Logistic 3 Parameter(L3P) 모델 사용안녕,
우리는 JMP를 사용하여 L3P 모델에 맞추는 증폭을 나타내는 일부 생물학적 데이터를 살펴보고 있습니다.
- 따라서 결과로 나타나는 S자 곡선의 성장률, 점근선 및 변곡점을 얻습니다.
그런 다음 ANOVA 테스트에서 특별히 성장률 매개변수를 사용하여 곡선(즉, 생물학적 테스트)이 도전에 의해 불리한 영향을 받는지 여부를 감지합니다.
내가 경험하고 있는 문제는 도전이 불리할수록 - 둘 중 하나의 가능성이 더 커진다는 것입니다. 일부 또는 전부 분석이 작동하지 않음(곡선이 생성되지 않음).
이런 일이 발생하면 ANOVA에서 사용하는 3개의 매개변수를 얻을 수 없으므로 이 특히 유익한 데이터를 처리하는 방법에 다소 어려움이 있습니다.
패턴(도전이 증가함에 따라)은 모델링된 곡선의 가변성이 증가하고(플랫 라이닝을 향하여) 문제의 심각도에 따라 실패한 증폭(실제 플랫 라인)의 수가 증가하는 것입니다. 이는 실제로 플랫 라이닝 및 곡선이 없는 모든 복제에서 절정에 이릅니다. 적합이 가능합니다.
도와 주셔서 감사합니다.
Re: Logistic 3 Parameter(L3P) 모델 사용그것에 대해 많은 감사를 드립니다 - 거의 정확합니다 
우리가 현재 하고 있는 것(GLM 성격-이항 분포-Probit 링크) 분석이 작동했는지 실패했는지에 대해서만 생성하는 데이터를 검사할 때.
우리는 분석이 효과가 있는지 여부 이외의 다른 매개 변수를 살펴보지 않습니다.
우리는 더 차별적인 분석을 수행하기를 바랐습니다.
우리는 챌린지 수준을 높일 때 분석이 어떻게 저하되는지(실패가 발생할 수 있지만 명시적으로 실패하지 않고) 평가하는 방법을 사용하기 위해 노력하고 있습니다.
따라서 우리는 종종 다음과 같은 형식의 데이터를 얻습니다.
챌린지 단위 - 성공적인 곡선 맞춤 - 실패한 곡선 맞춤*
-------1------------------16------00- ----
-------2------------------16------00 -----
-------3------------------16------00 -----
-------4------------------16------00 -----
-------5------------------16------00 -----
-------6------------------16------00 -----
-------7------------------16------00- ----
위의 16회 반복 x 7 조건에서 각 시그모이드 곡선에 Log 3 매개변수 모델을 맞추면 도전 과제가 1에서 7로 증가함에 따라 성장률이 감소하고 상위 점근선이 감소한다는 것을 발견합니다. (즉, L3P 모델에 의해 생성된 3개의 매개변수 중 2개에서).
따라서 분석이 작동하고 모델 적합이 가능한 한 도전이 증가함에 따라 변곡점의 변화가 없고 상위 점근선이 감소하고 성장률이 감소하는 것을 볼 수 있습니다.
모든 문제는 이 두 가지 통계 기법 '사이'에 있을 때 발생합니다. 그 말은 언제 산발적(또는 그 이상) 실패 예를 들어
챌린지 단위 - 성공적인 곡선 맞춤 - 실패한 곡선 맞춤*
-------1------------------16------00- ----
-------2------------------16------00 -----
-------3------------------15------ 01 -----
-------4------------------16------00 -----
-------5------------------15------ 01 -----
-------6------------------15------ 01 -----
-------7------------------14------ 02 -----
발생 - 이러한 소수(즉, 위 표에서 5개) 분석에서 Log 3 P 모델이 생성될 수 없기 때문입니다.
나는 우리가 상위 점근선에 대해 기준 값(즉, 0에 가까운 값)을 사용할 수 있는지, 성장률에 대해 0을, 실패의 경우 변곡점에 대해 '누락된 데이터'를 사용할 수 있는지, 즉 5가지 경우에 사용할 수 있는지 궁금합니다. 챌린지 심각도 간의 차이에 대한 (m)ANOVA 유사 테스트에 사용하기 위해 실패한 분석에서 앞으로 나아갈 데이터가 있습니다.
한편으로는 데이터가 폐기되지 않기 때문에 이렇게 하는 것이 긍정적인 움직임처럼 느껴지지만 실패한 분석 값을 0으로 할당하여 정규성 규칙((m)ANOVA 유사 테스트에 필요)을 위반하고 있는지 확실하지 않습니다. 그런 다음 사용합니다. 때때로 실패한 반응(불량한 R2 값)에 대한 L3P 적합도를 얻지만 반환된 3P 값은 의미가 없고 종종 극단적인 이상값이므로 이를 사용하여 그룹 테스트 간의 차이를 추구하려면 삭제해야 합니다.
Re: Logistic 3 Parameter(L3P) 모델 사용프로빗 모델을 사용하여 이러한 테이블(챌린지, 실패 수, 총 테스트 수 - 16)을 분석할 수 있습니다.
선택하다 분석하다 > 적합 모형 . 둘 다 선택 실패 그리고 테스트 데이터 열을 클릭하고 와이 . (반드시 순서대로 입력하세요.) 도전 데이터 열을 클릭하고 추가하다 . 딸깍 하는 소리 표준 최소제곱 그리고 선택 일반화 선형 모델 . 선택 이항식 유통과 프로빗 링크 기능.
딸깍 하는 소리 달리다 .
실험을 포함하도록 이 분석을 확장할 수 있습니다.
추가하다 실험 두 가지 효과로: 주요 효과와 교차 도전 .
추정치는 효과의 중요성을 테스트하는 데 사용할 수 있으며 모델은 예측하는 데 사용할 수 있습니다.
여기서 실험 예는 또 다른 범주형 또는 연속 요인이 될 수 있습니다. 프로빗 모델에는 여러 요인이 있을 수 있습니다.
Re: Logistic 3 Parameter(L3P) 모델 사용따라서 우리가 관찰할 수 있는 데이터는 다음과 같을 수 있습니다(16회 복제로 설명됨).
챌린지 단위 - 성공적인 곡선 맞춤 - 실패한 곡선 맞춤*
-------1------------------16------00 -----
-------2------------------15------01 -----
-------3------------------12------04 -----
-------4------------------08------08- ----
-------5------------------04------12- ----
-------6------------------02------14- ----
-------7------------------00------16- ----
그러나 다음 실험은 다음과 같을 수 있습니다.
챌린지 단위 - 성공적인 곡선 맞춤 - 실패한 곡선 맞춤*
-------1------------------16------00- ----
-------2------------------16------00 -----
-------3------------------15------01 -----
-------4------------------16------00 -----
-------5------------------15------01 -----
-------6------------------15------01 -----
-------7------------------14------02- ----
* 반응이 일어나지 않음
따라서 첫 번째 실험은 이분법적 결과에 적합하고 두 번째 실험은 정량적 결과(점근선/성장률로 평가된 도전 과제가 있는 시그모이드 곡선의 변동성 증가)에 적합한 것처럼 느껴집니다. 하나의 테스트.
Re: Logistic 3 Parameter(L3P) 모델 사용안녕,
응답해 주셔서 감사합니다. 이해한 것 같습니다.
문제는 분석을 실패할 때까지 테스트해야 하므로 데이터 범위가 한쪽 끝에 있는 모든 경우(거의 도전 없이) 완벽하게 중첩된 복제 S자형 곡선부터라는 것입니다.
- (다른 쪽 끝에서)을 통해 - 평면 선을 완벽하게 겹쳐서 복제합니다.
이 두 극단 사이에는 복제 샘플에서 산발적인 실패가 증가하는 패턴이 있습니다.
모든 복제(챌린지별로)를 함께 그룹화하여 하나의 곡선만 생성하면 최소 하나의 성공적인 시그모이드 곡선이 있는 한 각 챌린지에서 3개의 매개변수를 얻을 수 있을 것이라고 생각했습니다. 즉 유효한 곡선 맞춤을 수행할 수 있습니다.
그때 발생하는 문제는 각 복제에서 성장률, 변곡점 및 점근선에 대한 값을 갖는 대신 모든 복제에 대해 1개의 값만 갖게 된다는 것입니다. 이 유형의 분석을 수행하는 데 필요한 실제 복제 값 자체이기 때문에 t 테스트, (M)ANOVA 및 동등성 테스트를 통해.
다음 생각은 JMP가 단일 '요약' 시그모이드 곡선의 평균, SE 및 신뢰 구간에 대해 제공하는 요약 데이터를 사용하고 데이터 요약표에서 ANOVA를 수행하는 것입니다. '그룹별' L3P가 적합하고 이 절차를 시도합니다(제공할 만큼 친절함).
https://community.jmp.com/t5/JMP-Scripts/ANOVA-from-Data-Summary/ta-p/21487
내가 약간 걱정하는 것은 실제 시그모이드 곡선 데이터와 함께 '평평한 선' 데이터를 그룹화하는 방식이 일부 기본 가정을 무효화할지, 즉 곡선의 특성을 변경할지 여부입니다. 변곡점은 곡선 맞춤 연습에서 상수이므로 이 '그룹별' 접근 방식이 변곡점을 예상 위치에서 변경하는지 궁금합니다.
진심으로 도움을 주셔서 감사합니다!
감사해요. 씨.
Re: Logistic 3 Parameter(L3P) 모델 사용당신의 지속적인 요소는 도전입니다. 요인 범위가 너무 공격적이어서 무응답으로 이어질 수 있습니다. 실험의 요점은 데이터를 모델링하고 모수 추정치를 테스트하는 것입니다. 요인 범위를 더 낮게 이동할 수 있습니까? 예를 들어 챌린지가 50-100이라면 25-75를 시도하시겠습니까? 그렇게 하면 모델에 더 유용한 데이터를 얻을 수 있습니다.
