既知の漸近線を持つロジスティック関数にデータを当てはめる私の目標は、このデータをロジスティック関数（たとえば、ロジスティック 3P）に適合させることです。Ty 変数は割合を表すので、最大値は 100% です。モデルはこの限界を超える値を与えるため、漸近線を 100% に指定する必要がありますが、これは経験的に不可能です (添付画像)。
助けてくれてありがとう。
基本的なデータ分析とモデリング予測モデリングと機械学習Re: 既知の漸近線を持つロジスティック関数にデータを適合させるスクリーンショットだけでは判断が難しいのですが、Fit Curve、Nonlinear、または FDE プラットフォームを使用していますか? また、作業に使用する匿名化されたデータセットを共有することは可能ですか?
Re: 既知の漸近線を持つロジスティック関数にデータを適合させる私の理解が正しければ、漸近線が分かっているので、Logistic-2P を適合させる必要があります。
その場合、Y が 0 から 1 の間になるようにデータを正規化する必要があります。あなたの場合は、Y を 100 で割る必要があると思います。
その後、Logistic-2P が利用可能になります。
データのスケーリングは、他の 2 つのパラメータ推定値に影響を与えません。つまり、残りの 2 つの推定値は同じです。「cp」を指定した Y の何らかの予測を行う場合を除き、適合モデルを使用して予測後にスケールバックする必要があります。
Re: 既知の漸近線を持つロジスティック関数にデータを適合させるありがとうございます！この種の分析に関連してもう一つ疑問があります。
パラメータ推定値を比較しようとすると、次のエラーが発生します。
そして、カスタム逆予測を行おうとすると、2 つの変数の標準誤差が非常に大きくなります (他の変数は非常に良好です)。
これら 2 つの処理をモデル化できない可能性はありますか? 可能な解決策はありますか? これらは矢印でマークされた 2 つの曲線です (黄色と紫色)。
すべてのユーザーのご協力に感謝します!
Re: 既知の漸近線を持つロジスティック関数にデータを適合させるここでは何が起こっているのか判断するのに十分な情報がありません。近似曲線から、これら 2 つの成長率の推定値は比較的大きいと思われます。逆予測から、モデルには大きな不確実性があるようです。ここで見たものに基づいて、不確実性がどこから来ているのかはわかりません。
Re: 既知の漸近線を持つロジスティック関数にデータを適合させるこれらの曲線の平行性の欠如を懸念すべきでしょうか?
Re: 既知の漸近線を持つロジスティック関数にデータを適合させるペンさん、助けてくれてありがとう。
ご希望であれば、匿名のデータ セットをお渡しして「遊んで」、ここで何が起こっているかを調べることもできます 
。
Re: 既知の漸近線を持つロジスティック関数にデータを適合させるこんにちは、マーク。
それほどではありません。なぜなら、それらは異なる治療法であり、それぞれ反応が異なるからです。ご希望であれば、調査用の匿名データセットをお送りすることもできます 。
ご協力本当にありがとうございました！
