第一种是直线回归: 直线回归是最简单的回归模型,也是最基本的曲线拟合回归分析方法,将所有的测试点拟合为一条直线,其拟合函数方程式为:y=a+bx。但是因为实际实验中线性极好的情况下可能直线回归可以获得较为理想的R2值。那么如果直线线性不理想的情况下如何拟合? 推荐用户进行多项式拟合来改善直线回归线性不理想的问题。 二次多项式拟合回归方程: 二次多项式成抛物线状,开口向下或者向上,在很多ELISA实验中,拟合近似于二次多项式的升段或者降段,所以使用二次多项式拟合时,最好保证取值的范围都落在曲线的升段或者降段。其拟合函数方程式为:y=ax2+bx+c 对数拟合回归方程: 我们将标准品的O.D测值设为x轴,标准品浓度的对数作为y轴,浓度是自变量,O.D.值是因变量进行曲线拟合。 四参数拟合回归方程: 竞争法和夹心法都可以用到。它的形状,根据情况,可能是一个单调上升的类似指数,对数,或双曲线的曲线,也可能是一个单调下降的上述曲线,还可以是一条S形曲线。它要求X值不能小于0(因为指数是实数,故有此要求)。在很多情况下它都可以拟合ELISA的反应曲线,所以它也成了ELISA中应用最广的模型之一。 |
|