동일한 그룹 내 다른 종점에 대한 용량-반응 곡선 비교안녕하세요,
그룹이 서로 다른 용량의 화합물에 노출 된 데이터 세트가 있고 관심있는 두 가지 다른 엔드 포인트 (둘 다 이진 반응)가 측정되었습니다 (데이터 테이블은 아래에 있고 데이터 세트가있는 .jmp 파일이 첨부 됨).ED50을 추정하기 위해 각각에 대해 개별 용량-반응 분석을 실행했습니다 (GLM을 사용한 log-probit 적합).또한 용량 반응 곡선을 비교하고 싶지만 두 종말점이 동일한 모집단에 있기 때문에 이에 접근하는 가장 좋은 방법이 확실하지 않습니다.어떤 지침이라도 대단히 감사하겠습니다.
해석학Re : 동일한 그룹 내에서 서로 다른 종점에 대한 용량-반응 곡선 비교무엇을 " 또한 용량 반응 곡선을 비교하고 싶습니다. "당신에게 의미? 어떤 방식으로 비교 하시겠습니까? 곡선의 어떤 측면을 비교해야합니까?
Re : 동일한 그룹 내에서 서로 다른 종점에 대한 용량-반응 곡선 비교안녕하세요,
응답이 지연되어 죄송합니다.일반적으로 다른 용량 반응 모델이 데이터를 가장 잘 설명하는지 통계적으로 말할 수 있는지 알고 싶습니다.다른 모델이 데이터를 설명하는 데 가장 적합하다면 ED50과 같은 특정 매개 변수와 가능한 경우 기울기를 비교할 수 있기를 바랍니다.
당신의 도움을 주셔서 감사합니다.
Re : 동일한 그룹 내에서 서로 다른 종점에 대한 용량-반응 곡선 비교귀하의 예제에는 두 개 이상의 응답이 포함되어 있지만 한 가지 유형의 모델 만 포함되어 있기 때문에 여전히 혼란 스럽습니다 (Probit 링크 기능이있는 이진 GLM).
모델을 비교하는 한 가지 접근 방식은 용어 계층 구조를 형성 한 다음이 계층 구조 내에서 하위 모델을 테스트 한 다음 모델 성능의 전반적인 변화 또는 개별 용어의 중요성을 평가하는 것입니다. 예를 들어 원료 의약품의 선형 분해를 평가하면 역가 = 절편 + 배치 + 시간 + 배치 * 시간 + 오류의 모델을 가정 할 수 있습니다. 이 모델은 계층 적입니다. 배치 * 시간 기간이 중요하지 않은 것으로 간주되면 더 나은 모델을 만들기 위해 제거 할 수 있으며 배치 종속 기울기가 필요하지 않습니다.
또 다른 접근 방식은 비교를 위해 AICc와 같은 모델 선택 기준을 사용하는 것입니다 (작을수록 좋음). 하지만 추론을위한 통계는 아닙니다. 모든 모델이 동일한 Y를 사용하지만 모델이 다를 수 있다고 가정합니다 (선형 회귀, 분할, 신경망 등).
Re : 동일한 그룹 내에서 서로 다른 종점에 대한 용량-반응 곡선 비교안녕하세요,
혼란을 드려 죄송합니다.두 가지 별도의 모델 유형을 의미하지는 않았습니다. 각 응답 유형에 대한 용량-반응 데이터를 맞추기 위해 log-probit을 사용하고 싶습니다.
제가 알고 싶은 것은 두 반응에 대한 용량-반응이 서로 다른 경우입니다. 즉, 첫 번째 반응에 대한 ED50이 다른 반응에 대한 것보다 낮습니까?나는 응답을 더미 변수로 넣는 것에 대해 생각했지만 응답이 동일한 모집단에서 쌍을 이루기 때문에 이것이 올바른지 확실하지 않았습니다.
매우 감사합니다.
