每个标准点至少重复2次，这个重复是指从稀释开始。
标准曲线的截距检验和斜率检验分别考察 Y=a+bX中a和b与0的统计学差异，a与0有差 别说明有试剂空白或系统误差，而b若与0没差 别说明仪器的灵敏度根本达不到分析要求。日 常工作中我们通常用相关系数来作为标准曲线 好坏的标准，这点有一定道理，但并不全面。
每个标准点至少重复2次，这个重复010《基于标准样 品的线性校准》中关于失拟检验的问题，这 里的失拟检验是要看曲线拟合后剩下残差与 实验数据本身随机误差（变异）之间的差别， 同样采用F检验，此时失拟检验P应该>0.05， 也就是说残差应该跟实验测定中的随机误差 （变异）没有差别，你要看每次测定的随机 误差（变异）就必须多次测定同一浓度，因 此失拟检验要求每个浓度点至少重复2次。
标准曲线需要减掉试剂空白来 做吗？
先从原理上讲：判断两条或多条 标准曲线的差异，须检验残差， 截距和斜率三项，分别有不同的 统计学参数，残差用F检验，截 距和斜率采用较为复杂的统计量。
从实际操作讲：多用协方差分析检验截距和斜率的差异，以 SPSS为例：
一．先重新整理数据,将y2数据列加到y1下面,变成一个变量y;将x2数据列加到x1下面,变成一个变量x; 然后再设定一个新的分组变量group,原来第1组值为1,第2组值为2。 二．
决定系数是相关系数的平方，就是我们经常在 仪器软件中看到的R2或Fit，它提示的是我建立 的回归方程所解释X对Y变化占Y变量的比值， 比如决定系数是0.99也就是说我这个回归方程 可以解释Y变化的99%，剩下的1%就是残差。 前面提到的精密度（线性检验）就是用这两部 分的变化做F检验，由于统计检验的临界值比 较大，通常0.90以上的相关系数都会通过这个 F检验，当然还与实验点数（自由度）有关。
三．进行协方差分析(第一步分析斜率是否无差异).Analyze->GeneralLinear Model->Univariate Dependent List:填入y—将y做为因变量 Fixed Fact 四．
从实际操作讲：多用协方差分析检验截距和斜率的差异，以 SPSS为例：
一．再来进行截距的无差异分析其实过程跟上面一样,只是Model里去掉了x*group交叉项.Analyze>GeneralLinear Model->Univariate Dependent List:填入y—将y做为因变量 Fixed Factor: 填入group Covaraites:填入x—将x做为协变量 Model:选Custom Model:填入 x group—注意如 果变量填入顺序不一样,结果也会不一样. Sum of squares下拉列表框:选TypeI 点击ok后,看group 一行的Sig.P值,若P值大于0.05说明两条回归直线截距也无差异,若小于0.05说明截距是有差异的。 4.6 标准系列的标准溶液体积取用中有效数字该如何写呢？ 标准溶液体积取用的有效数字跟你采用的 体积量具有直接关系。比如说量取或准确量取等字眼，10mL和10.0mL提示你要采用不同的量具。
内容提要
标准系列和待测物质一定要有相同和一致的基体，因为样品基体可能会干扰仪器的响应， 从这个意义上讲，样品的前处理实际就是提供标准和样品同样的基体环境，尽量祛除干扰 基体。所以最好的标准系列应该是样品基体匹配的标准系列。而方法建立过程中首先要考 虑的当然是基体干扰的问题，推荐用标准加入曲线和 Youden曲线分别考察样品基体所带 来的乘积性干扰和加和性干扰。标准加入曲线就是在样品中加入一系列标准，然后考察该 标准加入曲线和标准曲线斜率的统计学差异，若有差异需考虑用标准加入法定量；而 Youden曲线就是对样品做一系列稀释，然后用稀释倍数如 1/10,1/5,1/2,1对仪器响应 做 曲 线 ， 考 察 该 Yo u d e n 曲 线 的 截 距 与 0 的 差 别 ， 若 有 差 别 则 提 示 有 加 和 性 干 扰 ， 此 时 测 定 值要减去该截距才是真实值。只有解决了标准曲线与样品基体的匹配问题，我们的定量才 可靠。内标法和替代物的使用则是为了解决仪器和前处理的影响问题。
标准曲线需 要减掉试剂 空白来做吗？
如果Y=a+bX 和Y=a+bX+cX2都满足拟合检验和失拟检验合格，则采用 Y=a+bX形式，这样符合统计学上参数最少的统计简洁性原则。 4.4 标准 曲线去查含量时是先减空白信号算样品含量还是先算出空白含量相减呢？ 工作中我们常要减掉空白得到样品含量，现有国家标准方法有的推荐先算 出空白含量，用样品含量相减，也有推荐先用样品信号减空白信号然后去 标准曲线推算含量。而且这两种算法常常差距很大。其实这种差距往往是 低含量水平时才出现，在低含量水平通过标准曲线推算含量时，本身不确 定度就很大。这两种方法都可以。个人推荐先用样品信号减空白信号然后 去标准曲线推算含量，因为这样出来的含量不确定度要小一些，而先算出 空白含量再相减就增加了1次标准曲线推算含量时的不确定度，因为好的 测量永远是不确定度小的测量。 4.5 如何做两条标准曲线的检验呢？ 1.
标准曲线需要人为的增加（0,0） 点吗？
不能。通常的标准系列多是配制0,1,2,3mg/L系 列这样的说法，没做实验人为添加（0,0）很不妥， 因为很多时候0管进入仪器可能也有响应值，这也 是我们考察试剂空白的一个重要步骤。这个0管在 某些时候非常重要，比如全血铅测定，我们采用 牛血清来基体匹配标准系列，如果此时你用酸做 空白或没做实验人为添加（0,0），那你就很难做 好标准曲线。所以标准曲线的0管也是做好标准曲 线的重要考虑点。
02
标准曲线的浓度范围应覆盖正常操作条件下的被测量范围；
标准曲线的浓度范围应覆盖正常操作条件下的 被测量范围；
03
标准样品的组分尽量与被测样品组分一致；
标准样品的组分尽量与被测样品组分 一致；
04
标准样品的浓度值应等距离的分布在被测量范围；
标准样品的浓度值应等距离的分布在被测量范 围；
05
标准曲线的本质 分析检测中的标准曲线是指一系列已知含量（浓度/量）的物质与仪器响应/信号之间的关系，数学处理就是曲线方程，图形表示就 是标准曲线。标准曲线的目的是可以根据标准曲线查出待测物质的含量。当我们得到一系列已知含量的物质的响应后，就会去建 立函数关系，数学上称曲线拟合，由于直线最为简单，所以常常用直线方程加以拟合，当然会用到多项式拟合等其他方式。 标准曲线的核心问题要解决： 能找到确切浓度的标准物质或标准品。
除此之外，最后我们还要看看这些残差的分 布是否是正态的，因为正态才符合随机误差 的特性。综上所述，标准曲线的检验应该是 线性检验结合失拟检验，以及残差的正态性 检验结合才是统计学上比较完备的。
每个标准点至少重复2次，这个重复是指从稀释开始。
通常我们采用的相关系数0.99以上的说法缺乏统计完备性。 正如大家经常看到的改变拟合的参数个数，如二次方程明显 能提高相关系数，但是我们经常没有勇气去用二次曲线方程， 因为你没有统计学上完备的支撑。如果你发现标准曲线在低 浓度和高浓度点的变异程度不同（非等方差），此时你应该 考虑权重最小二乘(WLS)。
标准曲线使用中的问题
标准曲线需要人为的增加（0,0）点吗？
标准曲线需要减掉试剂空白来做吗？
每个标准点至少重复2次，这个重复是指从稀释开始。
标准曲线需要人为的增加（0,0）点吗？
不能。通常的标准系列多是配制0,1,2,3mg/L系列这样的说法，没做实验人为添 加（0,0）很不妥，因为很多时候0管进入仪器可能也有响应值，这也是我们考 察试剂空白的一个重要步骤。这个0管在某些时候非常重要，比如全血铅测定， 我们采用牛血清来基体匹配标准系列，如果此时你用酸做空白或没做实验人为添 加（0,0），那你就很难做好标准曲线。所以标准曲线的0管也是做好标准曲线 的重要考虑点。
每个标准点至少重复2次，这个重复是指从稀释开始。
标准曲线需要减掉试剂空白来做吗？
如果Y=a+bX 和Y=a+bX+cX2都满足拟合检验和失拟检验合格，则采用Y=a+bX形式，这样符合统计 学上参数最少的统计简洁性原则。 4.4 标准曲线去查含量时是先减空白信号算样品含量还是先算出空白 含量相减呢？ 工作中我们常要减掉空白得到样品含量，现有国家标准方法有的推荐先算出空白含量，用 样品含量相减，也有推荐先用样品信号减空白信号然后去标准曲线推算含量。而且这两种算法常常差距 很大。其实这种差距往往是低含量水平时才出现，在低含量水平通过标准曲线推算含量时，本身不确定 度就很大。这两种方法都可以。个人推荐先用样品信号减空白信号然后去标准曲线推算含量，因为这样 出来的含量不确定度要小一些，而先算出空白含量再相减就增加了1次标准曲线推算含量时的不确定度， 因为好的测量永远是不确定度小的测量。 4.5 如何做两条标准曲线的检验呢？ 1.
每个标准点至少重复2次，这个重复是指从稀释开始。
标准曲线需要减掉试剂空白来做吗？
先从原理上讲：判断两条或多条标准曲线的差异，须检验残差，截距和斜率三项， 分别有不同的统计学参数，残差用F检验，截距和斜率采用较为复杂的统计量。
每个标准点至少重复2次，这个重复是指从稀释开始。
标准曲线需要减掉试剂空白来做吗？
从实际操作讲：多用协方差分析检验截距和斜率的差异，以SPSS为例：
标准曲线需 要减掉试剂 空白来做吗？
不需要。仪器测出来标准系列的响应值可以减掉试剂空白或减掉0管的响 应值来做，工作中我们也常用0管来做仪器调零。其实没有必要那么麻烦， 即使空白或0管有响应值，在构建标准曲线时，我们已经认为该响应值就 是0浓度，也就是扣除了这个空白的。 4.3 什么时候用Y=bX和二次曲线 呢？ 标准曲线我们通常采用的是Y=a+bX，曲线拟合完必须要做统计检验， 且要做统计完备的线性检验和失拟检验，然后再做a与0的差别检验，如果 a与0的统计学上无差异，你就可以考虑用Y=bX的拟合曲线，拟合出来后 同样做线性检验和失拟检验，如果线性检验合格（P<0.05）且失拟检验 合格（p>0.05）此时你就可以采用Y=bX。二次曲线的采用同样是这样的 道理，如果你Y=a+bX时拟合不合格，你就考虑用Y=a+bX+cX2，同样 做失拟检验，考察拟合的符合情况。