"곡선 적합"의 빨간색 삼각형 메뉴에는 여러 범주의 기본 제공 모형이 포함되어 있습니다. 특정 데이터에 사용할 수 없는 모형은 회색 메뉴 옵션입니다. 개별 모형 상세 정보 및 데이터 요구 사항은 Table 14.1에서 확인하십시오.
다항
1차 ~ 5차 다항식 모형 및 거듭제곱 모형을 적합시킵니다.
시그모이드 곡선
로지스틱, 프로빗, Gompertz 및 Weibull 모형을 적합시킵니다. 이러한 모형은 S 형태이며 상위 점근선과 하위 점근선이 모두 있습니다. 로지스틱 2P, 3P 및 4P 모형과 프로빗 2P 및 4P 모형은 대칭입니다. 로지스틱 5P, 프로빗 3P 및 두 개의 Gompertz 모형은 대칭이 아닙니다. 로지스틱 2P와 프로빗 2P는 반응이 0에서 1 사이인 경우에만 사용할 수 있습니다. Weibull 성장은 반응 값과 회귀변수 값이 모두 음수가 아닌 경우에만 사용할 수 있습니다. 시그모이드 곡선의 예로는 학습 곡선과 종양 성장 모델링이 있으며 둘 다 처음에는 증가하다가 차츰 감소합니다.
지수적 성장 및 감소
지수, 이중 지수, 기계적 성장, 하이브리드 지수 및 셀 성장 모형을 적합시킵니다. 지수 2P와 3P는 비슷하지만 3P 모형에는 점근선이 있습니다. 이중 지수 모형은 두 개의 개별 성장 및 감소 프로세스가 있다고 가정합니다. 기계적 성장 및 지수 3P 모형은 항상 증가(또는 감소)하지만 증가율(또는 감소율)이 느려서 모형에 점근선이 생깁니다. 지수적 성장 및 감소의 예로는 각각 바이러스 확산과 약물 반감기가 있습니다.
정상점 모형
가우시안 정상점, 비대칭 가우시안 정상점, 편중된 정규 정상점, ExGaussian 정상점(지수 수정 가우시안 정상점), 유사 Voigt 정상점, Pearson VII 정상점 및 로렌츠 정상점 모형을 적합시킵니다. 이러한 모형은 정상점까지 증가한 후 감소합니다. 가우시안 정상점 모형은 가우시안 PDF(확률 밀도 함수)의 척도화된 결과입니다. ExGaussian 정상점 모형은 가우시안 정상점 모형과 비슷하지만 한쪽으로 치우친 형태일 수 있습니다. 로렌츠 정상점 모형은 Cauchy 분포(연속형 확률 분포)의 척도화된 결과입니다. 이러한 모형은 일부 화학 농도 시험 및 인공 신경망에 사용할 수 있습니다.
약동학 모형
1구획 경구 투여 모형, 2구획 정맥 투여 모형 및 이중 지수 4P 모형을 적합시킵니다. 이 옵션은 체내 약물 농도를 모델링하는 데 사용됩니다.
비율 방정식
Michaelis-Menten 모형 및 역 Michaelis-Menten 모형과 여러 1차 비율 및 2차 비율 모형을 적합시킵니다. Michaelis-Menten 모형은 효소 반응 속도를 기질 농도와 연관시키는 생화학적 운동 모형입니다. 1차 및 2차 비율 모형은 화학 반응을 모델링하는 데 유용합니다.
Antoine 방정식 적합
증기 압력을 온도 함수로 모델링하는 데 주로 사용되는 Antoine 모형을 적합시킵니다. Antoine 모형에는 수평 점근선과 수직 점근선이 모두 있습니다.
용해 곡선 분석
(반응 값과 회귀변수 값이 모두 음수가 아닌 경우에만 사용 가능) 용해 곡선 분석을 위한 옵션 하위 메뉴가 포함되어 있습니다. 용해 곡선은 시간 경과에 따른 정제 용해 속도를 측정합니다. 용해 곡선 분석은 새 정제 배치의 용해 곡선을 표준 또는 대조 정제 배치의 용해 곡선과 비교합니다. 새 정제 배치에 대해 각각 별도의 분석이 수행됩니다. "용해 곡선 분석" 메뉴에서는 용해 곡선 비교를 위한 모수 및 비모수 기법을 모두 제공합니다. 기본 제공 용해 곡선 모형 중 하나를 사용하는 경우 적합된 각 개별 모형에 대해 표준 모형 적합 보고서가 생성됩니다.
모형 없는 비교
용해 곡선을 비교하기 위한 비모수 기법을 제공합니다. "모형 없는 비교" 하위 메뉴에서 비모수 기법 중 하나를 사용하면 방법별 용해 곡선 보고서가 생성됩니다. 자세한 내용은 모형 없는 비교 보고서에서 확인하십시오.
참고:모형 없는 비교 기법을 사용하려면 모두 곡선에 결측값이 없어야 합니다.
F1 분석
각 시점에서 대조 정제의 곡선과 시험 정제의 곡선 간 차이 비율을 측정하는 F1 차이 요인을 사용하여 분석을 수행합니다. 자세한 내용은 곡선 적합 모형에 대한 통계 상세 정보에서 확인하십시오. F1에 대한 신뢰 구간은 붓스트랩 절차를 사용하여 계산됩니다. 붓스트랩 절차에서는 BCa(편향 수정 및 가속) 백분위수 방법을 사용합니다. 자세한 내용은 Efron 연구 자료(1981)에서 확인하십시오.
"F1 분석" 옵션을 선택하면 "용해 곡선 규격" 창이 나타납니다. 이 창에서는 대조 수준, 신뢰 구간을 계산하는 데 사용되는 유의 수준, 붓스트랩 표본 수 및 난수 시드값을 지정할 수 있습니다. 데이터가 쌓인 데이터 형식인 경우에는 대조군과 시험군 내의 개별 곡선을 식별하는 곡선 ID 열도 지정해야 합니다.
F2 분석
대조 정제의 곡선과 시험 정제의 곡선 간 용해 비율 유사성을 측정하는 F2 유사성 요인을 사용하여 분석을 수행합니다. 자세한 내용은 곡선 적합 모형에 대한 통계 상세 정보에서 확인하십시오. F2에 대한 신뢰 구간은 붓스트랩 절차를 사용하여 계산됩니다. 붓스트랩 절차에서는 BCa(편향 수정 및 가속) 백분위수 방법을 사용합니다. 자세한 내용은 Efron 연구 자료(1981)에서 확인하십시오. F2의 하한이 50보다 크면 시험 정제의 용해가 대조 정제의 용해와 유사하다는 결론을 내립니다(Paixão et al. 2017 참조).
"F2 분석" 옵션을 선택하면 "용해 곡선 규격" 창이 나타납니다. 이 창에서는 대조 수준, 신뢰 구간을 계산하는 데 사용되는 유의 수준, 붓스트랩 표본 수 및 난수 시드값을 지정할 수 있습니다. 데이터가 쌓인 데이터 형식인 경우에는 대조군과 시험군 내의 개별 곡선을 식별하는 곡선 ID 열도 지정해야 합니다.
다변량 거리
대조 정제의 곡선과 시험 정제의 곡선 간 다변량 거리를 측정하는 Mahalanobis 거리 M을 사용하여 분석을 수행합니다. 자세한 내용은 곡선 적합 모형에 대한 통계 상세 정보에서 확인하십시오. M에 대한 신뢰 구간은 다변량 정규 가정을 사용하여 계산됩니다. M의 상한이 최대 차이보다 작으면 시험 정제의 용해가 대조 정제의 용해와 유사하다는 결론을 내립니다(Paixão et al. 2017 참조).
"다변량 거리" 옵션을 선택하면 "용해 곡선 규격" 창이 나타납니다. 이 창에서는 대조 수준 및 신뢰 구간을 계산하는 데 사용되는 유의 수준을 지정할 수 있습니다. 데이터가 쌓인 데이터 형식인 경우에는 대조군과 시험군 내의 개별 곡선을 식별하는 곡선 ID 열도 지정해야 합니다.
T2EQ
Wellek T2 EQ(동등성) 검정을 사용하여 분석을 수행합니다. "다변량 거리" 옵션과 마찬가지로 이 검정은 대조 정제의 곡선과 시험 정제의 곡선 간 다변량 거리를 측정합니다. 그러나 신뢰 구간을 사용하여 유사성을 판별하는 대신 검정 통계량에 대한 p 값이 계산됩니다. P 값이 지정된 유의 수준보다 작으면 시험 정제가 대조 정제와 유사하다고 간주됩니다. T2EQ 방법은 용해 곡선에 변동성이 많이 있을 때 특히 유용합니다. 자세한 내용은 Hoffelder(2019)에서 확인하십시오.
"T2EQ" 옵션을 선택하면 "용해 곡선 규격" 창이 나타납니다. 이 창에서 대조 수준 및 p 값 유의성을 지정하는 데 사용되는 유의 수준을 지정할 수 있습니다. 데이터가 쌓인 데이터 형식인 경우에는 대조군과 시험군 내의 개별 곡선을 식별하는 곡선 ID 열도 지정해야 합니다.
Higuchi 곡선
시차 성분이 있는 모형과 버스트 성분이 있는 모형을 포함하여 Higuchi 모형을 적합시킵니다.
Hixson-Crowell 곡선
시차 성분이 있는 모형을 포함하여 Hixson-Crowell 모형을 적합시킵니다.
Korsmeyer-Peppas 곡선
시차 성분이 있는 모형과 버스트 성분이 있는 모형을 포함하여 Korsmeyer-Peppas 모형을 적합시킵니다.
시그모이드 곡선
로지스틱, 프로빗 및 Weibull 모형을 적합시킵니다. 자세한 내용은 시그모이드 곡선에서 확인하십시오.
다음 옵션에 대한 자세한 내용은 JMP 사용의 “Local Data Filters in JMP Reports”, “Redo Menus in JMP Reports”, “Save Platform Preferences” 및 “Save Script Menus in JMP Reports”에서 확인하십시오.
로컬 데이터 필터
특정 보고서에서 사용되는 데이터를 필터링할 수 있는 로컬 데이터 필터를 표시하거나 숨깁니다.
다시 실행
분석을 반복하거나 다시 시작할 수 있는 옵션이 포함되어 있습니다. 이 기능을 지원하는 플랫폼에서 "자동 재계산" 옵션은 해당하는 보고서 창에서 데이터 테이블에 대한 변경 사항을 즉시 반영합니다.
플랫폼 환경 설정
현재 플랫폼 환경 설정을 보거나, 현재 JMP 보고서의 설정과 일치하도록 플랫폼 환경 설정을 업데이트할 수 있는 옵션이 포함되어 있습니다.
스크립트 저장
보고서를 재생성하는 스크립트를 여러 대상에 저장할 수 있는 옵션이 포함되어 있습니다.
그룹별 스크립트 저장
기준 변수의 모든 수준에 대한 플랫폼 보고서를 재생성하는 스크립트를 여러 대상에 저장할 수 있는 옵션이 포함되어 있습니다. 시작 창에서 기준 변수를 지정한 경우에만 사용할 수 있습니다.
참고: 이 플랫폼의 추가 옵션은 스크립트를 통해 사용할 수 있습니다. 자세한 내용은 "도움말" 메뉴의 "스크립트 인덱스"에서 여십시오. 또한 "스크립트 인덱스"에서 이 섹션에 설명된 옵션의 스크립트 예제도 찾을 수 있습니다.