Wie führe ich eine 4Parameter logistische Regression durch?

Die Vier-Parameter logistische Regression mit Parallelkurven erlaubt es, die Regressionslinien zweier Stichproben (typischerweise eine Standardstichprobe und eine Sichprobe die momentan untersucht wird) zu vergleichen. Natürlich kann dieses Tool ebenfalls benutzt werden, um ein einzige Stichprobe mittels einer Vier-Parameter logistischen Regression anzunähern.

Das hier behandelte Beispiel ist ein medizinischer Fall, bei dem ein Molekül zu einer vorgegebenen Konzentration injeziert wird und bei dem die Konzentration von Zelltypen im Blut gemessen wird. Eine Excel-Mappe mit den Daten und den Ergebnissen von XLSTAT-Dose, die in diesem Tutorial behandelt werden, kann hier heruntergeladen werden.

Um das Dialogfenster der Vier-Parameter logistische Regression zu öffnen, Starten Sie XLSTAT, wählen Sie den Befehl XLSTAT/Vier-Parameter logistische Regression mit Parallelkurven oder klicken Sie auf den entsprechenden Button in der Toolbar "XLSTAT-Dose" (siehe unten).

Nach dem Klicken des Buttons erscheint das Dialogfenster. Wählen Sie die Daten auf dem Excel-Blatt aus. Die „abhängige Variable“ entspricht in diesem Fall der Zellkonzentration, und die “erklärende Variable” ist der Logarithmus der Konzentration des injezierten Moleküls. Die Option „Variablenbeschriftungen“ ist aktiviert, da die erste Zeile der Daten die Namen der Variablen enthält.

Im Reiter "Optionen" desaktivieren Sie bitte Dixon's Test, da wir nicht mit Ausreißern in den Daten rechnen.

Die Berechnungen beginnen sobald Sie auf "OK" klicken. Die Ergebnisse werden auf einem neuen Blatt angezeigt, wie im ersten Dialogfenster ausgewählt wurde. Die erste Tabelle enthält die deskriptiven Statistiken der ausgewählten Daten.

Eine weitere Tabelle zeigt die Ergebnisse der F-Tests an, die zum Überprüfen der Parallelität der beiden Kurven berechnet wurden.

Man sieht in diesem Beispiel, dass die beiden Kurven nicht als parallel angesehen werden können. Dies deutet auf einen signifikanten Unterschied zwischen den beiden Stichproben hin.

Jedoch sind die Statistiken der Anpassungsgüte hoch (siehe Tabelle unten). Die bedeutet, dass die Differenz der beiden Stichproben gut durch die Differenz der beiden Steigungsparameter c1 und c2 erklärt wird.

Die angepaßten Parameter werden in der unten stehenden Tabelle angezeigt.

Nach den Tabellen, die die Vorhersagen und die Residuen für beide Sichproben enthalten, werden die beiden Regressionkurven angezeigt um die beiden Stichproben graphisch zu vergleichen.

Man kann sehen, dass die größten Differenzen verantwortlich für den signifikanten Unterschied zwischen den beiden Stichproben in der [1.6, 2] für den Logarithmus der Konzentration liegen.

Klicken Sie hier, um zu den übrigen Einführungen zu gelangen.