如何比較由 3 參數邏輯模型建模的多組數據你好，
我無法找到針對這個特定問題的大量資源。
語境：
我正在研究昆蟲的羽化（變態後）。 我們正在記錄隨著時間的推移出現的初始種群的比例。
對於一群個體來說，這種現象總是遵循三參數邏輯模型，但不同的群體會有不同的參數。
我們正在嘗試確定治療是否會改變出現曲線的參數。 一個或幾個參數的任何重大變化都是相關的
例如：如果我改變飼養空間的環境濕度，羽化是否會更快（對拐點、生長速度的影響）？ 這會給個人帶來成本（對漸近線的影響）嗎？
為了回答這個問題，我們正在進行實驗，其中 n-1 組接受 n-1 水平的治療，一組作為對照組。 我們生成 n 條“出現曲線”，每條曲線都由其 3 參數向量描述。
由於我們知道我們可能會產生隊列或環境影響，因此該實驗被重複了 m 次。 在實驗中（生成 nxm 曲線），每條曲線均根據固定樣本量（通常約為 400 人）建模。 m 相對較小（<10）
我們如何得出該因素對曲線的一個或多個參數有影響的結論？
- 一種選擇是使用 JMP 中已包含的“等效測試”（並行性），但它們一次只允許比較兩條曲線。 它們被描述為遺留測試，似乎有些受到譴責
- 單獨分析每個因素（方差分析和非參數等價物）？ 曲線的參數之間存在一些相關性（使用 Pearson 相關性進行測試，2 by 2）
- 使用多元方差分析方法？ 我真的不熟悉馬諾瓦，所以我想知道在深入研究這個主題之前這是否是一個有效的方法
- 其他建議？
如果需要，我可以分享一些示例數據（原始出現數據或帶有參數的表格）
高級統計建模基礎數據分析和建模
