“拟合曲线”平台概述

某些模型的参数是线性关系的（例如，二次式或其他多项式）；而某些模型的参数可变换为线性关系（例如，在您使用 x 的对数变换时）。“拟合模型”或“以 X 拟合 Y”平台在这些情形下更适用。《拟合线性模型》中的使用“拟合模型”的回归分析示例中的示例显示了吸氧量与跑步时间之间存在显著的线性关系。有关“拟合模型”的详细信息，请参见《拟合线性模型》中的模型规格。有关“以 X 拟合 Y”的详细信息，请参见《基本分析》中的“以 X 拟合 Y”介绍。

“拟合曲线”平台支持您拟合参数具有非线性关系的模型。本章中的第一个示例将展示一个非线性关系的分析：药物毒性是浓度的函数， 但浓度对于毒性的影响随着剂量由低到高发生变化，所以这种关系是非线性的。

下面列出了线性和非线性函数的方程的示例。

线性函数：

非线性函数：

“拟合曲线”平台提供预定义的模型，如多项式、Logistic、Gompertz、指数、峰值和药代动力学模型。指定分组变量允许您为分组变量的每个水平分别估计模型参数， 因此您可以比较分组变量各水平下的拟合模型和估计参数。

“拟合曲线”还支持您构建模型以创建预测公式。之后您可以在“非线性”中设置参数上限和下限。请参见设置参数限值的示例。在 JMP Pro 中，还可以指定一组补充变量，并在“拟合曲线”平台中拟合广义回归模型，以确定这些变量如何影响响应。

需要更多信息？有问题？从 JMP 用户社区得到解答 (community.jmp.com).