Ich verwende JMP Version 16.1 und arbeite daran, eine nichtlineare Standardkurve (ID-STD) mit 3 anderen nichtlinearen Kurven (ID-Set A, B, C) zu vergleichen, um zu sehen, ob sie ähnlich sind.
Was ich getan habe, war das Zeichnen der 4 Kurven mit Analyse> spezialisiertes Modell> nichtlineares Setup wie im Anhang. Danach wähle ich Logistik 4P und führe Parallelitätstest und Äquivalenztest durch. Der erhaltene p-Wert beträgt 0,0056, was unter 0,05 liegt, und alle Statistiken im Äquivalenztest stimmen nicht mit der STD-Kurve überein. Also habe ich Recht zu sagen, dass diese 4 Kurven nicht vergleichbar sind?
Ich habe jedoch eine Normalisierung der Ergebnisse vorgenommen und den gleichen Test durchgeführt, aber dieses Mal wähle ich logistisch 2P für die Kurve und ich habe einen P-Wert von 0,6794 erhalten, was zeigt, dass 4 Kurven vergleichbar sind, aber die Statistiken im Äquivalenztest nicht übereinstimmen STD-Kurve. Daher habe ich die Daten, die ich habe, ziemlich verloren und bin mir nicht sicher, wie ich sie interpretieren soll.
Jeder Rat wäre toll. Danke dir.
Ich habe die Daten beigefügt, die ich für die Studie verwende.
Hallo Markus, vielen Dank für deinen Rat. Ich denke, ich muss die Standardkurve verlängern, um das herauszufinden obere Asymptote.
Der Grund für die nichtlineare Kurve wird vom Elisa-Testkit empfohlen, da darin angegeben ist, dass die Verwendung einer linearen Regressionsanalyse zur Interpolation von Werten für Proben zu erheblichen Ungenauigkeiten führen kann.
Zunächst einmal ist die Wahl des Logistic 4P-Modells zu optimistisch. Es gibt nur die untere Asymptote und keinen Wendepunkt, sodass Sie keine gute Schätzung der oberen Asymptote zum Vergleich haben. Diese Situation führt auch zu instabilen Schätzungen für alle Parameter.
Zweitens, warum ein kompliziertes nichtlineares Modell für diese Daten verwenden? Ein Diagramm des erhaltenen Ergebnisses gegen die Konzentration scheint linear zu sein. Die Fit Curve-Plattform kann solche Modelle anpassen und sie auch auf Parallelität bewerten.
