3. Z-score的统计学基础
在能力验证中，Z-score之所以被广泛采用，核心原因在于它不依赖“全体数据服从正态分布”这一强假设，而是用一组对离群值不敏感的稳健统计量来刻画数据的中心位置与离散程度。理解这一点，是正确使用Z-score、正确解释Z-score的前提。
一、为什么能力验证偏爱稳健统计量
常规的均值与标准差对极端值非常敏感。假设某轮能力验证有12家实验室参加，某被测量结果为（单位略）：10.2、10.4、10.5、10.6、10.7、10.8、10.9、11.0、11.1、11.3、11.5、18.0。若直接计算均值，18.0这个明显偏离的值会把均值拉高，标准差也被显著放大，导致其余11家实验室的Z-score被人为“压缩”，看起来都合格，掩盖了真实差异。
稳健统计量则不同：它用中位值代替均值，用标准化四分位距（NIQR）代替标准差。中位值只取决于排序后中间位置的值，四分位距只取决于中间50%数据的分布宽度，二者都不受少数极端值支配。因此，当数据中存在离群值、分布偏斜或分布形态未知时，稳健统计量仍能稳定地反映“大多数实验室的水平”和“合理的离散程度”。这正是能力验证场景所需要的。
二、中位值：稳健的中心位置
中位值（Median）是将一组数据按从小到大排序后位于中间位置的值。若数据个数n为奇数，中位值就是第(n+1)/2个数据；若n为偶数，中位值取中间两个数据的算术平均。
以上述12个数据为例，排序后为：10.2、10.4、10.5、10.6、10.7、10.8、10.9、11.0、11.1、11.3、11.5、18.0。n=12为偶数，中间两个是第6个10.8和第7个10.9，中位值=(10.8+10.9)/2=10.85。可以看到，18.0这个极端值完全没有影响中位值，它仍然落在大多数数据的中心附近。
三、标准化四分位距（NIQR）：稳健的离散度量
四分位距IQR是第75百分位数（Q3）与第25百分位数（Q1）之差，即IQR=Q3−Q1，它覆盖了中间50%的数据。为了在量纲和数值尺度上与标准差可比，稳健统计中通常将IQR乘以一个换算系数0.7413，得到标准化四分位距NIQR：
NIQR = 0.7413 × (Q3 − Q1)系数0.7413的来源是：当数据服从正态分布时，IQR约等于1.349倍标准差，因此IQR/1.349≈0.7413×IQR，恰好近似等于标准差。这样，NIQR在正态数据下与标准差量级一致，但在非正态或含离群值时更稳健。
仍以上述12个数据为例。Q1取第25百分位位置，Q3取第75百分位位置。按常用近似方法，Q1约为10.55，Q3约为11.15，则IQR=11.15−10.55=0.60，NIQR=0.7413×0.60≈0.445。若用传统标准差计算，18.0会把标准差抬高到约2.0以上，两者差异明显。用NIQR作为分母，Z-score才能真实反映各实验室相对于“主流水平”的偏离程度。
四、Z-score的计算公式
在能力验证中，Z-score的标准定义为：
Z = (x − X) / NIQR其中：x为某实验室的检测结果；X为指定值，通常采用参加实验室结果的中位值（也可采用有证标准物质定值、专家实验室定值等）；NIQR为标准化四分位距。Z的绝对值表示该结果偏离指定值多少个“稳健标准差”。
以中位值10.85、NIQR≈0.445为例：若某实验室结果为10.6，则Z=(10.6−10.85)/0.445≈−0.56；若结果为11.5，则Z=(11.5−10.85)/0.445≈+1.46；若结果为18.0，则Z=(18.0−10.85)/0.445≈+16.1，明显属于离群。可见Z-score的符号表示偏离方向，绝对值表示偏离幅度。
五、Z-score的假设前提与常见误用
Z-score虽然稳健，但并非无条件适用。使用前应确认以下前提：
- 数据独立性：各实验室结果应相互独立，不能存在明显的数据串通、复制或同一实验室重复上报。
- 指定值可靠：X应来自稳健统计量或有证标准物质定值，不能随意用算术均值替代，否则离群值会污染指定值。
- NIQR不为零且足够稳定：若参加实验室数量过少（如少于7家），四分位数估计不稳定，NIQR可能偏小甚至为零，此时Z-score会失真，应改用其他评价方式或增加参加者数量。
- 分布形态不过度偏斜：稳健统计量对偏斜有一定容忍度，但若数据呈严重双峰或极端偏斜，中位值和NIQR可能无法代表“主流水平”，需结合直方图或核密度图判断。
- 量纲一致：计算前应统一单位，避免因单位混用导致NIQR被错误放大或缩小。
六、Z-score的判读约定
在能力验证中，通常按以下约定判读Z-score：|Z|≤2为满意结果；2<|Z|<3为有问题结果，需引起注意；|Z|≥3为不满意结果，通常要求实验室进行原因分析并采取纠正措施。这一判读规则与Z-score的稳健统计基础直接相关：在稳健统计框架下，Z的绝对值近似表示结果偏离指定值的稳健标准差倍数，因此2和3分别对应约95%和99.7%的常规波动范围。
需要强调的是，Z-score只反映“结果与指定值的偏离程度”，不直接说明偏离的原因。当Z-score超出满意范围时，实验室应结合原始记录、质控数据、仪器状态、人员操作、样品处理等环节进行排查，而不是仅凭Z值下结论。理解稳健统计量、中位值、NIQR和Z-score计算公式及其假设前提，是正确开展能力验证评价、避免误判的基础。