擬合多個非線性 Y 響應大家好，
我想用最小二乘回歸建立一個擬合模型，並且我想包括抗體稀釋的影響，該影響或多或少遵循 sigmoid 模型。 我當然可以包括稀釋到稀釋 ^ 4 作為效果，但多項式模型並不能真正給出我想要的輸出，因為我希望存在 sigmoid 模型的響應平台。 本質上，我想使用擬合非線性平台執行與非線性擬合相同的操作，但包括其他項，例如交互項。 這在最小二乘模型的背景下是否可能？如果可以，我將如何去做？
此致，
弗雷德里克
回复：擬合多個非線性 Y 響應嗨比爾，
感謝您的建議。 我之前使用過基於 TanH 的神經網絡模型，但沒有在這種情況下考慮過它。 我會嘗試一下。
也感謝其他幾位的回复！
弗雷德里克
回复：擬合多個非線性 Y 響應弗雷德里克，
您是否考慮過嘗試神經網絡？ Tan H 函數本質上是 S 形函數，與擬合模型類似，您可以使用任意數量的輸入。 我建議對不同數量的隱藏節點進行一系列擬合，然後使用最不復雜但仍滿足您的預測/擬合標準的模型。
華泰
回复：擬合多個非線性 Y 響應沒有完全理解你的實驗......
我可能會嘗試為每個樣本擬合一條非線性曲線（如 4p 或 5p），並採用上漸近線或拐點 (ec50) 或任何相關的參數，並將其用作線性模型與用於影響稀釋曲線的其他輸入。
例如，如果我正在研究包被、封閉和洗滌緩衝液，以及幾個稀釋範圍。 我可以擬合每個稀釋度，從非線性擬合中得到拐點和上部平台。然後轉到“擬合模型”，將四個參數及其交互作用作為模型效應，並使用非線性擬合中的兩個參數作為響應。
回复：擬合多個非線性 Y 響應我很抱歉！ 由於倉促，我沒有意識到您的模型包含多個預測變量。 是的，為此目的，您必須將自定義模型與非線性平台結合使用。 使用我之前提到的同一本書，但請參閱有關非線性的章節。
其他人可能知道如何在這種情況下開始使用“擬合模型”，但我目前想不出一個。
回复：擬合多個非線性 Y 響應您應該看到“分析”>“專業建模”>“擬合曲線”以獲得更適合邏輯曲線的平台。 有關擬合曲線的章節，請參閱“幫助”>“書籍”>“預測和專業建模”。 它加載了幫助和示例。
