评估基于影响的回归测试效果，需要把“回归范围缩小”和“逃逸缺陷”放在同一时间窗、同一分母口径下成对观察。范围缩小率衡量每次变更实际执行的回归用例相对全量回归减少了多少，逃逸缺陷率衡量上线后暴露的、本应被回归覆盖的缺陷占比。两项指标单独看都可能误导：范围缩小率上升而逃逸缺陷率同步上升，说明影响分析存在漏判；逃逸缺陷率下降但范围缩小率没有改善，说明测试投入的收益尚未兑现。下面给出一套可复算的定义、取数口径、计算步骤和算例。
要点总览（TL;DR）
- 评估基于影响的回归测试效果，要把回归范围缩小率与逃逸缺陷率放在同一时间窗、同一分母口径下成对观察，单看任一项都可能误判。
- 回归范围缩小率按变更逐条计算：1 − 实际执行回归用例数 ÷ 全量回归用例数，再按评估期汇总，并保留单条分布。
- 逃逸缺陷率按上线后固定观察期统计：本应被回归覆盖的线上缺陷数 ÷ 同期上线变更相关缺陷总数，判定规则需文档化。
- 范围缩小率上升而逃逸缺陷率同步上升，优先复核影响分析漏判；缩小率未改善而逃逸缺陷率下降，说明收益尚未兑现。
- 缺失执行记录与未判定缺陷应单列并说明处理方式，分母为零时表述为无样本，不写成0%。
评估目标：要回答的两个问题
基于影响的回归测试，核心动作是根据变更内容判断哪些既有功能可能受影响，只执行这部分回归用例，替代全量回归。评估要回答两个可验证的问题：第一，回归范围是否真的缩小了，缩小幅度是多少；第二，缩小之后，逃逸缺陷是否保持在可接受水平、没有明显增加。两个问题必须成对回答，因为单独的范围缩小率可以通过少测来“做高”，单独的逃逸缺陷率也可能因为回归本来就很充分而缺乏改善空间。
评估对象是变更后的既有能力验证，即针对已上线功能的回归测试，不包含新功能本身的验收测试。评估周期通常以一个迭代、一个版本或一个固定时间窗为单位，对比基线选择影响分析启用前后，或回归策略改造前后的相同长度时间段。基线期与评估期应尽量保持变更类型结构、团队构成和发布节奏相近，否则差异会混入指标变化中。
成对判断的基本逻辑可以概括为四种组合：范围缩小率提升且逃逸缺陷率未上升，说明影响分析有效；范围缩小率提升但逃逸缺陷率上升，需要复核漏判；范围缩小率未改善而逃逸缺陷率下降，收益未兑现，应检查执行环节；两项都未改善，则策略尚未产生实际效果。
指标与范围：范围缩小率与逃逸缺陷率怎么定义
两个指标都需要明确分子、分母、时间窗和单位，否则不同团队算出的数字无法比较。下表给出建议定义，团队可根据自身回归集管理方式调整分母口径，但同一份评估中口径必须固定。
| 指标 | 公式 | 分子 | 分母 | 时间窗 | 单位 |
|---|---|---|---|---|---|
| 回归范围缩小率 | 1 − 实际执行回归用例数 ÷ 全量回归用例数 | 该变更实际执行的回归用例数 | 该变更对应的全量回归用例数（影响分析前的完整回归集） | 按单个变更计算，再按评估期汇总 | 百分比 |
| 逃逸缺陷率 | 逃逸缺陷数 ÷ 同期上线变更相关缺陷总数 | 上线后暴露且本应被回归覆盖的缺陷数 | 同一时间窗内上线变更相关的缺陷总数 | 上线后固定观察期，如一个迭代或30天 | 百分比 |
纳入评估的变更类型应事先约定，例如功能修改、缺陷修复、配置调整可以纳入，纯文档变更、无代码变更通常排除。缺陷来源限定为线上环境或生产验证阶段发现的问题，测试环境内发现的不计入逃逸。排除项包括单缺陷复测和修复验证产生的执行记录，以及明确不属于回归覆盖范围的新功能缺陷、环境问题、数据问题。分母口径要在评估开始前写清楚，避免事后挑选有利算法。
数据口径与证据：从哪些记录取数
范围缩小率依赖三类记录：变更记录、影响分析结论、回归执行记录。变更记录需要包含变更编号、变更类型、关联需求或任务、上线时间；影响分析结论需要记录该变更判定的受影响模块和候选回归用例集；回归执行记录需要区分实际执行用例数与全量回归用例数，并关联到具体变更。三者通过变更编号对齐，才能逐条复算。
逃逸缺陷率依赖线上缺陷记录与回归覆盖范围的关联判定。每条线上缺陷需要标注发现时间、关联变更、所属模块，并由测试负责人判定该缺陷是否落在该变更的回归覆盖范围内。判定结论应留下简短理由，例如“该模块在影响分析中被列为受影响但未选中对应用例”。这类判定带有主观性，建议由两人独立判定或抽样复核，减少口径漂移。
定性证据主要来自漏判案例：影响分析遗漏了哪些模块、遗漏原因是什么（依赖关系未识别、配置项未纳入、历史缺陷未复盘等）。每个漏判案例记录变更编号、遗漏点、对应逃逸缺陷和后续修正动作。这些案例不进入比率计算，但用于解释指标波动的来源。
在工具承载上，ONES TestCase 支持测试用例与需求、任务关联，测试计划与迭代关联，未通过的用例可快速创建缺陷任务并在测试与研发团队间流转，缺陷可关联至迭代；同时提供质量统计报表和可自定义组装的测试报告模板。这些能力可以把变更、用例执行和缺陷记录放在同一套工作项体系中，便于按变更编号回溯取数。回归范围缩小率、逃逸缺陷率这类具体指标是否已有内置报表，需以实际版本功能为准，没有内置时可按上述口径从执行记录和缺陷记录中导出计算。
计算与评估步骤：从取数到结论
计算按变更逐条进行，再在评估期内汇总，避免先平均再汇总带来的权重失真。具体步骤如下：
- 锁定评估期与基线期，导出两个时间段内的全部变更清单，按事先约定的变更类型筛选，记录纳入和排除的变更数量。
- 对每条纳入变更，取全量回归用例数和实际执行回归用例数，计算单条缩小率；汇总时用“1 − 评估期实际执行用例总数 ÷ 全量回归用例总数”得到整体缩小率，同时保留单条分布用于观察离散程度。
- 确定逃逸缺陷观察期，导出上线后该期间内的线上缺陷，逐条判定是否属于回归覆盖范围，统计逃逸缺陷数与相关缺陷总数，计算逃逸缺陷率。
- 将评估期结果与基线期结果并列比较，同时比较变更类型结构和变更数量，确认样本可比。
- 抽取全部漏判案例做定性复核，归纳遗漏原因，形成下一轮影响分析规则的修正建议。
缺失值处理需要事先约定：执行记录缺失的变更单独列出，不默认按全量执行也不默认按零执行，可标注为“口径外”并从分母中剔除，同时报告剔除数量；未完成覆盖范围判定的缺陷同样单列，不强行归类。分母为零时，例如评估期内没有变更或没有相关缺陷，应表述为“本期无样本”，不写成0%，避免被误读为表现优异或表现极差。
例子：一个迭代周期的完整算例
以下为演示情景，数值仅用于说明计算过程，不代表真实项目数据或达标线。假设某迭代纳入评估的变更共20条，全量回归用例合计2000条，影响分析后实际执行回归用例合计1200条。同期上线变更相关缺陷共40条，经判定其中6条属于本应被回归覆盖的逃逸缺陷。
| 项目 | 数值 | 计算 |
|---|---|---|
| 纳入变更数 | 20条 | — |
| 全量回归用例数 | 2000条 | — |
| 实际执行回归用例数 | 1200条 | — |
| 回归范围缩小率 | 40% | 1 − 1200 ÷ 2000 |
| 相关缺陷总数 | 40条 | — |
| 逃逸缺陷数 | 6条 | — |
| 逃逸缺陷率 | 15% | 6 ÷ 40 |
若基线期同口径下缩小率为10%、逃逸缺陷率为14%，则本期缩小率提升30个百分点，逃逸缺陷率上升1个百分点。成对解读为：范围缩小明显，逃逸缺陷率小幅上升，需要复核6条逃逸缺陷对应的变更是否存在影响分析漏判；若复核发现多数漏判集中在配置类变更，则修正方向是补充配置项的影响识别规则，而非直接放弃范围缩小策略。若基线期逃逸缺陷率为15%而本期为15%，缩小率提升则说明在同等逃逸水平下减少了回归执行量，收益成立。
解读与限制：指标不能保证什么
范围缩小不等于风险降低。缩小率只反映执行用例数量的减少，不反映剩余用例的覆盖质量；如果影响分析选中的用例集中在低风险模块，缩小率再高也不能说明回归有效。逃逸缺陷率受判定口径影响较大，同一批缺陷在不同判定标准下可能得出不同结果，因此判定规则要文档化并在评估期内保持一致。
样本量小和变更类型差异会破坏可比性。一个迭代只有几条变更时，单条漏判就能让逃逸缺陷率大幅波动；以缺陷修复为主的迭代与以功能改造为主的迭代，回归风险和逃逸概率本身不同，直接比较两个时期的比率容易得出错误结论。建议在报告中同时给出变更数量、缺陷数量和类型分布，样本过小时只做描述性说明。
指标反映的是相关关系，不能直接证明影响分析带来了逃逸缺陷下降。发布节奏变化、线上监控增强、缺陷判定标准调整都可能影响结果。把指标与漏判案例复核结合，才能对策略效果形成有依据的判断；把单一比率当作团队绩效或质量保证，会诱导少报缺陷或放宽判定，反而破坏数据可信度。
常见问题
影响分析启用前没有留存全量回归用例数，缩小率还能算吗？
可以算，但需要先补一个可比的分母。若历史变更没有记录全量回归用例数，可选取当前回归用例库中覆盖该变更所属模块的用例总数作为近似分母，并在报告中注明这是回溯估算口径。更稳妥的做法是选定一个启用影响分析之后的观察期，同时记录“若执行全量回归会跑多少条”这一基准数，从下一期开始用真实分母计算。两种口径不要混在同一张趋势图里比较。
一条线上缺陷关联了多个变更，逃逸缺陷该记给谁？
建议按缺陷的根因归属到具体变更，而不是按关联关系重复计数。操作上由测试负责人判定该缺陷由哪次变更引入，记为该变更的逃逸缺陷；确实无法归属到单一变更时，单独归入“多变更共同导致”类别，在报告中单列数量，不摊入各变更的比率。这样处理可以避免同一缺陷被多次计入分子，导致逃逸缺陷率虚高。
评估期内变更数量很少，指标波动很大，还要不要出结论？
样本过小时只做描述性说明，不据此判断策略有效或无效。可以报告变更数、缺陷数、类型分布和逐条明细，把比率标注为“样本不足，仅供参考”。若需要形成结论，可把观察期延长到变更数量达到约定阈值，或把相邻几个迭代合并为一个评估窗口，同时说明合并后变更类型结构是否发生变化。
范围缩小率达标但逃逸缺陷率上升，应该先改影响分析还是先恢复全量回归？
先做漏判复核再决定。抽取全部逃逸缺陷对应的变更，逐条检查影响分析遗漏了哪些模块、遗漏原因是什么。若漏判集中在某一类变更（如配置调整、依赖升级），修正影响识别规则后继续观察一期；若漏判分散且原因不明，可对高风险变更类型临时恢复更宽的回归范围，作为过渡措施。直接全面恢复全量回归会让范围缩小的收益归零，通常不是首选。
这两个指标能否直接用于团队绩效考核？
不建议直接挂钩考核。逃逸缺陷率依赖人工判定缺陷是否落在回归覆盖范围内，判定标准一放松指标就好看；范围缩小率也可以通过少选用例做高。把单一比率作为绩效指标，容易诱导少报缺陷或放宽判定，破坏数据可信度。更合适的用法是把指标与漏判案例复核结合，作为改进影响分析规则的输入，考核则参考缺陷判定的复核记录和执行记录的完整性。
