为什么一般的实验室比对，不能用Z比分值评价结果
1 案例
一个实验室策划了实验比对，同一个样品，每个实验室做了一次结果，总共四个结果，用四个实验室的结果的平均值作为“公议值”，四个实验结果用贝塞尔公式计算标准差S作为能力评定标准差。
然后计算4个实验室的Z比分值:
|Z|≤2时，比对满意；
2< |Z|< 3 时，结果可以；
|Z| ≥3时，比对结果不满意
可以思考下这样做的问题在哪里呢？
Z比分数（Z-score）一般是用在大规模能力验证中常用，并不适用于所有的实验室比对，特别是一般性的数量很少的实验室间比对，
主要是由于以下几个关键原因：
2 对参与规模和数据量的依赖
Z比分数评价的可靠性很大程度上依赖于足够多的参与实验室数量（通常建议至少11家以上，为什么是11家，有兴趣的可以按照GB/T 28043-2019结算）。只有当实验室数量足够时，通过稳健统计法（如中位值、标准化四分位距NIQR）计算得到的“公议值”和“能力评定标准差”才具有代表性和稳定性
如果实验室数量较少（例如仅有2-3家），计算出的中位值和标准四分位距波动很大，缺乏统计代表性，此时使用Z比分数进行评价的结论可能不可靠
3 “公议值”的问题
Z比分数通常将众多实验室结果的统计量（如中位值）作为“公议值”，这本质上是一个“共识值”，并不一定代表真值，一般的能力验证中比对中已有
由权威机构提供的、带有不确定度的参考值或指定值作为公议值
参与比对的实验室数量很少的时候，比如只有3~4家实验室，使用平均值作为公议值就不那么合适，实验室数量太少，平均值会受参与实验室水平的影响大大。
4 能力评定标准差的问题
在能力验证中，Z比分值的分母是“能力评定标准差”，一般使用稳健统计A法迭代出来，使用标准偏差代替“能力评定标准差”，这个本身就有很多问题
5 实验室数量比较少的比对结果如何比对
需要结合实验室的比对目的，设计参加比对的实验室数量，每个实验室测试样品的次数，并且选择合适的样品来评价结果。
