1.创建数据表

在欢迎或新建表对话框中，选择创建 XY 数据表，选择使用教程数据，并选择样本数据 "剂量-反应：全局拟合 EC50 移动"。

2.检查数据

样本数据可能部分被解释如何拟合数据的浮动注释覆盖（供未阅读本帮助页面的人）。您可以将浮动注释移开，或将其最小化。

X 值是激动剂浓度的对数。 请注意，"1e-9"与 0.000000001 完全相同。要输入对数，请输入"-9"。

Y 值为两种条件下的反应，一式两份。

3.查看图表

由于这是第一次查看图形，Prism 会弹出更改图形类型对话框。选择第一个选项，绘制平均值和误差条，选择 SD 误差条。

4.选择非线性回归

单击 ，从 XY 分析列表中选择非线性回归。

或者点击非线性回归的快捷按钮。

5.选择模型

在非线性回归对话框的 "拟合"选项卡上，转到剂量-反应-刺激模型，选择：log(激动剂) vs. response -- 变异性斜率。

暂时将所有其他设置保留为默认值。

单击 "确定"，查看图形上的叠加曲线。

6.检查结果

从 "对照组"的结果可以看出，虽然确定了一些拟合优度估计值，但无法计算出 95% 的置信区间。经处理 "结果的情况稍好一些，因为每个拟合优度估计值都可以计算出置信区间上限或下限（但没有一个拟合优度估计值有完整的 95% 置信区间）。因此，只有在极为谨慎的情况下才能解释这些结果。

Prism 无法为这些拟合优度参数计算出完整的 95% 置信区间的原因是数据不能很好地定义曲线（例如，控制数据（圆圈）数据集不能定义曲线的底部高原）。EC50 是指在曲线底部和顶部高原中间产生反应的浓度。如果无法准确定义底部，EC50 也无法准确定义。

7.返回对话框，共享三个参数

如果您愿意假设在控制数据和处理数据条件下，顶高原和底高原以及斜率是相同的，那么您可以从这组数据中得到更好的结果。换句话说，您可以假设处理会移动 EC50，但不会改变基础反应、最大反应或 Hill 斜率。

单击结果表左上角的按钮返回非线性回归对话框。

转到约束选项卡，选择共享 Bottom、Top 和 HillSlope 的值。共享这些参数时，Prism 会对数据集进行全局拟合，为 Bottom、Top 和 HillSlope（两个数据集）找到一个拟合优度值，并为 logEC50 分别找到拟合优度值。

8.查看修改后的图表和结果

 

使用这种参数共享方法，置信区间会更紧凑。

9.统计比较两个 logEC50 值

返回非线性回归参数对话框，转到比较选项卡。选择 "测试所选非共享参数在数据集之间是否不同"选项。确保已选择 "额外平方和 F 检验"，然后选中 "LogEC50"旁边的复选框。

Prism 现在会以两种方式拟合数据：

1.为每个数据集分别拟合具有 LogEC50 参数的模型。这与上一步的拟合相同，并将继续共享分析对话框 "约束"选项卡中定义的 "顶部"、"底部"和 "山坡"参数。

2.共享包括 LogEC50 在内的所有参数。与第一种方法一样，已经共享了三个模型参数。由于在第二次拟合中共享了所有四个参数，Prism 对所有数据进行了同一条曲线拟合，而忽略了数据所处的处理组别。它使用额外的平方和 F 检验来比较平方和（实际上是平方和，因为每次拟合都有两个数据集）。结果显示在结果表的顶部。

P 值很小，因此我们拒绝了人群中两个 LogEC50 值相同的零假设，而是得出了两个 LogEC50 值不同的结论。

请注意，由于所有参数都是共享的，您可以在分析参数对话框的 "比较"选项卡上选择 "一条曲线是否充分拟合所有数据集？"在这种情况下，这两种比较方法是等效的（同样因为所有参数都是共享的），比较结果也是相同的（尽管结果表中的措辞会略有不同）：

10.直接拟合两个 IC50 值的比值

根据步骤 8 中的结果，您可以计算出您想知道的结果--两个 EC50 值的比值。

但是 Prism 可以直接计算这个值。

返回分析参数对话框，在 "拟合"选项卡上，将 "剂量反应方程 - 特殊"方程组中的方程更改为 "EC50 移动"。接受所有默认值并单击 "确定"。由于模型等效，图表看起来将完全相同。但现在，Prism 不再拟合两个对数 EC50 值，而是拟合一个并同时拟合比率。

这个方程的设计正是为了满足本示例的需要。请阅读本方程的设置方法，以便在必要时构建自己的方程。