绘制残差曲线图并检验其正态性

残差等于Y的实际值与预测值之差，Prism 7可以通过回归分析绘制残差。

Prism 8对此进行了扩展，可通过方差分析（单因素、双因素或三因素）、t检验和多元回归绘制残差。对于这些分析，共有四种方式可用于检验残差的正态性，以及四种方式用于绘制残差图曲线图（包括QQ图）。

 

Poisson回归

Y值表示对象或事件的实际数量（未达到正态分布）时，预计残差不会遵循高斯分布，而是遵循泊松分布。

Prism现在允许您指定非线性和多元回归的泊松残差，并相应地进行计算。

 

逻辑回归

结果变量（Y值）为二元变量（是/否、1/0、有效/无效等）时，可以使用逻辑回归将模型拟合到数据中。Prism8.3.0新增了一些功能，现在您可以使用单个预测变量（X变量）进行简单逻辑回归，或者使用多个预测变量执行多重逻辑回归。

 

为非线性回归内置了更多的方程

•Pade（1，1）近似方程，标准曲线在高浓度下稳定时（类似于等轴双曲线），有助于插值计算。

•生长方程簇。这些方程的使用范围很广 - 从培养基中的细胞数量增长到经济的增长，均适用。提供的方程包括指数增长、指数平稳期、Gompertz、逻辑和β（先增长，后衰退）。

•用于模拟 暴露 于辐射后引起的细胞死亡的线性二次方程的几种形式。

•铰链函数，与分段线性回归模型基本相同，不同之处在于两条直线以平缓的曲线（而非硬角）相连。

•将直线拟合到两个数据集，并找到 交叉点 和两个斜率。

•在Prism 8.2中，我们扩展了我们的方程库，以此确保所有剂量反应方程如今均具有适用于X代表浓度和X代表对数（浓度）时的形式。

 

非对称（轮廓似然）置信区间

•计算非对称轮廓似然置信区间的速度快2-3倍。

•由于方程复杂，Prism有时会显示“???”，而非一个或两个置信限度的值。这种情况仍有可能发生，但发生的频率要低得多。

新选择

•现在，您选择删除非线性回归中的异常值时，可以要求Prism创建一个包含“干净”数据（无异常值）的结果表。

•检测非线性回归中的“不稳定”参数：Prism 8.2中引入了新的“Prism Labs”功能，作为Prism检测不良拟合的替代方法。早期版本可检测到“模拟拟合”。使用可选设置（位于非线性回归的“置信度”选项卡上），Prism可检测到“不稳定”参数。根据我们的经验，该方法更好，因为在新方法能够显示结果的情况下，“模糊”方法有时不会显示结果。