계승 X에 대해 수행하려는 경우 X로 Y 맞춤을 수행하는 방법안녕하세요,
시너지 효과를 이해하기 위해 여러 약물에 대한 반응으로 세포 생존을 분석하려고합니다
예를 들어:
X1 | X2 | X3 | 와이 |
100 | 100 | 10 | 5 |
50 | 50 | 5 | 25 |
200 | 200 | 0 | 10 |
100 | 100 | 0 | 30 |
200 | 0 | 10 | 삼 |
100 | 0 | 5 | 20 |
0 | 200 | 10 | 1 |
0 | 100 | 5 | 8 |
0 | 0 | 0 | 60 |
JMP에서 세 가지 다른 약물 X1, X2, X3로 Fit Y를 할 수 있는 방법이 있습니까?
처음에는 Fit Model을 실행하고 예측 프로파일러를 수행했지만 예측 값은 관찰된 값과 매우 다릅니다.
나 모델 맞춤 시작 대화 상자에서 Logit/LogitPct/및 기타 모든 변환을 Y 응답에 적용했지만 예측 값이 관찰된 값에 가깝지 않습니다.
계승 X에 대한 응답으로 Y를 분석할 수 있는 방법이 있습니까?
해석학Re: 계승 X에 대해 수행하려는 경우 X로 Y 맞춤을 수행하는 방법조,
JMP 파일만 추가하면 도움이 됩니다.
JMP에서 데이터 테이블을 만들고 적합 모델을 수행했습니다(포화 모델로 시작한 다음 축소). 예측식을 데이터 테이블에 저장했습니다(첨부)
나는 당신이 무엇을 실험하고 있는지, 당신의 데이터가 실용적인 가치가 있는지 또는 그 결과가 조언을 제공하기 어려운 과학적 의미를 갖는지 전혀 모릅니다.
Re: 계승 X에 대해 수행하려는 경우 X로 Y 맞춤을 수행하는 방법안녕하세요 스텟맨님
답변 감사합니다. 유감스럽게도 허락 없이 데이터를 공유하는 것은 허용되지 않습니다.
보충제가 부족한 점 사과드립니다.
여러 약물의 시너지 효과를 분석하고 있습니다.
내 첫 번째 접근 방식은 Fit 모델이었고 예측 프로파일러가 있었습니다. 그런 다음 예측 값이 실험 값과 매우 다르다는 것을 알았습니다.
어제 나는 이것에 대해 질문했고 몇 가지 훌륭한 피드백을 받았습니다(Logit in Fit 모델 대화 상자에 대한 응답 변환)
응답을 변환한 후 예측 프로파일러는 실험 값에 더 가깝지만 충분히 가깝지는 않습니다.
다음은 참조용 내 원래 게시물입니다( https://community.jmp.com/t5/Discussions/Prediction-profiler-prediction-values-do-not-match-with-the/mp/449473#M69631 )
Fit Y by X를 할 수 있는지 궁금합니다. 제 경우에는 3개의 요인(X)과 1개의 응답(Y)이 있습니다. 각 X는 농도 범위가 다릅니다.
그래서 내가하고 싶은 전체 계승처럼
X1*X2로 Y 맞추기
X1*X3
X2*X3
X1*X2*X3
JMP에서 할 수 있습니까?
Re: 계승 X에 대해 수행하려는 경우 X로 Y 맞춤을 수행하는 방법안녕 @joepark ,
예제 데이터 테이블을 사용하여 모델별로 모든 종류의 Y 맞춤을 수행할 수 있습니다. Fit Y by X 플랫폼을 사용하여 개별적으로 수행한 다음 Y x X1, Y x X2 및 Y x X3 각각에 대해 선형(또는 비선형 맞춤)을 수행할 수 있습니다. 컬럼 스위처를 사용하여 실제 앞뒤로 쉽게 전환할 수 있습니다. 이변량 맞춤 > 다시 실행 > 열 전환기 옆에 있는 빨간색 핫 버튼으로 이동합니다. 그런 다음 위쪽 패널에서 X1을 선택하고 아래쪽 패널에서 다른 모든 X를 선택한 다음 확인을 누릅니다. 이것은 첫 번째 질문에 답해야 하지만 어떤 시너지 효과에도 답하지 않습니다.
나는 Y를 계승 X에 대한 응답으로 분석하는 방법에 대한 귀하의 질문을 정말로 따랐는지 잘 모르겠습니다. DOE는 원래 요인 설계를 기반으로 했습니까? Fit Model을 시도하고 모델 효과를 전체 계승으로 정의하려면 플랫폼을 시작하고 X1에서 X3을 선택한 후 매크로 옵션을 클릭하고 전체 계승을 선택하십시오. 그런 다음 합리적인 적합도를 얻기 위해 모델 효과를 줄일 수 있습니다. 옆에 "^" 캐럿이 있는 효과를 기록해 두십시오. 이는 고차 항(X1*X1 또는 X1*X2와 같은 항목을 포함하는 항이 표시됨)을 의미합니다. ~ 전에 X1과 같은 주 주문 효과. 데이터 테이블을 사용하여 X1이 중요한 요인이 아니며 피팅에서 제거하려고 함을 나타냅니다. 이것이 의미가 있는지 여부를 평가해야 합니다.
시스템의 노이즈를 줄이기 위해 DOE를 확장하거나 복제를 실행해야 할 수도 있습니다. 예측 프로파일러가 유용하지만 더 중요한 것은 적합 모델과 데이터가 항상 +/-95% 신뢰 구간 내에 있는지 여부입니다. 빨간색 핫 버튼에서 이 항목으로 이동하여 열로 저장할 수 있습니다. 내가 한 테스트 사례에서 모든 데이터(Y 및 예측 값)는 이러한 CI에 속합니다. 모델이 충분히 정확한지 확인하기 위해 모델을 재고해야 할 수도 있습니다.
도움이 되었기를 바랍니다,
DS
