nls sslogis: использование фиктивной переменной в качестве условия взаимодействия для сравнения двух сигмовидных моделей.

Я использую следующую модель в своем коде:

model <- nls(y ~ SSlogis(x, Asym, xmid, scal), 
   data = data.frame(x, y))

Есть переменная (V) с двумя уровнями: V1 и V2

  • Модель 1: Подгонка Y к X с помощью сигмовидной функции, когда V=V1 --> asymptote1
  • Модель 2: Подгонка Y к X с помощью сигмовидной функции, когда V=V2 --> asymptote2

Где asymptote1 и asymptote2 не равны.

Как мы можем показать, что асимптоты существенно различаются?

Есть ли способ использовать V в качестве термина взаимодействия и получить коэффициент взаимодействия? Я ввожу в модель V-Dummy и выдает следующую ошибку:

Ошибка в (attr(object, "initial"))(mCall = mCall, data = data, LHS = LHS): слишком мало различных входных значений для соответствия логистической модели

Если нет, то что вы предлагаете в качестве альтернативного подхода?


person Barbaletta    schedule 25.11.2019    source источник


Ответы (1)


Используйте 1_:

model <- gnls(y ~ SSlogis(x, Asym, xmid, scal), 
              data = data.frame(x, y),
              params = list(Asym ~ V))

По умолчанию это вернет два параметра для Asym: один для базового уровня (V1 по умолчанию) и один для разницы асимптот между V1 и V2. summary() должен включать всю обычную выводную информацию (стандартная ошибка, p-значение и т. д.).

От ?nlme::gnls:

params: необязательная двусторонняя линейная формула вида «p1+...+pn~x1+...+xm» или список двусторонних формул вида «p1~x1+...+xm» с возможно разные модели для каждого параметра. «p1,...,pn» представляют параметры, включенные в правую часть «модели», а «x1+...+xm» определяют линейную модель для параметров (когда левая часть формулы содержит несколько параметров , предполагается, что все они следуют одной и той же линейной модели, описываемой выражением в правой части). «1» в правой части формулы (форм) указывает на один фиксированный эффект для соответствующего параметра (параметров). По умолчанию параметры получаются из имен ‘start’.

person Ben Bolker    schedule 25.11.2019