TA的首页校准曲线线性度怎么算？一文读懂 ISO 8466-1 与 ICH Q2 的判定逻辑
校准曲线线性度怎么算？一文读懂 ISO 8466-1 与 ICH Q2 的判定逻辑
在化学分析、药物检测或环境监测中，校准曲线（calibration curve）的线性度直接决定了定量结果的可靠性。然而，很多实验室只用相关系数 r 或决定系数 R² 来判断“线性好不好”，这其实是一个常见误区。本文以 ISO 8466-1（水质分析校准与评价） 和 ICH Q2（分析方法验证） 为依据，讲清楚校准曲线线性度的定义、计算步骤与判定方法，并附一个可复算的演示算例。
一、校准曲线线性度是什么？
校准曲线线性度（linearity）是指在给定范围内，测量信号（响应值）与分析物浓度（或含量）成比例关系的程度。它并非一个“是/否”的二元属性，而是一个可量化的偏离程度。
依据 ISO 8466-1，线性评价的核心不是看相关系数是否接近 1，而是看残差是否随机分布以及响应因子是否恒定。ICH Q2（分析方法验证指南）同样强调：线性应通过目视检查散点图并结合统计计算（如回归残差、响应因子）来证明，而不是仅报告一个 R² 值。
二、怎么做：线性度评价的标准步骤（ISO 8466-1）
1. 基础假设
2. 数据采集要求
3. 计算回归参数
对 n 个数据点 (xᵢ, yᵢ)，最小二乘回归得到：
4. 线性判定指标（ISO 8466-1 核心）
指标一：残差图检查
将残差 eᵢ 对 xᵢ 作图。若残差在零线附近随机分布，无“喇叭形”或“弯曲”趋势，则初步支持线性假设。
指标二：响应因子（response factor, RF）
RFᵢ = yᵢ / xᵢ。若各浓度点的 RF 值相对标准偏差（RSD）≤ 5%（示例阈值，具体按方法要求），则认为线性良好。若 RF 随浓度呈系统性上升或下降，提示存在非线性。
指标三：失拟检验（lack-of-fit, LOF）
当每个浓度有重复测量时，可计算纯误差（pure error）与失拟误差（lack-of-fit error）：
将 F 值与临界值 F(α, df_LOF, dfₚₑ) 比较（α=0.05）。若 F < 临界值，则无显著失拟，线性成立。
三、一个演示算例（示例数据，仅供演示）
示例数据（仅供演示）：某分光光度法测定标准溶液，浓度 x（mg/L）与吸光度 y 如下，每个浓度重复 2 次：
步骤 1：回归计算
对 10 个数据点进行最小二乘回归，得到：
步骤 2：残差图检查
计算各点残差：最大残差绝对值约为 0.008，残差在零线上下随机分布，无明显弯曲。
步骤 3：响应因子 RF
取各浓度平均响应计算 RF：
RF 的 RSD = 0.5%（示例数据），远小于 5% 阈值，线性良好。
步骤 4：失拟检验（LOF）
查 F 分布表，F(0.05, 3, 5) ≈ 5.41（公开公认值）。因 2.5 < 5.41，无显著失拟，线性成立。
结论（示例数据）：该校准曲线在 0–4 mg/L 范围内线性良好。
四、常见误区（避坑指南）
1. 只看 R² > 0.99 就判定线性
R² 对轻微弯曲不敏感，且高 R² 可能掩盖系统偏差。ISO 8466-1 更强调残差与失拟检验。
2. 忽略截距的显著性
若截距 a 显著偏离 0（如 t 检验 p < 0.05），说明存在系统空白或基质干扰，即使线性良好也可能影响低浓度定量。
3. 将“线性范围”与“工作范围”混为一谈
线性范围是响应与浓度成比例的范围；工作范围可能包含非线性区段，需用非线性拟合（如二次）处理。
4. 重复测量次数不足
失拟检验需要每个浓度至少 2–3 次重复，否则无法区分“纯误差”与“失拟误差”。
五、结语与在线工具推荐
校准曲线线性度评价并非“画一条线看 R²”那么简单。依据 ISO 8466-1 与 ICH Q2，标准做法应包含残差分析、响应因子稳定性以及失拟检验。手工计算虽可行，但繁琐且易错。
推荐使用在线工具：校准曲线线性度计算器
? 6SQ 在线工具
该工具内置最小二乘回归、残差计算、响应因子 RSD 与失拟 F 检验，输入数据即可自动给出判定结果，帮助您快速完成方法验证或日常质控中的线性评价。
在化学分析、药物检测或环境监测中，校准曲线（calibration curve）的线性度直接决定了定量结果的可靠性。然而，很多实验室只用相关系数 r 或决定系数 R² 来判断“线性好不好”，这其实是一个常见误区。本文以 ISO 8466-1（水质分析校准与评价） 和 ICH Q2（分析方法验证） 为依据，讲清楚校准曲线线性度的定义、计算步骤与判定方法，并附一个可复算的演示算例。
一、校准曲线线性度是什么？
校准曲线线性度（linearity）是指在给定范围内，测量信号（响应值）与分析物浓度（或含量）成比例关系的程度。它并非一个“是/否”的二元属性，而是一个可量化的偏离程度。
依据 ISO 8466-1，线性评价的核心不是看相关系数是否接近 1，而是看残差是否随机分布以及响应因子是否恒定。ICH Q2（分析方法验证指南）同样强调：线性应通过目视检查散点图并结合统计计算（如回归残差、响应因子）来证明，而不是仅报告一个 R² 值。
二、怎么做：线性度评价的标准步骤（ISO 8466-1）
1. 基础假设
- 自变量 x：标准溶液浓度（已知且无误差或误差远小于 y）；
- 因变量 y：仪器响应值（如吸光度、峰面积）；
- 回归模型：一元线性回归 y = a + bx。
2. 数据采集要求
- 至少 5 个不同浓度水平（ICH Q2 建议 5 个浓度，每个浓度至少 3 次重复）；
- 浓度范围应覆盖预期样品浓度的 80%–120%（或按方法规定）。
3. 计算回归参数
对 n 个数据点 (xᵢ, yᵢ)，最小二乘回归得到：
- 斜率 b = Σ[(xᵢ - x̄)(yᵢ - ȳ)] / Σ[(xᵢ - x̄)²]
- 截距 a = ȳ - b·x̄
- 残差 eᵢ = yᵢ - (a + b·xᵢ)
4. 线性判定指标（ISO 8466-1 核心）
指标一：残差图检查
将残差 eᵢ 对 xᵢ 作图。若残差在零线附近随机分布，无“喇叭形”或“弯曲”趋势，则初步支持线性假设。
指标二：响应因子（response factor, RF）
RFᵢ = yᵢ / xᵢ。若各浓度点的 RF 值相对标准偏差（RSD）≤ 5%（示例阈值，具体按方法要求），则认为线性良好。若 RF 随浓度呈系统性上升或下降，提示存在非线性。
指标三：失拟检验（lack-of-fit, LOF）
当每个浓度有重复测量时，可计算纯误差（pure error）与失拟误差（lack-of-fit error）：
- 纯误差平方和 SSₚₑ = ΣᵢΣⱼ (yᵢⱼ - ȳᵢ)²，自由度 dfₚₑ = n - k（k 为浓度水平数）
- 失拟平方和 SS_LOF = Σᵢ nᵢ(ȳᵢ - ŷᵢ)²，自由度 df_LOF = k - 2
- 计算 F 值：F = (SS_LOF / df_LOF) / (SSₚₑ / dfₚₑ)
将 F 值与临界值 F(α, df_LOF, dfₚₑ) 比较（α=0.05）。若 F < 临界值，则无显著失拟，线性成立。
三、一个演示算例（示例数据，仅供演示）
示例数据（仅供演示）：某分光光度法测定标准溶液，浓度 x（mg/L）与吸光度 y 如下，每个浓度重复 2 次：
| 浓度 x (mg/L) | 吸光度 y₁ | 吸光度 y₂ |
| 0.0 | 0.002 | 0.001 |
| 1.0 | 0.210 | 0.214 |
| 2.0 | 0.422 | 0.418 |
| 3.0 | 0.635 | 0.631 |
| 4.0 | 0.849 | 0.845 |
步骤 1：回归计算
对 10 个数据点进行最小二乘回归，得到：
- 斜率 b ≈ 0.2115 (mg/L)⁻¹
- 截距 a ≈ 0.0025
- 回归方程：y = 0.0025 + 0.2115x
步骤 2：残差图检查
计算各点残差：最大残差绝对值约为 0.008，残差在零线上下随机分布，无明显弯曲。
步骤 3：响应因子 RF
取各浓度平均响应计算 RF：
| x (mg/L) | 平均 y | RF = y/x |
| 1.0 | 0.212 | 0.212 |
| 2.0 | 0.420 | 0.210 |
| 3.0 | 0.633 | 0.211 |
| 4.0 | 0.847 | 0.212 |
RF 的 RSD = 0.5%（示例数据），远小于 5% 阈值，线性良好。
步骤 4：失拟检验（LOF）
- 纯误差平方和 SSₚₑ = Σ(yᵢⱼ - ȳᵢ)² = 0.00008，dfₚₑ = 10 - 5 = 5
- 失拟平方和 SS_LOF = Σ nᵢ(ȳᵢ - ŷᵢ)² = 0.00012，df_LOF = 5 - 2 = 3
- F = (0.00012/3) / (0.00008/5) = 0.00004 / 0.000016 = 2.5
查 F 分布表，F(0.05, 3, 5) ≈ 5.41（公开公认值）。因 2.5 < 5.41，无显著失拟，线性成立。
结论（示例数据）：该校准曲线在 0–4 mg/L 范围内线性良好。
四、常见误区（避坑指南）
1. 只看 R² > 0.99 就判定线性
R² 对轻微弯曲不敏感，且高 R² 可能掩盖系统偏差。ISO 8466-1 更强调残差与失拟检验。
2. 忽略截距的显著性
若截距 a 显著偏离 0（如 t 检验 p < 0.05），说明存在系统空白或基质干扰，即使线性良好也可能影响低浓度定量。
3. 将“线性范围”与“工作范围”混为一谈
线性范围是响应与浓度成比例的范围；工作范围可能包含非线性区段，需用非线性拟合（如二次）处理。
4. 重复测量次数不足
失拟检验需要每个浓度至少 2–3 次重复，否则无法区分“纯误差”与“失拟误差”。
五、结语与在线工具推荐
校准曲线线性度评价并非“画一条线看 R²”那么简单。依据 ISO 8466-1 与 ICH Q2，标准做法应包含残差分析、响应因子稳定性以及失拟检验。手工计算虽可行，但繁琐且易错。
推荐使用在线工具：校准曲线线性度计算器
? 6SQ 在线工具
下图是 6SQ 在线工具一键生成的结果效果：
该工具内置最小二乘回归、残差计算、响应因子 RSD 与失拟 F 检验，输入数据即可自动给出判定结果，帮助您快速完成方法验证或日常质控中的线性评价。
