如何比较由 3 参数逻辑模型建模的多组数据你好，
我无法找到针对这个特定问题的大量资源。
语境：
我正在研究昆虫的羽化（变态后）。 我们正在记录随着时间的推移出现的初始种群的比例。
对于一群个体来说，这种现象总是遵循三参数逻辑模型，但不同的群体会有不同的参数。
我们正在尝试确定治疗是否会改变出现曲线的参数。 一个或几个参数的任何重大变化都是相关的
例如：如果我改变饲养空间的环境湿度，羽化是否会更快（对拐点、生长速度的影响）？ 这会给个人带来成本（对渐近线的影响）吗？
为了回答这个问题，我们正在进行实验，其中 n-1 组接受 n-1 水平的治疗，一组作为对照组。 我们生成 n 条“出现曲线”，每条曲线都由其 3 参数向量描述。
由于我们知道我们可能会产生队列或环境影响，因此该实验被重复了 m 次。 在实验中（生成 nxm 曲线），每条曲线均根据固定样本量（通常约为 400 人）建模。 m 相对较小（<10）
我们如何得出该因素对曲线的一个或多个参数有影响的结论？
- 一种选择是使用 JMP 中已包含的“等效测试”（并行性），但它们一次只允许比较两条曲线。 它们被描述为遗留测试，似乎有些受到谴责
- 单独分析每个因素（方差分析和非参数等价物）？ 曲线的参数之间存在一些相关性（使用 Pearson 相关性进行测试，2 by 2）
- 使用多元方差分析方法？ 我真的不熟悉马诺瓦，所以我想知道在深入研究这个主题之前这是否是一个有效的方法
- 其他建议？
如果需要，我可以分享一些示例数据（原始出现数据或带有参数的表格）
高级统计建模基础数据分析和建模回复：如何比较由 3 参数逻辑模型建模的多组数据“分别分析各个因素”应该是“分别分析各个参数”
