前一回，聊了如何取样对偏倚与线性进行分析、研究，在minitab中执行输入的数据，进行偏倚与线性分析之后，会输出如下的一张图

作为一个干了几个月质量的资深人士，首先第一眼扫过去的应该是图上的3条线，两条发着绿色光芒的是上、下95%置信区间，灰色的是偏倚=0的线。当偏倚=0的线条没有包含在上、下95%置信区间内，我们认为测量系统存在着偏倚。

而且，从下图的右侧绿色框框里的平均偏倚=-0.053333，p=0.040＜0.05也能说明需要拒绝原假设，承认备择假设偏倚值与0之间有显著性差异。

但是，需要注意的是参考值=4/6，p值是＞0.05的，这说明参考值=4/6时不存在偏倚，或者在统计学上偏倚值与0之间没有显著性差异；而2/8/10时存在偏倚且比较显著。

如果量具在较小的参考值上得出低测量值，在较大的参考值上得出高测量值，则表明可能存在统计学意义上比较显著的斜率，下图斜率的 p 值表明了此显著性，斜率表明存在较大的线性。这种情况下，偏倚值在一个极端是正值，在另一个极端是负值，导致无法解释整体偏倚。

因此，我们对测量的值进行偏倚修正时，需要单独对每个参考值进行修正，而不能使用平均偏倚值修正。

正如上面所说，从上图红色框框里的斜率p=0.000，则说明测量系统存在着线性关系，拟合的回归曲线与常量和斜率有关，则：

偏倚y=-0.13167x+0.73667

通过拟合的回归曲线，我们可以知道任何一个参考值的偏倚值大小，从而对量测的值进行修正。