比较拟合到不同数据集的非线性模型的模型拟合或回归系数

机器算法验证 回归 方差分析 非线性回归 安乔娃
2022-04-01 02:04:46

我有几个治疗下测量的动力学数据(每个治疗一个实验),可以通过几个非线性双参数模型拟合,我如何比较是否存在因治疗而异的反应差异?

比较模型拟合。我最初的想法是使用F 检验来比较每个模型的不同数据集之间的相对残差平方和 (RSS),但如果我理解正确,这会衡量相对于自由度差异的 RSS,所以更多适用于比较同一数据集的模型子集和完整模型。在这种情况下是否有适合的类似测试(比较应用于不同数据集的相同模型,而不是具有不同数量参数的不同模型与相同数据集进行比较)?

比较回归系数。我发现这个参考建议使用 t 检验,其中通过聚合非线性回归系数的标准误差来计算检验统计量(是系数估计值,是它的标准误差; 下标 1 和 2 表示治疗 1 和 2) 的估计值:β^s^e

t=β^1β^2s^e,12+s^e,22

组合的自由度是原始两者的总和。这是一种标准方法吗?是否有很好的文献/教科书参考?

2个回答

要比较模型,您需要在预测变量的每个级别都有重复。这允许您将 SS(残差)划分为 SS(缺乏拟合)加上 SS(纯误差)。理想情况下 SS(LOF)-> 零。您可以使用 F 检验进行测试。(https://en.wikipedia.org/wiki/Lack-of-fit_sum_of_squares)。如果您的模型都有两个参数,那么具有最低 F 的将是最佳选择。可能是您基于模型的理论是可取的,或者您可能只是对最小化 SS(残差)感兴趣。重要的是您有复制品。没有它们,您将无法对 SS(残差)进行分区。

您可以查看以下链接 http://www.graphpad.com/guides/prism/6/curve-fitting/index.htm?reg_interpreting_comparison_of_mod.htm