Passing＆Bablok（1983）提出了一种适用于方法比较研究的非参数回归分析的统计方法。该过程是对称的，并且在存在一个或几个离群值的情况下具有鲁棒性。但是，它的主要优点可能是（或者更确切地说-似乎）易于解释，这可以解释其在方法比较研究中的广泛使用。

简而言之，Passing-Bablok过程使用非参数方法拟合线性方程y = a + b x的参数a 和b。系数b通过取任意两点之间的直线的所有斜率的中值来计算，其中b = 0或b = ∞的线除外。该参数 一个由下式计算一{Y =中位数_我– b X_我 }。对于a和b计算出95％的置信区间（CI）。仅当x和y之间存在线性关系时，Passing-Bablok程序才有效，可以通过cusum检验对其进行评估（Passing＆Bablok，1983）。

然后将结果解释如下。如果0是在的CI一个，并且1是的CI b，这两种方法是所研究的浓度范围内具有可比性。Passing＆Bablok（1983）提出了一个更强的说法：“如果我们同时接受b = 1和a = 0，我们可以推断y * = x *，或者换句话说，这两种方法是相同的”。如果0不在a的CI中 ，则存在系统差异；如果1不在b的CI中， 则两种方法之间存在比例差异。

方程y = a + b x定义了回归线，但并非所有观察值都位于该线上。实际上，观察不是由等式y = a + b x定义的，而是由y = a + b x + e定义的，其中e（残差）是观测到的y值与回归方程预测的值之差对应的x值。Passing＆Bablok（1983）建议将残差计算为与拟合线的正交距离。这仅仅是上述残差的线性变换。

残差代表校正系统和比例差异后的剩余变化。

由于该过程假定为线性关系，因此残差应显示为随机模式，并且应接近于正态分布。因此，95％的残差应位于残差标准偏差的±1.96倍的区间内。然后，该间隔定义了两种实验室方法之间的随机差异。

当截距接近于0且斜率接近于1时，残差图与偏差图具有明显的对应关系（Bland＆Altman 1986； Krouwer 2008），其解释也可以相似。

Passing-Bablok回归残差图。数据来自Bland＆Altman（1986）。残留标准偏差= 22.46。

偏差图以协议界线为限。为了与上面的残差图进行比较，针对方法1绘制了差异。

偏差图显示了两种方法之间可以预期的差异，但是哪些差异是可以接受的？

Jensen＆Kjelgaard-Hansen（2010）提供了两种方法来定义两种方法之间的可接受差异。在第一方法中，计算这两种方法的组合的固有的不精确性（CV ²_方法1 + CV ²_方法2）^1/2，或者以一式两份测量的情况下[（CV ²_方法1 /2）+（CV ²_方法2）/ 2）] ^1/2。在第二种方法中，接受极限基于分析质量规范，例如临床实验室改进修正案（CLIA）报告的质量标准。第三种方法可能是根据临床要求确定接受限度。如果观察到的随机差异太小而无法影响诊断和治疗，则这些差异可能是可以接受的，并且可以认为两种实验室方法是一致的。

关于样本大小，显而易见的是，当样本大小变小时，CI变大（变宽），并且在截距的CI中出现0，在斜率的CI中出现1的可能性增加。结果是，基于小样本量的方法比较研究倾向于得出实验室方法一致的结论。因此，Passing-Bablok回归的样本量应该不小。Ludbrook（2010）的样本量至少为50。Passing＆Bablok（1984）给出了适当样本量的更详细估计。

我们得出结论，Passing＆Bablok（1983）“如果我们同时接受b = 1和a = 0，则可以推断y * = x *，或者换句话说，这两种方法是相同的”的说法是错误的，并且两者当残差的置信区间较大时，实验室方法不一致。

我们建议，用于方法比较研究的Passing-Bablok回归分析不应仅限于以95％CI估计截距和斜率。截距是系统差异的度量，斜率是比例差异的度量，残差表示随机差异，应将其包括在统计分析和方法比较报告中。