Seltsame Ergebnisse der 5-Parameter-LogistikregressionHallo,
Ich habe eine große Menge an Luminex-Daten, die ein 48-fach-Panel verwenden, bei dem jeder der 48 Analyten, die es in Proben erkennt, anhand einer Standardkurve berechnet wird (also insgesamt 48 Standardkurven). Jede Spalte in meinem Datensatz ist ein anderer Analyt. Jede Zeile entspricht entweder einem Standard (in einer 1:4-Verdünnungsreihe) oder einer unbekannten Probe. Ich habe die folgende Funktion verwendet, um die Daten mithilfe einer 5-Parameter-Logistikregression 48 Mal in Folge anzupassen:
Kurve anpassen (Y (: „[ANALYTNAME]“ n), X ([VERDÜNNUNGSFAKTOR]), Logistic 5P anpassen (Formel für inverse Vorhersage speichern), An Bericht senden (Versand ({}, „Logistic 5P“, OutlineBox, {Titel festlegen („Logistic 5P“)}));: „Verdünungsprädiktor“ << Name festlegen („[ANALYTNAME]“)
Beachten Sie, dass ich sehr wenig über die Verwendung von JMP weiß und dies aus dem Code-Editor kopiert habe, nachdem mir jemand einmal gezeigt hatte, wie ich die Daten anpasse. Um dies auszuführen, muss ich alle Zeilen mit Werten für meine unbekannten Proben ausblenden/ausschließen und nur Zeilen mit Daten zu Standards ein-/ausblenden.
Im Allgemeinen erhalte ich Kurven mit einem r2 > 0,99, die ziemlich gut zu den gemessenen Standardpunkten in den Diagrammen zu passen scheinen, aber gelegentlich erhalte ich sehr seltsame Kurven (siehe Bild). Ich bin kein Experte für Kurvenanpassung, aber es sieht so aus, als ob durch diese Punkte eine bessere Kurve passen könnte. Gibt es Parameter, wie JMP 5-Parameter-Logistikregressionen anpasst, die ich anpassen kann, um diese Junk-Kurven zu vermeiden?
Danke
Datenzusammenführung und -bereinigungWindowsBetreff: Seltsame Ergebnisse der 5-Parameter-LogistikregressionIch würde nicht erwarten, ein logistisches Kurvenmodell mit 5 Parametern anzupassen, wenn die Daten nicht eine solche Komplexität aufweisen. Beispielsweise erwarte ich, dass die Daten beide Asymptoten aufweisen, um eine logistische Kurve mit einem 4-Parameter-Modell anzupassen.
Bei nichtlinearen Modellen wie diesem besteht eine hohe Korrelation zwischen den Parameterschätzungen, so dass sie von vornherein instabil sein können, selbst wenn die Daten alle Merkmale der erwarteten Form aufweisen.
Betreff: Seltsame Ergebnisse der 5-Parameter-LogistikregressionHallo, danke für die Antwort! Ich habe die Dokumentation durchgesehen, aber noch nicht gefunden, wonach ich suche. Das Problem liegt nicht am Skript; es liegt daran, dass ich gelegentlich schlechte Ergebnisse erhalte, ohne dass es dafür einen Grund zu geben scheint. Während ich die Dokumentation durchsehe, suche ich nach Parametern, die ich für eine 5PL anpassen kann, da bei dieser Analyse etwas nicht funktioniert.
Betreff: Seltsame Ergebnisse der 5-Parameter-LogistikregressionHallo, danke für die Antwort! Wenn ich die Ansicht der x-Achse anpasse, sieht für mich alles nach einer verpfuschten Anpassung aus (siehe Bild).
Betreff: Seltsame Ergebnisse der 5-Parameter-LogistikregressionWillkommen!
Bitte lesen Sie das Kapitel zur Fit Curve-Plattform in der JMP-Dokumentation. Sie bietet viele Funktionen, die speziell bei der Analyse von Assay-Verdünnungskurven helfen.
Sie benötigen kein Skript. Ihre Datentabelle ist groß. Anstatt Zeilen auszublenden und auszuschließen, können Sie eine Kennungsdatenspalte in der Rolle „Nach“ verwenden, um alle Kurvenpaare parallel zu verarbeiten.
Betreff: Seltsame Ergebnisse der 5-Parameter-LogistikregressionHallo,
Es sieht so aus, als hätten Sie vergessen, Ihre X-Achse in LOG umzuwandeln. Die 5-Parameter-Anpassung gibt ihr Bestes, aber Sie können den größten Anpassungsmangel bei den niedrigen und mittleren Werten erkennen.
Am besten,
TS
Betreff: Seltsame Ergebnisse der 5-Parameter-LogistikregressionAngesichts der einfachen Merkmale Ihrer Daten vermute ich, dass die Ursache für die schlechten Anpassungen in der Überparametrisierung Ihres 5PLC liegt. Versuchen Sie, eine logistische Kurve mit weniger Parametern, beispielsweise 3 oder 4, anzupassen, und prüfen Sie, ob sich die Anpassung verbessert.
