拟合和比较 R 中的多个 sigmoid 曲线
Posted
技术标签:
【中文标题】拟合和比较 R 中的多个 sigmoid 曲线【英文标题】:Fit and compare multiple sigmoid curves in R 【发布时间】:2017-06-20 07:07:13 【问题描述】:我想一次拟合多条曲线,并根据它们的 3 个估计参数——渐近线、斜率和 x0 对它们进行统计比较。 这是要建模的数据的理想化图像:
大多数可搜索页面都会找到适合单个曲线的方法,如下所示: http://kyrcha.info/2012/07/08/tutorials-fitting-a-sigmoid-function-in-r/ 和这里 http://rstudio-pubs-static.s3.amazonaws.com/7812_5327615eb0044cf29420b955ddaa6173.html
就我而言,我想(统计地)测试改变变量级别对 sigmoid 的三个参数的影响。也就是说,当我拟合这个模型时:
model <- nls(y ~ asym / (1 + exp( -slope * (x – x0) ) ), start = c(…), data = my_data)
我想添加两个因子(例如,“因子A”和“因子B”)与每个不对称、斜率和 x0 项的交互,我们可以使用 @987654326 的方式@ 或 glm()
,如下所示:
model_int <- nls(y ~ asym*factorA / (1 + exp( -(slope*factorA) * (x – (x0*factorA) ) ), start = c(…), data = my_data)
这样,我可以查看这三个参数在不同级别的因子 A(以及可能的多个其他因子,如您从图像中看到的)在统计上是否存在差异。例如,我们可以看到“条件”对曲线的渐近线有影响。
我之前使用 虚拟编码 对每个交互变量的每个级别进行了此操作,但这不是直接测试这些变量的方法,并且随着模型的发展而变得相当冗长。它看起来像这样:
model_dummy <- nls(y ~ (asym+ asym.L1 * is.L1 + asym.l2*is.L2) /
(1 + exp( -slope * (x – (x0 + x0.L1 * is.L1 + x0.L2 * is.L2) ) ) ),
start = c(…), data = my_data)
正如您可能猜到的那样,这种方法在整洁和缺乏可解释性方面有明显的缺点。
有谁知道如何拟合一组 sigmoid,其中参数与数据集中的变量相互作用以产生形状略有不同的曲线?
【问题讨论】:
你找到解决办法了吗? 【参考方案1】:好吧,我不确定这是否是您要查找的内容,但 nls
函数中的此示例可能对您有所帮助:
> head(muscle)
Strip Conc Length
3 S01 1 15.8
4 S01 2 20.8
5 S01 3 22.6
6 S01 4 23.8
9 S02 1 20.6
10 S02 2 26.8
# get some initial values
musc.1 <- nls(Length ~ cbind(1, exp(-Conc/th)), muscle,
start = list(th = 1), algorithm = "plinear")
summary(musc.1)
# and now with factor Strip
b <- coef(musc.1)
musc.2 <- nls(Length ~ a[Strip] + b[Strip]*exp(-Conc/th), muscle,
start = list(a = rep(b[2], 21), b = rep(b[3], 21), th = b[1]))
summary(musc.2)
所以在你的情况下,它会是这样的:
fit <- nls(y ~ asym[Factor]/ (1 + exp(-slope[Factor]*(x –x0[Factor]))),
start = c(…),
data = my_data)
希望对你有帮助
【讨论】:
以上是关于拟合和比较 R 中的多个 sigmoid 曲线的主要内容,如果未能解决你的问题,请参考以下文章