作为CNAS认可实验室关键技术人员，我们需要不断地通过开展检测结果的质量监控活动来确保结果的有效性，CNAS-CL01:2018《检测和校准实验室能力认可准则》第7.7.1 h）推荐了我们可以利用“物品不同特性结果之间的相关性”来监控结果的有效性，而很多实验室人员对此了解不够深入，导致没有对这个技术方案善加利用，这是比较遗憾的。

利用“物品不同特性结果之间的相关性”来监控结果的有效性实则是一种简单有效的方法，可以非常直观地发现结果异常的情况，并为实验室检测技术人员提供合理的理论依据，下面专业实验室认可咨询机构将以对某液态样品的密度检测结果与样品温度之间的关系为例进行介绍，以便实验室人员熟练掌握这种监控方案。

第一步，我们在满足检测方法要求的实验室环境下（假设为20℃±0.5℃）对样品的密度进行了10次重复测量，将其密度测量结果及测量密度时的样品温度输入Excel电子表格中如下表：

第二步，选中两行数据后插入一个散点图，步骤如下：

生成的散点图如下：

第三步，用鼠标左键点击散点图空白处后显示了右边的弹出菜单，选择菜单中图表元素，将“趋势线”选中，就会显示出如下图中的数据趋势线：

第四步，在右边弹出菜单的趋势线右边选中第二级下拉菜单，再选择“更多选项”，此时出现了右边栏，勾选右下角的“显示公式”、“显示R平方值”，此时图中就会显示出曲线的斜率和截距以及R2值，如下图：

第五步，此时我们发现R平方值为0.6171，按照统计原理，R平方值小于0.8时，两数组间的相关性较弱，说明检测结果不符合正常的物理特性趋势，也就是其中存在异常的检测结果，我们观察散点图上的数据分布后发现，右侧的0.969这个密度数据偏离趋势曲线较严重，对应的检测结果是x8，因此尝试删除此组检测结果后再观察曲线状态，结果如下图：

从上图可以看出，删除了x8这组密度和温度数值后，R平方值达到了0.921，证明剩余9组检测结果的相关性较强，可以视为结果基本正常，因此可以明确得出结论，x8这次的检测结果出现了异常，那么我们就可以对x8这组检测结果的过程进行回顾分析，找出根本原因，避免将来再次发生同类的不符合。

总结：按照这种方法可以有效和快速发现数据中的异常结果或者离群值，但“R的平方值大于0.8表明数组间的相关性较强”仅仅是统计学的观点，具体应用到方法中时，还需要根据方法本身的要求或者实验室的实践经验确定合理的相关系数水平。希望以上内容能对实验室的同行提供有益的参考。如有CNAS认可需求，欢迎联系华测实验室。