認可改善能力

「認可的 QIP」

首先要確保變異不僅僅是穩定係統的變異而已。
一個穩定的流程可以連續六點的『趨勢』還視為正常變異範圍內，而並不證明措施的影響。利用「非隨機影響」的標準（概率規則）證明期望改善的流程已有不穩定的跡象來支持其改變是因為你的措施才促成的。取得此證明才接著此網頁的方法。

[證明有「非隨機影響」的標準（概率規則）]

可靠的持續改善被認可為有效過程 (legitimate quality improvement process, QIP)。該假設認為此類過程就會以恆定速率的減少缺陷。因此，當在半對數紙上隨時間註記時，會成一直線，使其易於推斷未來的結果。

1. 繪製資料點並加入趨勢線，檢視是否看起來像有改善。
2. 計算最小平方回歸線，呈現出算式及 R² 值。
3. 判斷是否品質改善程序保持持續改善。
4. 如果為持續改善，把此品質改善作業流程視為「認可」的，接下來計算其改善半衰期。

R² 之解讀

R² 值是由最小平方回歸式中所求得的，R² 是判斷 QIP> 的行動方案與其所促成的改變的關係的強度。這個值接近1，表示有高的統計信心水準；這個值接近0，意味著觀察到的數據幾乎無法解釋這個改變。R² 的高低應取決於領域。在醫學研究領域，除非R² ≥ 0.99，否則是不被接受的；在行為或行銷研究，R² 在0.15 或0.2 就已經滿意了。在 Schneiderman 的文章中，R² 的平均值為 0.77。

實例

   2012-Q1   6.50%   
   2012-Q2   7.54%   
   2012-Q3   7.81%   
   2012-Q4   7.01%   
   2013-Q1   4.48%   
   2013-Q2   5.25%   
   2013-Q3   4.60%   
   2013-Q4   3.99%   

在我們醫院有部門監測健保刪減率。品質改善策略進行兩年的結果呈現於左方的表格(每季的刪減率)。

我們需要判斷的是：他們的作業算不算「認可的 QIP」？ 他們是否保持了持續下降的速率？

初步監測的結果顯示，儘管初期結果似乎惡化，但總體趨勢似乎是向下的。使用左側的步驟，其結果顯示於右圖：藍線連接的資料點是趨勢線，粗紅色的直線是由最小平方法求得的回歸線，導出方程式為負斜率（ -0.0051x），顯示下降趨勢，而 R² 值（0.6839）證實了行動和結果之間可接受的相關性。

該方案符合「認可的 QIP」條件，接下來我們可計算其改進半衰期來預測未來的結果。

I-型圖，T-型圖，G-型圖使用指數回歸
由於個別測量管制圖所使用的時間間隔為指數分佈，所用的回歸公式是指數回歸方程式 e^ax+b。在對數刻度軸，這成為直線，因此可用於估計如上述的改善半衰期。

[I-型、T-型、G-型管制圖]