Estoy usando JMP versión 16.1 y estoy trabajando para comparar una curva estándar no lineal (ID-STD) con otras 3 curvas no lineales (ID-Set A, B, C) para ver si son similares.
Lo que hice fue trazar las 4 curvas usando analizar> modelo especializado> configuración no lineal como se adjunta. Después de eso, selecciono logística 4P y realizo la prueba de paralelismo y la prueba de equivalencia. El valor p obtenido es 0,0056, que está por debajo de 0,05 y todas las estadísticas en la prueba de equivalencia no coinciden con la curva STD. Por lo tanto, ¿tengo razón al decir que estas 4 curvas no son comparables?
Sin embargo, realicé una normalización de los resultados e hice la misma prueba, pero esta vez seleccioné logística 2P para la curva y obtuve un valor P de 0.6794 que muestra que 4 curvas son comparables pero las estadísticas en la prueba de equivalencia no coinciden con las curva de ETS. Por lo tanto, estoy bastante perdido con los datos que tengo y no estoy muy seguro de cómo interpretarlos.
Cualquier consejo sería genial. Gracias.
Adjunto los datos que utilizo para el estudio.
En primer lugar, la elección del modelo Logistic 4P es demasiado optimista. Solo existe la asíntota inferior y ningún punto de inflexión, por lo que no tendrá una buena estimación de la asíntota superior para comparar. Esta situación también conduce a estimaciones inestables para todos los parámetros.
En segundo lugar, ¿por qué usar un modelo no lineal complicado para estos datos? Una gráfica del resultado obtenido frente a la concentración parece ser lineal. La plataforma Fit Curve puede adaptarse a dichos modelos y evaluar su paralelismo también.
