

稳健估计值 x* 和 s* 可由迭代计算得出，例如用已修改数据更新 x* 和 s* ，直至 过程收敛。当稳健标准差的第三位有效数字和稳健平均值相对应的数字在连续两次迭 代中不再变化时，即可认为过程是收敛的。这是一种可用计算机编程实现的简单方法。 此外，还有一种简化的稳健计算方法可以替代算法A。按式（A.1）计算稳健平 均值，按式（A.2）计算稳健标准差停止，不再进行迭代，以稳健均值和稳健标准差 的初始值作为数据平均值和标准差的稳健值。

中位值和标准化四分位距法是一种简单的稳健统计方法。应用此法计算得到数据 总体均值和总体标准差的估计值——中位值（med）和标准化四分位距（NIQR）。中 位值和标准化四分位距是数据集中和分散的度量，与平均值和标准差相似。 中位值是分布中间位置的一个估计。标准化四分位距等于四分位距（IQR）乘以 因子0.7413。四分位距是高四分位数和低四分位数的差值。对一组由小到大排列的 数据，居于中间位置的数据为中位值，有一半的数据高于它，一半的数据低于它；居 于下四分之一位置的数据为下四分位数或低四分位数（Q1），该组数据的四分之一低 于Q1，四分之三高于Q1；居于上四分之一位置的数据为上四分位数或高四分位数（Q3）， 该组数据的四分之一高于Q3，四分之三低于Q3。在大多数情况下Q1和Q3通过数据值 之间的内插法获得。 从一个特定检测中得到的结果总数为 p

能力验证计划可以设计为使用单一样品，有时，为了查找造成结果偏离的误差原 因，也可以采用样品对。样品对可以是完全相同的均一样品对，也可以是存在轻微差 别的分割水平样品对。均一样品对，其结果预期是相同的。分割水平样品对，其两个 样品具有类似水平的被测量，其结果稍有差异。对双样品设计能力验证计划，可按照 附录A的方法对结果进行统计处理，统计处理是基于结果对的和与差值。 以中位值和标准化四分位距法为例。 假设结果对是从样品对A和B两个样品中获得的。 首先按下式计算每个参加者结果对的标准化和（用 S 表示）和标准化差

图B1和B2为根据表B1制作的 z 比分数序列图。图中按照大小的顺序显示出每 个实验室的 z 比分数（ ZB 和 ZW ），并标有实验室的代码，使每个实验室能够很容易 地与其它实验室的结果进行比较。

处于椭圆外的所有的点都标有相应的实验室代码。但要注意，这些点并不意味着 都是离群。这是因为离群的标准（ z ≥3）的置信水平约为99%，而椭圆是约95% 的置信水平。 

这意味着，如果数据中没有离群值，期望大约有5%的结果将在椭圆外。然而因为 能力验证的数据通常包含一些离群值，所以在大多数情况下将有超过5%的点在椭圆 外。

 图中椭圆外的点，大体相当于那些 z 比分数大于2或小于-2的值。因此，结果在 椭圆之外但还不是离群值的实验室应当复查他们的结果。 尧登图的优点在于它们是真实数据的图示。在椭圆外的实验室能够看到它们的结 果是怎样不同于其他的实验室。 

尧敦图可以说明： (1)含有明显系统误差的实验室（即实验室间变异）将在椭圆的右上象限或者在左下 象限，即两个样品的结果异常地高或低； (2)随机误差（即实验室内变异）明显高于其他参加者的实验室将处于椭圆外的左上 或右下象限，即一个样品的结果过高，而另一个则过低。 

然而应注意，尧敦图只是用来说明数据，并不用来准确评定实验室的结果（结果 的评定仍由z比分数确定）。

 校准能力验证计划 在校准能力