淺談實驗室內部紡織品色牢度比對結果分析方式

裘惠敏+成嫣

摘要：

本文針對實驗室內部紡織品色牢度比對結果分析中，通過不同數據分析方式的計算方法及結果評定的比較，分析其各自的優缺點，淺析紡織品色牢度比對結果分析最佳方式，以期獲得比對結果的正確分析與評價，從而實現實驗室內部比對的有效實施。

關鍵詞：實驗室內部;色牢度比對;結果分析

色牢度檢測因其最終結果評價方式為檢測人員主觀評價，已成為紡織品檢測實驗室中受檢測人員主觀影響性最為典型的檢測項目。根據CNAS-CL18：2013《檢測和校準實驗室能力認可準則在紡織檢測領域的應用說明》§5.2.1 d）的要求，從事主觀性、操作性較強的檢測工作的人員，應定期進行相關技術能力的評價，以確保其持續勝任。因此，為確保檢測人員檢測能力的持續勝任，實驗室比對成為檢測機構驗證檢測能力的普遍方式。其中實驗室間比對，主要是為了確保實驗室與外部檢測機構數據的一致性;而實驗室內比對，則致力于實驗室內部人員間檢測結果的一致性。本文擬通過紡織品色牢度比對結果采用不同分析方式的比較，通過對統計方式的合理運用，探討紡織品色牢度比對結果的正確分析與評定，從而實現實驗室內部比對的有效實施。

1 ? ?不同類型統計分析方式及其優缺點

1.1 ?Z比分數法

Z 比分數法是對實驗室檢測能力評定基本方法之一，它采用中位值和標準四分位數間距等穩健統計量計算各實驗室結果的Z 值，常用于統計各實驗室完成同一試驗所產生檢測數據的滿意度。該統計方法采用比對參考值為中位數，用穩健統計的Z比分數值來評價比對結果。

該方法是標準化的方法，可以直觀地反映實驗室的檢測能力，是國際和中國合格評定認可委員組織的能力驗證及比對在結果分析與評價時會普遍采用的統計方法，適用于對單樣品或樣品對的實驗室間比對和實驗室內比對結果的評價。通常Z 比分數被認為是對實驗室能力驗證最好的評定方法，實驗室比對結果分析與評價一般優先選用Z比分數檢測法。

但需要注意的是，如參比實驗室所獲得的數據能夠形成偏態分布（包括正態分布），采用Z 比分數法方式分析相對合理。但如參比實驗室所獲得的數據呈均勻分布數據，則無法采用Z 比分數進行結果分析與評價。如實驗室比對數據呈均勻分布情況（見表1），則在統計量Z值計算中，因其IQR為零，會出現分母為零的情況，從而無法采用Z 比分數進行結果分析與評價。如紡織品色牢度比對結果一致性高，則所獲得的比對數據較易呈現均勻分布狀態，此時采用Z 比分數方式進行結果分析與評價則是不合適的。

1.2 ? ZΔ 值法

如項目的試驗標準中規定或行業內默認的測量結果的最大允許誤差，可按試驗允差的，可用ZΔ值進行評定。而色牢度項目具有行業內默認的測量結果的最大允許誤差，一般為±0.5級。按 ? ? ? ? ? ? ? ? ? ? ? 計算ZΔ值（式中：x——參比實驗室的測量結果，x0——比對的參考值，Δ——標準中規定或行業內默認的測量結果的最大允許誤差），當|ZΔ|≤1，則判定參比實驗室的結果為合格;當|ZΔ|>1，則判定參比實驗室的結果為不合格。

ZΔ值評定結果的優點是簡單易行，可直接利用標準中規定或行業內默認的測量結果的最大允許誤差。缺點是該方法受制于是否有已知的參考值，如果無已知參考值，則無法使用該方法。

1.3 ?參考值法

目前具有已知參考值樣品的主要來源有兩種，一種是有證標準物質，但目前市場上的有證標準物質主要集中在化學分析檢測項目中，色牢度檢測尚無此類有證標準物質。另一種則是比對試驗組織方的實驗室根據參與比對試驗的各實驗室所提供的比對結果，利用數理統計方式計算比對樣品的結果參考值。如采用此類方式，則如何計算結果參考值就成為結果評價的關鍵環節。

常規的結果參考值計算主要以下幾種方式。

1）均值

均值，是統計學中最基本、最常用的一種平均指標，分為簡單算術平均數、加權算術平均數。在實驗室比對結果分析中，主要采用簡單算術平均數。

采用均值進行比對結果數據分析，優點是操作簡單，如數據分布較為均勻的情況下，均值可以體現比對數據一致性的情況。但如果比對數據不是自然均勻分布的話，即如果個別值特別大或特別小，那么平均值將被顯著拉高或壓低，即均值易受極端值的影響。如實驗室比對數據中存在極端值（如表2），全部比對數據的平均值是3.5級，實際上大部分數據（有5個）為4級及以上，如果去掉04序號的數據（1級），則剩下的7個數的平均值為4級。

由此可見，采用均值作為結果參考值，必須建立在數據不出現極端值的基礎上。否則，極端值的出現，會使平均數的真實性受到干擾。

表2 ? ?存在極端值與剔除極端值的結果差異

2）眾值

眾值，又稱眾數，是總體中出現次數最多的標志值，因其在統計分布上具有明顯集中趨勢點的特點，可以代表一組數據或反映某一現象的一般水平，常運用于單項指標的分析。其優點是易于理解，不受極端值的影響。當數據的分布具有明顯的集中趨勢時，尤其是對于偏態分布，眾數的代表性比均值要好。

由于色牢度實驗室內部比對，其主要目的，是確保實驗室內部的結果一致性，在比對試驗過程中，如果樣品均勻性好，實驗室內部的比對結果很容易呈均勻分布，則眾值較易體現比對結果中集中趨勢點的檢測值，通過各比對檢測值與眾值的比較，便于實驗室發現哪些比對檢測值與一般水平或結果中集中趨勢點存在差異及差異的大小，從而為有針對性地采用措施以提高實驗室內部結果一致性指明了方向。

但其缺點是具有不唯一性，對于一組數據可能有一個眾數，也可能有兩個或多個眾數，也可能沒有眾數。如果眾數不唯一，則眾值法則無法適用。一般來說，一組數據中，出現次數最多的數就叫這組數據的眾數。但是，如果有兩個或兩個以上個數出現次數都是最多的，那么這幾個數都是這組數據的眾數（如表3）。如果比對數據組中出現了一個以上的眾數，則無法判斷哪個眾數可作為結果參考值，這將意味著也無法對比對結果進行有效評價。此外，如果所有數據出現的次數都一樣，那么這組數據沒有眾數，這種情況也無法確定結果參考值（當然，這種情況在色牢度比對試驗中出現的概率極低）。

表3 ? ?存在多個眾數的情況

3）中位值

中位值，是指在一組數據中，處于第50百分位數上的值，即有50%的觀察點落在這個值之下。即根據將一組數據由低至高排列起來，居于序列中央位置的值即為中位值。其優點是中位值的大小只取決于總體結果的排列及它們的數值，不受數據極端值的影響。對于具有偏態分布的數據，中位數的代表性要比均值好。中位值反映數值的聚集度問題，數值更偏向于哪一數值，就合理性而言，中位值比平均值更加可靠。

在測量數據偏離正態分布以及當測量數據數目較少的情況下，選用中位值作為結果參考值是一個可取的方案。

以表3的比對數據3為例，在存在多個眾數，無法確定結果參考值的情況下，采用中位值則可以明確地確定結果參考值（可得出中位值為3～4級），從而進行結果評價。

2 ? ?不同參考值的關系與適用建議

作為集中趨勢測定值的眾數、中位數、均值，三者之間存在著一定的數量關系，數量關系的體現取決于數據的分布狀態，均值、中位值和眾數的位置關系如果用橫坐標代表變量的取值，縱坐標代表相應的頻數，如曲線分布為對稱形，則三者合而為一。如曲線分布為正偏或負偏，那么算術平均值受端值影響最大，遠離眾數;而中位值受項數影響，離眾數較近。當數據呈現對稱分布或近似對稱分布時，以均值作為集中趨勢的代表值最好;當分布的偏斜程度較大時，均值容易受到極端值的影響，不能很好地反映數據集中趨勢，就有必要考慮使用中位數或眾數。當存在一個以上的眾數，則宜使用中位數。

此外，為反映實驗室內部色牢度項目檢測結果的一致性，在結果評價過程中還應考慮另一個數據——極差。極差，也稱全距或范圍，即最大值與最小值之間的距離。極差不能推知中間部分數據怎么變化，且易受極端值的影響，但它可以明確顯示數據分布的范圍，這對于評價實驗室內部檢測結果的一致性，具有重要意義。對于實驗室內部比對，其極差的允許誤差，不應采用色牢度檢測行業內默認的測量結果的最大允許誤差±0.5級，即極差的允許誤差為1級。而應限定為0.5級。否則實驗室內部色牢度檢測結果極差達到1級，則可能嚴重影響樣品檢測結果的再現性。這將給檢測機構及委托企業帶來風險。

3 ? ?結論

以上列舉了色牢度檢測比對結果評價分析中采用的幾種常規的數理統計方式，實驗室可根據比對數據的具體情況結合不同數理統計方式的特點選用最適合的數理統計方式，并提出了如使用參考值方法時應同時考慮數據的極差，以更好地體現實驗室內部比對結果的一致性，便于實驗室更好地對比對結果進行分析與評價。相信隨著科學技術日益迅猛的發展需求，數理統計也將不斷發展并日趨完善，從而為實驗室數據處理的實際應用提供更好的方法。

參考文獻：

[1]CNAS-GL02：2006能力驗證結果的統計處理和能力評價指南[S].

[2] GB/T 4883—2008 ?數據的統計處理和解釋 正態樣本離群值的判斷和處理[S].

[3]陳建樺.用數理統計的方法對檢測中出現可疑數據的處理[J].家電科技，2008，（1） ：61-63.

（作者單位：上海市質量監督檢驗技術研究院纖維檢驗所）

表3 ? ?存在多個眾數的情況

3）中位值

中位值，是指在一組數據中，處于第50百分位數上的值，即有50%的觀察點落在這個值之下。即根據將一組數據由低至高排列起來，居于序列中央位置的值即為中位值。其優點是中位值的大小只取決于總體結果的排列及它們的數值，不受數據極端值的影響。對于具有偏態分布的數據，中位數的代表性要比均值好。中位值反映數值的聚集度問題，數值更偏向于哪一數值，就合理性而言，中位值比平均值更加可靠。

在測量數據偏離正態分布以及當測量數據數目較少的情況下，選用中位值作為結果參考值是一個可取的方案。

以表3的比對數據3為例，在存在多個眾數，無法確定結果參考值的情況下，采用中位值則可以明確地確定結果參考值（可得出中位值為3～4級），從而進行結果評價。

2 ? ?不同參考值的關系與適用建議

作為集中趨勢測定值的眾數、中位數、均值，三者之間存在著一定的數量關系，數量關系的體現取決于數據的分布狀態，均值、中位值和眾數的位置關系如果用橫坐標代表變量的取值，縱坐標代表相應的頻數，如曲線分布為對稱形，則三者合而為一。如曲線分布為正偏或負偏，那么算術平均值受端值影響最大，遠離眾數;而中位值受項數影響，離眾數較近。當數據呈現對稱分布或近似對稱分布時，以均值作為集中趨勢的代表值最好;當分布的偏斜程度較大時，均值容易受到極端值的影響，不能很好地反映數據集中趨勢，就有必要考慮使用中位數或眾數。當存在一個以上的眾數，則宜使用中位數。

此外，為反映實驗室內部色牢度項目檢測結果的一致性，在結果評價過程中還應考慮另一個數據——極差。極差，也稱全距或范圍，即最大值與最小值之間的距離。極差不能推知中間部分數據怎么變化，且易受極端值的影響，但它可以明確顯示數據分布的范圍，這對于評價實驗室內部檢測結果的一致性，具有重要意義。對于實驗室內部比對，其極差的允許誤差，不應采用色牢度檢測行業內默認的測量結果的最大允許誤差±0.5級，即極差的允許誤差為1級。而應限定為0.5級。否則實驗室內部色牢度檢測結果極差達到1級，則可能嚴重影響樣品檢測結果的再現性。這將給檢測機構及委托企業帶來風險。

3 ? ?結論

以上列舉了色牢度檢測比對結果評價分析中采用的幾種常規的數理統計方式，實驗室可根據比對數據的具體情況結合不同數理統計方式的特點選用最適合的數理統計方式，并提出了如使用參考值方法時應同時考慮數據的極差，以更好地體現實驗室內部比對結果的一致性，便于實驗室更好地對比對結果進行分析與評價。相信隨著科學技術日益迅猛的發展需求，數理統計也將不斷發展并日趨完善，從而為實驗室數據處理的實際應用提供更好的方法。

參考文獻：

[1]CNAS-GL02：2006能力驗證結果的統計處理和能力評價指南[S].

[2] GB/T 4883—2008 ?數據的統計處理和解釋 正態樣本離群值的判斷和處理[S].

[3]陳建樺.用數理統計的方法對檢測中出現可疑數據的處理[J].家電科技，2008，（1） ：61-63.

（作者單位：上海市質量監督檢驗技術研究院纖維檢驗所）

表3 ? ?存在多個眾數的情況

3）中位值

中位值，是指在一組數據中，處于第50百分位數上的值，即有50%的觀察點落在這個值之下。即根據將一組數據由低至高排列起來，居于序列中央位置的值即為中位值。其優點是中位值的大小只取決于總體結果的排列及它們的數值，不受數據極端值的影響。對于具有偏態分布的數據，中位數的代表性要比均值好。中位值反映數值的聚集度問題，數值更偏向于哪一數值，就合理性而言，中位值比平均值更加可靠。

在測量數據偏離正態分布以及當測量數據數目較少的情況下，選用中位值作為結果參考值是一個可取的方案。

以表3的比對數據3為例，在存在多個眾數，無法確定結果參考值的情況下，采用中位值則可以明確地確定結果參考值（可得出中位值為3～4級），從而進行結果評價。

2 ? ?不同參考值的關系與適用建議

作為集中趨勢測定值的眾數、中位數、均值，三者之間存在著一定的數量關系，數量關系的體現取決于數據的分布狀態，均值、中位值和眾數的位置關系如果用橫坐標代表變量的取值，縱坐標代表相應的頻數，如曲線分布為對稱形，則三者合而為一。如曲線分布為正偏或負偏，那么算術平均值受端值影響最大，遠離眾數;而中位值受項數影響，離眾數較近。當數據呈現對稱分布或近似對稱分布時，以均值作為集中趨勢的代表值最好;當分布的偏斜程度較大時，均值容易受到極端值的影響，不能很好地反映數據集中趨勢，就有必要考慮使用中位數或眾數。當存在一個以上的眾數，則宜使用中位數。

此外，為反映實驗室內部色牢度項目檢測結果的一致性，在結果評價過程中還應考慮另一個數據——極差。極差，也稱全距或范圍，即最大值與最小值之間的距離。極差不能推知中間部分數據怎么變化，且易受極端值的影響，但它可以明確顯示數據分布的范圍，這對于評價實驗室內部檢測結果的一致性，具有重要意義。對于實驗室內部比對，其極差的允許誤差，不應采用色牢度檢測行業內默認的測量結果的最大允許誤差±0.5級，即極差的允許誤差為1級。而應限定為0.5級。否則實驗室內部色牢度檢測結果極差達到1級，則可能嚴重影響樣品檢測結果的再現性。這將給檢測機構及委托企業帶來風險。

3 ? ?結論

以上列舉了色牢度檢測比對結果評價分析中采用的幾種常規的數理統計方式，實驗室可根據比對數據的具體情況結合不同數理統計方式的特點選用最適合的數理統計方式，并提出了如使用參考值方法時應同時考慮數據的極差，以更好地體現實驗室內部比對結果的一致性，便于實驗室更好地對比對結果進行分析與評價。相信隨著科學技術日益迅猛的發展需求，數理統計也將不斷發展并日趨完善，從而為實驗室數據處理的實際應用提供更好的方法。

參考文獻：

[1]CNAS-GL02：2006能力驗證結果的統計處理和能力評價指南[S].

[2] GB/T 4883—2008 ?數據的統計處理和解釋 正態樣本離群值的判斷和處理[S].

[3]陳建樺.用數理統計的方法對檢測中出現可疑數據的處理[J].家電科技，2008，（1） ：61-63.

（作者單位：上海市質量監督檢驗技術研究院纖維檢驗所）