手機版
分析檢測實驗，如何進行標準曲線的檢驗？
標準曲線的檢驗是實際操作中最大的難點，也是工作中誤區和爭議最多的話題。
比如GB/T 5750.3-2006 就將標準曲線的檢驗分為：
但很變態遺憾，并未出示具體的檢驗方法。
這三個檢驗，標準曲線的精密度檢驗，實際含義就是做出來的試驗點在我擬合的直線方程左右的分布情況，標準曲線是所有點以最小二乘算法（OLS）擬合出來的，這條曲線到所有點的垂直距離的和（殘差）是最小的。
因此曲線并非通過所有點而是非常接近所有點，精密度檢驗就是看這些試驗點距離擬合的直線的距離有無異常，所以也稱線性檢驗（擬合檢驗）。這時的精密度（線性檢驗）需用F檢驗，P<0.05作為線性檢驗合格的標準。
標準曲線的截距檢驗和斜率檢驗分別考察Y=a+bX中a和b與0的統計學差異，a與0有差別說明有試劑空白或系統誤差，而b若與0沒差別說明儀器的靈敏度根本達不到分析要求。日常工作中我們通常用相關系數來作為標準曲線好壞的標準，這點有一定道理，但并不全面。
決定系數是相關系數的平方，就是我們經常在儀器軟件中看到的R2或Fit，它提示的是我建立的回歸方程所解釋X對Y變化占Y變量的比值，比如決定系數是0.99也就是說我這個回歸方程可以解釋Y變化的99%，剩下的1%就是殘差。前面提到的精密度（線性檢驗）就是用這兩部分的變化做F檢驗，由于統計檢驗的臨界值比較大，通常0.90以上的相關系數都會通過這個F檢驗，當然還與實驗點數（自由度）有關。
依據GB/T22554-2010《基于標準樣品的線性校準》中關于失擬檢驗的問題，這里的失擬檢驗是要看曲線擬合后剩下殘差與實驗數據本身隨機誤差（變異）之間的差別，同樣采用F檢驗，此時失擬檢驗P應該>0.05，也就是說殘差應該跟實驗測定中的隨機誤差（變異）沒有差別，要看每次測定的隨機誤差（變異）就必須多次測定同一濃度，因此失擬檢驗要求每個濃度點至少重復2次。
最后還要看看這些殘差的分布是否是正態的，因為正態才符合隨機誤差的特性。綜上所述，標準曲線的檢驗應該是線性檢驗結合失擬檢驗，以及殘差的正態性檢驗結合才是統計學上比較完備的。
通常我們采用的相關系數0.99以上的說法缺乏統計完備性。正如大家經常看到的改變擬合的參數個數，如二次方程明顯能提高相關系數，但是我們經常沒有勇氣去用二次曲線方程，小編提醒，因為沒有統計學上完備的支撐。如果發現標準曲線在低濃度和高濃度點的變異程度不同（非等方差），此時應該考慮權重最小二乘(WLS)。
一、問題
精密度檢驗； 截距檢驗； 斜率檢驗。
二、密度檢驗
三、斜率和截距
四、相關系數
