找到最适合的斜率和截距
1. 创建一个数据表
在Welcome或New Table对话框中,选择创建XY数据表。
如果您刚刚开始,请选择样本数据:线性回归 --- 比较斜率。
如果要输入自己的数据,请选择子列格式。如果要输入复制,请选择复制值。Prism可以自动绘制误差条。您还可以选择输入已经计算过平均值和SD(或SEM)的数据。在这种情况下,如果您想要考虑SD在点与点之间的变化,请使用非线性回归来拟合直线。
2. 输入数据
如果您选择了样本数据,您会看到这些值:
如果您为几个数据集(列A、B和C)输入Y值,Prism将报告X vs. YA、X vs. YB和Xvs. YC的回归结果。它还可以测试斜率(和截距)是否显著不同。
如果不同的数据集不共享相同的X值,则对不同的数据集使用不同的行,如下所示:
3. 分析选择
单击Analyze,然后从XY分析列表中选择线性回归。
强制直线经过指定的点(如原点)?
如果您选择回归,您可以强迫直线经过一个特定的点,比如原点。在这种情况下,Prism将只确定最适合的斜率,因为截距是固定的。当科学理论告诉您直线必须经过一个特定的点(通常是原点,X=0, Y=0),而您只想知道斜率时,使用这个选项。这种情况很少发生。
做决定时要运用常识。例如,考虑一个蛋白质测定。您测量几种已知浓度的蛋白质的光密度(Y),以创建标准曲线。然后您想从标准曲线中插入未知的蛋白质浓度。在进行分析时,您调整了分光光度计,使其读数为零,蛋白质为零。因此,您可能会试图迫使回归线通过原点。但是这个约束可能导致一条线不能很好地拟合数据。由于您真正关心的是在未知数附近的直线非常符合标准,因此您可能会通过不约束直线来获得更好的拟合。
如果有疑问,您可以让Prism来寻找最适合且没有约束的的线。
拟合线性回归到单个重复还是均值?
如果在每个X值处收集重复Y值,则有两种方法可以计算线性回归。您可以将每个重复视为一个单独的点,也可以对重复的Y值取平均值,以确定每个X处的Y平均值,并使用平均值进行线性回归计算。
当每个数据点的实验误差来源相同时,您应该将每个重复视为一个单独的点。如果一个值碰巧有点高,那么没有理由期望其他复制值也很高。误差是独立的。
取重复的平均值,当重复不是独立的时,将平均值视为单个值。例如,如果它们代表同一动物的三次测量,并且在每个X值(剂量)下使用不同的动物,则重复就不是独立的。如果一只动物的反应比其他动物多,那就会影响到所有的复制。这些复制不是独立的。
测试偏离线性与运行测试
见后续“一元线性回归结果篇”
检验斜率和截距是否有显著差异
如果您输入了两个或更多数据集的数据,见后续“一元线性回归结果篇”
置信度和预测带
见下文“绘图技巧:简单的线性回归”
从线性标准曲线插值
1. 创建一个数据表
在Welcome或New Table对话框中,选择创建XY数据表。
如果您刚刚开始,请选择样本数据:从线性标准曲线中插入未知数
如果要输入自己的数据,请选择子列格式。如果要输入复制,请选择复制值。Prism可以自动绘制误差条。您还可以选择输入已经计算过平均值和SD(或SEM)的数据。在这种情况下,如果您想要考虑SD在点与点之间的变化,请使用非线性回归来拟合直线。
2. 输入数据
在同一张表格上输入低于标准的未知数。在这些行中输入没有X值的Y值(下面的示例),或者在这些行中输入没有Y值的X值。可选地输入行标题来标记这些未知数。
3. 查看图表
4. 分析选择
单击分析按钮,从XY分析列表中选择:插入标准曲线。
或者,您可以单击“分析”按钮上方的“插入标准曲线”按钮
在“标准曲线”列表中选择要插值的“直线”。除非您有很好的配置,否则您可以将该对话框集中的其他选项保留为默认值。
5. 检查结果
查看带有叠加线的图形。
结果将出现在几个页面中,其中一个包含插值,其单位将与原始数据相同。
结果的第二页列出了参数的最佳拟合值以及更多信息。对于本例,我们对这些结果不太感兴趣。
建议:何时用非线性回归拟合一条直线
线性回归是非线性回归的一种特例
简单线性回归只是非线性回归的一种更简单、更特殊的情况。计算要简单一些(但这只对程序员有影响)。您可以使用Prism的非线性回归分析来拟合直线模型,其结果将与简单的线性回归相同。
如何将线性回归分析转化为非线性回归分析
要将简单的线性回归转换为非线性回归,请打开线性回归的参数对话框,然后单击底部的“更多选择”。
非线性回归提供了更多的选择
从概念上讲,简单线性回归只是非线性回归的一个特例。但是Prism在使用非线性回归时提供了更多的选择。因此,通常使用Prism的非线性回归分析来拟合一条直线是有意义的。特别是,非线性回归分析可以让您:
- 适合线性和非线性模型,并比较两种模型
- 应用差异加权
- 自动排除异常值
- 使用稳健的拟合方法
- 用四种方式绘制残差图
- 对残差进行正态性检验
- 检查相关矩阵或依赖关系
- 用重复检验比较直线上点的散点与重复间的散点
- 报告90%置信限(或其他)的最佳拟合值。Prism的线性回归分析仅报告95% CI。非线性回归让您选择您想要的置信水平
- 报告直线/曲线的插值结果以及预测值的95%置信区间。Prism的线性回归分析不包括这些置信区间
- 使用线性回归,斜率的SE总是与斜率作为正负值一起报告。对于非线性回归,SE值是一个单独的结果块,可以复制和粘贴到其他地方
- 使用全局非线性回归拟合一条线到几个数据集。或者在多个数据集之间共享截距或斜率,而将其他参数单独拟合到每个数据集
- 运行蒙特卡罗分析
- 当您在每个X值处输入具有多个重复的数据时,Prism的非线性回归可以执行重复测试,以询问数据是否系统性地偏离直线模型。Prism不提供线性回归的重复检验
- 测试斜率(或截距)是否与建议值显著不同。例如,测试斜率是否与假设值1.0不同,或者截距是否与0.0显著不同
- 找到两条线的交叉点
必须用非线性回归拟合的直线
在两种情况下,您可能首先认为线性回归是最好的分析,但实际上非线性回归是必要的:
- 如果Y轴使用对数或概率尺度,则图形上的直线是由非线性模型创建的。在这种情况下,尽管图上的线是直的,但模型实际上并不是线性的。您需要用非线性回归来拟合这条线
- 如果您想将两条线拟合到数据的不同部分,Prism的简单线性回归分析无法做到这一点。而Prism的非线性回归可以拟合分段线性回归