Re : Comment interpréter les résultats d'un test de parallélisme de deux courbes non linéaires - test FBonne question. Mais, vous l'avez à l'envers. Si p-value < 0,05, il y a preuve de non-parallélisme. Vous testez l'hypothèse nulle d'asymptotes et de pentes inférieures et supérieures égales. À cette fin, une statistique de test F ou Chi2 est utilisée. L'absence de signification statistique (p > alpha) à un niveau présélectionné (alpha=0,05, par exemple) est considérée comme un indicateur de parallélisme (c'est-à-dire qu'il est impossible de rejeter l'hypothèse nulle). A l'inverse, si p < alpha alors alors l'hypothèse de parallélisme est rejetée.
Re : Comment interpréter les résultats d'un test de parallélisme de deux courbes non linéaires - test FL'exemple que vous avez partagé sera mal modélisé par un 4PLC. Vous avez observé une plage étroite qui ne présente pas les quatre caractéristiques d'une courbe sigmoïde, il est donc difficile d'estimer correctement les quatre paramètres. Un polynôme quadratique sera mieux.
De plus, des tests de parallélisme sont fournis pour la compatibilité. Ce sont des tests hérités qui sont encore couramment utilisés aujourd'hui, mais ils sont indéfendables. Un test inférentiel ne fonctionne que dans un sens. Ils sont utilisés pour établir l'hypothèse alternative avec des données. Les tests de parallélisme utilisent une hypothèse alternative selon laquelle il existe une différence. Le fait de ne pas rejeter l'hypothèse nulle (c'est-à-dire qu'elles sont parallèles) ne peut pas être utilisé comme argument pour le parallélisme. C'est invalide. Vous devez utiliser l'inférence où l'hypothèse alternative est une équivalence (parallèle) et rejeter l'hypothèse nulle selon laquelle elles sont différentes (non parallèles) pour conclure au parallélisme.
Le test d'équivalence échoue, comme prévu par l'inspection du tracé des données et des ajustements. Ils n'ont pas la même forme.
Re : Comment interpréter les résultats d'un test de parallélisme de deux courbes non linéaires - test FSalut Mark : Merci de m'avoir présenté la plateforme Fit Curve ! Je n'avais aucune idée de son existence. Il s'agit d'un excellent ensemble d'outils et d'un excellent ajout à JMP !
Re : Comment interpréter les résultats d'un test de parallélisme de deux courbes non linéaires - test FMerci pour la réponse Marc.
Je peux voir l'erreur de choisir un 4PL car la courbe n'a pas la forme sigmoïde. C'est noté, regardez réellement la forme de votre courbe ! J'apprends.
Quant au test d'équivalence, il échoue car tous facteurs (ordonnée à l'origine, pente et quadratique) sont hors limites ? Échouerait-il si seule la pente était dans les limites ? Pourriez-vous donner des instructions supplémentaires sur la façon d'interpréter les résultats de ce test ?
Re : Comment interpréter les résultats d'un test de parallélisme de deux courbes non linéaires - test FDans le cas de l'exemple quadratique, pour les pentes de parallélisme et les quadratiques doivent être équivalents. Donc, pour répondre à votre question, oui, cela échouerait si seule la pente est dans les limites. La différence d'interception est un décalage entre les deux courbes, elle n'a donc aucun effet sur le parallélisme.
Une assez bonne discussion est ici.
https://www.researchgate.net/publication/225064005_Implementation_of_Parallelism_Testing_for_Four-Parameter_Logistic_Model_in_Bioassays
Re : Comment interpréter les résultats d'un test de parallélisme de deux courbes non linéaires - test FQu'est-ce que cela signifie d'être parallèle? Cela signifie la même forme mais un décalage vers la gauche ou vers la droite par rapport à la courbe standard. Ainsi, un paramètre peut varier, mais les autres doivent rester "fixes".
Comment interpréter les résultats d'un test de parallélisme de deux courbes non linéaires - test FSalut
Je dois prouver, statistiquement, que ces deux courbes sont parallèles. J'ai créé un tableau de données, ajusté une courbe 4PL non linéaire et effectué un test de parallélisme. Malheureusement, mes connaissances statistiques sont limitées et je ne sais pas comment interpréter les résultats. Je suppose que puisque la valeur Prob du test F est inférieure à 0,05, le résultat est significatif et donc les hypothèses nulles sont correctes et les lignes sont parallèles. Cependant, la valeur Prob apparaît en orange, ce qui me déroute.
Quelqu'un pourrait-il m'aider à comprendre cela? Et aussi expliquer l'importance du Prob ChiSq.
Merci 
Exploration et visualisation des donnéesPartage et communication des résultats
