小编Mat*_*t74的帖子

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提供了拟合单个曲线的方法，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，我想测试（统计）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，“factorA”和“factorB”）与每个 asym、slope 和 x0 项的相互作用，我们可以使用lm()or 的方式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，我可以看到这三个参数在 factorA 的不同级别（以及可能有多个其他因素，如您从图像中看到的）在统计上是否不同。例如，我们可以看到“条件”对曲线的渐近线有影响。

我以前用虚拟编码完成了每个交互变量的每个级别，但这不是直接测试这些变量的方法，并且随着模型的发展相当冗长。它看起来像这样： …