1
ˆ 1 z x x
50p z
i ii
i
= −
−
= + β
のとき,( p n f )
y Probabilit
Binomial ˆ , ,
全体としての尤度は個々の尤度の積となり,対数をとること によって個々の尤度の和として求めることができる.
(対数)尤度が最大となるように, を定めるパラメータ β と
x50
を推定するのが最尤法である.
-2対数尤度はχ
2値と関連する.p ˆ
i80
( ) の例
( B x x )
p = + −
exp
501
ˆ 1
81
列の作成
82
「非線形回帰のあてはめ」設定
83
JMP 解析結果
切片 x 項
-26.211489 5.00433617 推定値
6.350431 1.207517 標準誤差
17.04 17.18 カイ2乗
<.0001*
<.0001*
p値(Prob>ChiSq)
推定値は次の対数オッズに対するものです: 0/1 パラメータ推定値
0.50000000 確率
5.23775541 予測値 x
5.05542585 下側限界
5.41318710 上側限界
0.9500 1-Alpha 逆推定
11.077731404 損失
4 DFE
2.7694329 平均損失
1.6641613 平均損失平方根
b x50 パラメータ
5.0043403751 5.237755368 推定値
1.20752566 0.07823367 近似標準誤差
. . 下側信頼限界
. . 上側信頼限界
次の値で解く: 数値 NR 解
「ニ変量の関係」
「逆推定」
で解析した結果
「非線形回帰」での 解析結果
信頼区間の推定に おいて収束しない.
84
まとめ
85
まとめ1
線形と非線形の区別を明確にした.
非線形モデルを解く方法として,最小二乗法 を説明した.
非線形最小二乗法は数値計算で最適値を求 める方法であった.したがって,初期値の設 定が重要である.
JMP の「非線形回帰」では, Emax モデルを例 にパラメータとその信頼区間を直接求めた.
86
まとめ2
Emax モデルで,酵素反応速度論などの解析 ができることを示した.
Emax モデルを拡張し,さらに,効力比につい ても紹介した.
Emax モデルとロジスティック回帰のモデル式 の類似性を示し,ロジスティック回帰における 最尤法について説明した.
「非線形回帰」で最尤法が解けることを示した.
87
まとめ3
非線形モデルの解析結果として得られた信 頼区間は統計ソフトによって異なる可能性が あるので,使用しているソフトがどのような信 頼区間を算出しているかを確認することは重 要である.
非線形モデルが解けるようになったことで,適 切なモデルを作成するには,データの裏にあ る専門分野の知識が重要となる.
88
セミナーのご案内
2007 年 9 月 3 日 ( 月 ) 及び 18 日 ( 火 ) の 2 日間で非 線形回帰に関するセミナーを予定.
Excel のソルバーを利用して,考え方を説明し,
JMP で追試する.
非線形回帰の解法として,最小二乗法と,最 尤法について説明する.
効力比を求める非線形モデルについて説明 する.
非線形モデル構築における考え方を経時
データを例に説明する.
89
JMP のユーザーサポート 非線形回帰
【モデルライブラリー】抜粋
90
モデルライブラリー
91 ロジスティック2p
"Bates, D.M.and Watts, D.G.(1988), Nonlinear Regression Analysis & its Applications.New York, John Wiley and Sons."
1
1+ theta1 * Exp theta2* X
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Y
-5 0 5
X
92 ロジスティック3p
"Bates, D.M.and Watts, D.G.(1988), Nonlinear Regression Analysis & its Applications.New York, John Wiley and Sons."
theta1 1 + theta2 * Exp theta3 *X
0.0 0.5 1.0 1.5 2.0
Y
-1.0 -0.5 .0 .5 1.0 1.5 2.0
X
93 ロジスティック4p
S. (Sylvie) Huet et al.(1996), Statistical Tools for Nonlinear Regression: A Practical Guide With S-Plus and R Examples, Springer
theta1 + theta2 - theta1 1 + Exp theta3 * X- theta4
0.0 0.5 1.0 1.5 2.0
Y
0 1 2 3 4 5 6 7 8
X
) (
exp(
1
50min max
min
B X X
y y y
y + − −
+ −
=
94 Michaelis Mentenモデル(2P)
Raymond H. Myers(1986), Classical and Modern Regression With Applications, Pws Pub Co
theta1 * X theta2 + X
0 25 50 75 100 125 150
Y
.0 2.5 5.0 7.5 10.0 12.5 15.0
X