南京邦道企業管理咨詢有限公司

1）記錄剔除所用的檢驗方法及置信水平； 2）如采用連續離群值檢驗，需設定剔除數據的比例； 3）確認所產生的指定值及能力評定標準差滿足能力驗證計劃的目的。 

離群值剔除是數據處理程序的一部分，即使是離群剔除的結果，也要對剔除 結果進行能力評定。 

注1：GB/T6379.2[4]中7.3.4給出了用格拉布斯（Grubbs）檢驗識別離群值 的方法，此方法利用所有參加者結果的標準差（包括潛在離群值）進行檢驗。 

注2：當能力驗證計劃中使用相同的能力驗證樣品，并要求提交重復測量結 果時，通常會針對重復性測量結果的離群值采用科克倫（Cochran）檢驗，詳見 GB/T6379.2中7.3.3部分。 

注3：亦可利用穩健方法識別離群值，例如，若已計算出穩健平均值和標準 差，則參加者結果與穩健平均值之間的差值超過3倍以上穩健標準差的結果可以 視為離群值。 

所有統計估計量都有取樣方差，即估計值會隨不同輪次能力驗證計劃而變化。 即使所有參加者都是有能力的，參加者結果分布不會出現離群和子集，從一輪至 另一輪，各輪統計量的估計值也會發生變化，這種變化可用方差表示。而每一種 統計估計量具有不同的方差。

穩健統計方法基于理論假設，對偏離分布中心較遠 的數據進行修正，以降低其對估計量的影響。

當總體數據為正態分布時，穩健統 計估計量比經典統計估計量（樣本均值和標準偏差）具有更大的方差。表9給出 了附錄C中不同統計估計量的相對效率

通常樣本估計值與總體參數實際值之間的差異會隨樣本量減少而增大。如果 能力驗證計劃利用參加者的公議值評價參加者的能力，參加者數量通常應大于30； 當參加者數量小于20時，由于公議值確定的指定值的不確定度相對較大，不可忽 略，導致能力評定不可靠[5]。例如，當樣本數為30時，樣本離散性的估計值與總 體標準差的差異，在95%置信水平時高達25%以上，而隨著樣本數的減少，其差異 更大。

所以對于參加者較少的能力驗證計劃，一般不推薦利用參加者結果分散性 的公議值來進行能力評定，理想情況下可使用獨立于參加者的、有明確溯源途徑 的方法確定指定值，如用配方法或由有證參考值給出。

能力評定標準差也最好基 于外部標準，如專家判斷或適用性目標（fitnessforpurpose）。

如果使用預先 確定的指定值和評定標準，即使僅有一個參加者，能力驗證也可進行。此種類型 的實驗室間比對被稱為“一對一”能力驗證或測量審核，在很多情況下非常有用， 如校準。

當不能使用獨立于參加者的、有明確溯源途徑的方法確定指定值時，指定值 或/和能力評定標準差可能需要利用參加者公議值得到。如果參加者數量過少， 能力評定可能變得不可靠，需要考慮設定能力評定中參加者的最少數量

當參加者數據中有離群值時，宜優先采用穩健統計，但對于數據量較少的情 況通常并不推薦使用。參加者較少（如少于18家）的能力驗證計劃，宜優先使用 經典統計方法，可使用離群值檢驗，先剔除離群值，然后計算均值和標準偏差。 不同的數據量可使用不同的離群值檢驗方法。

可用Grubbs檢驗對一個離群值 和對同一方向的兩個離群值同時進行剔除，Grubbs檢驗及其他檢驗需要預先規定 可能的離群值個數，但可能由于有多個離群值而失效，這對于參加者結果數 p?10 時非常有用（取決于離群值的可能分布）。 

注1：對分散性的估計在剔除離群值后需特別謹慎，因為估計值會偏低。當 基于99%或以上置信水平進行剔除時，偏倚通常不嚴重

定性計劃確定指定值的方法通常有：專家判定、利用標準物質/標準樣品的 參考值、已知物品來源和利用參加者結果眾數或中位值。定量計劃確定指定值的 方法通常有：配方法、有證參考值、獨家定值、專家公議值和參加者公議值等方 法。 

能力驗證計劃通常有一個專家組，它由若干具有適當資格的專家組成。指定 值由專家組公議確定，如果專家組對某個物品的指定值不能達成公議值，則可考 慮選用其他的定值方法，如果確實沒有合適的其他方法，則該物品不宜用于能力 驗證。特殊情況下，也可由一個專家確定指定值

定性檢測的指定值也可用參加者結果的統計量，如眾數或中位值來確定。以 眾數作為指定值可用于類別和定序的結果，但中位值一般只適用于定序標尺的結 果。如果利用眾數或中位值作為指定值，在能力驗證報告中應說明符合指定值的 結果數及其所占的比例數

1)基質需不受添加成分的影響，或者添加成分在基質中的比例是精確已知 的； 2)必要時，所有成分需混合均勻； 3)所有顯著誤差來源是已被識別（例如，人們往往意識不到玻璃可以吸收 汞化合物，實際上汞化合物水溶液的濃度會因容器材質而改變）； 4)添加成分和基質之間沒有反應； 5)含有添加物的能力驗證物品的性質需與實際測試樣品類似。

例如，人工 配制樣品與天然樣品中相比，人工制品中添加成分通常更容易被提取。若人工配 制樣品與天然樣品存在較大差