Résultats étranges de régression logistique à 5 paramètresBonjour,
J'ai une grande quantité de données Luminex, utilisant un panel 48plex, où chacun des 48 analytes détectés dans les échantillons est calculé par rapport à une courbe standard (donc 48 courbes standard au total). Chaque colonne de mon ensemble de données est un analyte différent. Chaque ligne correspond soit à un standard (dans une série de dilutions 1:4), soit à un échantillon inconnu. J'utilise la fonction suivante pour ajuster les données à l'aide d'une régression logistique à 5 paramètres, 48 fois en série :
Ajuster la courbe (Y ( : "[NOM DE L'ANALYTE]" n ), X ( [FACTEUR DE DILUTION]), Ajuster la logistique 5P (Enregistrer la formule de prédiction inverse), SendToReport (Dispatch ( {}, "Logistique 5P", OutlineBox, {Définir le titre ( "Logistique 5P" )} )));:"Dil Predictor" << Définir le nom ("[NOM DE L'ANALYTE]")
Notez que je sais très peu de choses sur la façon d'utiliser JMP et que j'ai copié ceci à partir de l'éditeur de code après que quelqu'un m'a montré comment ajuster les données une fois. Pour exécuter cela, je dois masquer/exclure toutes les lignes contenant des valeurs pour mes échantillons inconnus, et inclure/afficher uniquement les lignes contenant des données sur les normes.
Généralement, j'obtiens des courbes avec un r2 > 0,99 qui semblent assez bien correspondre aux points standards mesurés dans les graphiques, mais avec parcimonie, j'obtiens des courbes très étranges (voir image). Je ne suis pas un expert en ajustement de courbe, mais il semble qu'une meilleure courbe pourrait être ajustée à travers ces points. Existe-t-il des paramètres sur la manière dont JMP ajuste les régressions logistiques à 5 paramètres que je peux ajuster afin d'éviter ces courbes indésirables ?
Merci
Mélange et nettoyage des donnéesles fenêtresRe : Résultats étranges de la régression logistique à 5 paramètresBonjour, merci pour votre réponse ! J'ai consulté la documentation, mais je n'ai pas encore trouvé ce que je cherchais. Le problème n'est pas lié au script ; j'obtiens parfois des ajustements incorrects, sans raison apparente. En consultant la documentation, je cherche des paramètres à modifier pour un 5PL, car cette analyse présente un problème.
Re : Résultats étranges de régression logistique à 5 paramètresBonjour, merci pour la réponse ! L'ajustement de la vue de l'axe des x laisse tout comme un ajustement bâclé (voir image).
Re : Résultats étranges de régression logistique à 5 paramètresAccueillir!
Veuillez lire le chapitre relatif à la plateforme Fit Curve dans la documentation JMP. Il possède de nombreuses fonctionnalités spécifiquement destinées à faciliter l’analyse des courbes de dilution des tests.
Vous n'avez pas besoin d'un script. Votre table de données est grande, donc au lieu de masquer et d'exclure des lignes, vous pouvez utiliser une colonne de données d'identification dans le rôle Par pour le traitement parallèle de toutes les paires de courbes.
Re : Résultats étranges de régression logistique à 5 paramètresSalut,
Il semble que vous ayez oublié de transformer votre axe X en LOG. L’ajustement à 5 paramètres fait de son mieux, mais vous pouvez constater le manque majeur d’ajustement pour les valeurs faibles et intermédiaires.
Meilleur,
TS
Re : Résultats étranges de régression logistique à 5 paramètresJe ne m'attendrais pas à adapter un modèle de courbe logistique avec 5 paramètres lorsque les données ne présentent pas une telle complexité. Par exemple, je m'attends à ce que les données présentent les deux asymptotes afin d'ajuster une courbe logistique avec un modèle à 4 paramètres.
Les modèles non linéaires tels que celui-ci présentent des corrélations élevées entre les estimations des paramètres, de sorte qu'ils peuvent être instables en premier lieu, même lorsque les données présentent toutes les caractéristiques de la forme attendue.
Re : Résultats étranges de la régression logistique à 5 paramètresÉtant donné la simplicité des caractéristiques de vos données, je pense que la cause des mauvais ajustements est un surparamétrage de votre 5PLC. Essayez d'ajuster une courbe logistique avec moins de paramètres, par exemple 3 ou 4, et voyez si l'ajustement s'améliore.
