我知道我的问题可能有点复杂或包含一些可怕的缺陷。不过,它可以帮我得到任何反馈。你明白我的问题吗?如果没有,我应该更精确的在哪里?更多关于背景的解释吗?
这对改变非线性回归模型统计检验吗?
1视图(30天)
显示旧的评论
嗨,伙计们,
我有一个非常基本的问题关于我的数据的分析涉及非线性拟合,我希望它是适当的发布在这里。为了简便起见,我将不仅提供整个代码和总结的基本步骤,当然我可以添加任何你要求的细节。
我有一些数据代表一些回应刺激刺激站点之间的距离的函数。数据显示,预计,腐烂在响应变量,这可能是最好的近似的s形。所以我波尔兹曼方程应用到数据,让MATLAB预测置信界限为新观察:
%定义模型函数(玻耳兹曼);
f = @ (beta0电导率)beta0 (1) + ((beta0 (2) -beta0 (1))。/ (1 + exp ((beta0(3) -电导率)。/ beta0 (4))));
%找到初始化参数:
resp50 = (max(职责)+分钟(职责))/ 2;
×50 = 5000;%的猜测
inidat =[0,马克斯(职责)、resp50×50);
%估计拟合函数:
[β,res,江淮,covb] = nlinfit(电导率,fliplr(职责),f, inidat);
%的功能:
xfit = linspace (min(电导率)、马克斯(电导率),100);
[yfitδn, df, varpred] = nlpredci (f xfitβ,“柯伐合金”covb,“PredOpt”,“观察”);%编辑函数,见下文
yfit = fliplr (yfit);
δ= fliplr(δ);
varpred = fliplr (varpred ');
我现在选址的问题,我可以参考网站,直到被认为non-maximum反应。即从这距离是我(预测)胃镜响应不同的最大一个0毫米?我没有发现pre-described解决这样一个问题,我开发了一个有点天真的我自己的方法,我想问你告诉我如果它是适当的或如果有更高级的方法。
我的想法只是运行多个成对t鉴于NLINFIT函数的统计数据(我编辑返回样本大小为n,自由度v,并预测方差varpred,所以我不会要做自己计算)。因此,我遍历测试预测,除非两人明显不同:
α= 0.05;
为我= 2:长度(yfit)
testdiff = yfit (1)——yfit(我);
%的常见的均方误差是指估计方差(s。ONLINESTATBOOK p.376):
mse = (varpred (1) + varpred(我))/ 2;
%常见的SE:
testse =√2 * mse / n);%对吗?
%计算t值:
t = testdiff / testse;
%常见的df:
testdf = (n - 1) + (n - 1);%对吗?
p = tpdf (t, testdf);
如果p <(α/(张)%与BONFERRONI调整(对吗?)
m =我;
打破;
结束
结束
正如你所看到的,我还想添加一些BONFERRONI调整alpha-level占这些多重比较。我知道,可能不适合使用的t检验我对相关(显然是这样)。
根据我的经验,我希望某个截止x值的置信区间适合不相交了。令人惊讶的是,我之前获得一种截止在上面的图片中可以看到。
你能建议任何修正或改进地址这个问题吗?
最好的问候,Rouven
接受的答案
明星黾
2012年10月18日
编辑:明星黾
2012年10月18日
我建议做配对t (
ttest2
(在)之间的参考
0
毫米)和数据取自刺激在不同的距离,例如
0
毫米,
1
毫米,
0
毫米,
2
毫米等。(我猜,你会看到意义
10
来
15
毫米,这取决于你的错误或误差代表标准
95%
置信区间)。这是相对常见的文献中我熟悉,而且通常不需要Bonferroni调整,因为你
不
也比较
2
毫米,
3
毫米和其他人。(我还建议咨询统计指导你计划提交《数据)。
玻耳兹曼方程是有趣的,但是你可能会考虑使用一个模型更适合于您测量的系统(除非你做的那种物理波尔兹曼方程描述了)。我怀疑审稿人会想知道你选择它的原因,以及它如何描述你的实验。你没有描述的系统调查,但使用回归模型可能是多余的,如果你只是感兴趣刺激的结果之间的差异在不同的距离参考网站。
我建议最合适的回归模型来讨论可能的
机制
解释你得到的结果。模型参数可以帮助解释系统正在调查的细节。
你使用的统计分析总是取决于你如何设计你的实验。
