简单的相关方法不是分析方法比较研究结果的正确方法。我在最后参考了（至少）两本关于这个主题的强烈推荐书籍（1,2）。简而言之，在比较测量方法时，我们通常期望 (a) 我们的结论不应依赖于用于比较的特定样本，以及 (b) 应考虑与特定测量仪器相关的测量误差。这排除了任何基于相关性的方法，我们将把注意力转向方差分量或混合效应模型，这些模型可以反映项目的系统效应（这里，项目代表收集数据的个体或样本），其结果来自（一种）。

在您的情况下，您使用两种不同的方法收集了单个测量值（我假设它们都不会被视为黄金标准）并且最基本的事情是绘制差异（）与平均值（ ); 这被称为$X_1-X_2$$(X_1+X_2)/2$平淡的奥特曼情节. 它将允许您检查 (1) 两组测量值之间的变化是否恒定，以及 (2) 差异的方差在观察值范围内是否恒定。基本上，这只是与的简单散点图的 45° 旋转，其解释接近线性回归中使用的拟合值与残差值的图。然后，$X_1$$X_2$

• 如果差异是恒定的（恒定偏差），您可以计算一致性极限（参见（3））
• 如果差异在测量范围内不是恒定的，您可以在两种方法之间拟合线性回归模型（选择您想要的一种作为预测变量）
• 如果差异的方差不是恒定的，请尝试找到一个合适的变换，使关系与恒定方差呈线性关系

其他细节可在第 4 章 (2) 中找到。

参考

1. 邓恩，G（2004 年）。可靠性研究的设计和分析。阿诺德。见国际流行病学杂志的评论。
2. 卡斯滕森，B (2010)。比较临床测量方法。威利。查看配套网站，包括 R 代码。
3. Bland 和 Altman 的原始文章，用于评估两种临床测量方法之间一致性的统计方法。
4. 卡斯滕森，B (2004)。几种测量方法之间的比较和预测。生物统计学，5（3），399–413。

如果你无法知道真正的专注力，最简单的方法就是关联。更进一步的可能是使用方法 1 进行简单的回归预测方法 2 的结果（反之亦然）。如果方法相同，则截距应为 0；如果截距大于或小于 0，则表明一种方法相对于另一种方法的偏差。如果方法平均产生相同的结果（在控制截距中的向上或向下偏差之后），则非标准化斜率应接近 1。非标准化斜率的误差可以作为两种方法一致程度的指标。

在我看来，这里的统计方法的困难在于，您正在寻求确认通常作为零假设提出的内容，即方法之间没有差异。这不是使用统计方法的致命一击，只要您不需要 ap 值，并且您可以量化“等效”的含义，并且可以在您不再使用之前确定这两种方法彼此之间可以有多少偏差认为它们是等价的。在我上面详述的回归方法中，如果斜率估计周围的置信区间包括 1 并且截距周围的 CI 包括 0，您可能会认为这些方法是等效的。

我同意@drnexus。此外，我可能会建议对这两种方法的方差相等性进行 Morgan-Pitman 检验。这将告诉您一种方法是否比另一种方法具有更大的差异。这本身可能不是一件坏事，因为可能这两个测试有不同的偏差-方差权衡（例如，一个测试可能总是说 50%（有偏差，但没有方差），而另一个是无偏差但非常嘈杂）。一些领域知识可能有助于确定您希望对方法进行多少权衡。当然，正如其他人所指出的，拥有“黄金标准”会更受欢迎。

一个很老的问题，但今天又出现了：

通用关键字是“分析化学中的验证”，因此这里有点离题（但由于这里没有化学网站（但：http ://area51.stackexchange.com/proposals/4964/chemistry ，我猜猜我们可以暂时把它留在这里）

为此，分析化学中有一些标准程序。

图书：

• 芬克等。al：分析化学中的质量保证，Wiley-VCH。

• Kromidas (Hrsg.): Handbuch Validierung in der Analytik, Wiley-VCH
  （我不知道是否有英文版，我还没有。但目录列出了多变量校准的验证。）

IUPAC 对此也有话要说：

• Danzer, K. 和 Currie, LA：分析化学校准指南。第 I 部分。基础和单组分校准，纯化学和应用化学，IUPAC，1998，4，993-1014

• Danzer, K. 和 Otto, M. 和 Currie, LA：分析化学校准指南。第 2 部分：多组分校准 Pure and Applied Chemistry, 2004, 76, 1215-1225