与异方差数据拟合的生物测定剂量反应

Bioassay dose response fitting with heteroscedastic data

我正在使用 R 中的 drc 包来拟合生物测定的剂量反应曲线(4 参数逻辑:LL.4)。我收集的数据通常是异方差的(下图示例)。我正在寻找在调用 drm 时解决这个问题的方法。我发现了三种看起来很有希望的可能性:

  1. 使用 type="Poisson" 参数进行 drm。然而,对于许多分析来说,过度分散和不足分散都是可能的,所以这不太可能是一个通用的解决方案
  2. 通过呼叫 drc.boxcox 关注 drm。这似乎更通用并且可以工作。
  3. 使用在 drc.multdrc 和 drc.drm 中被注释掉之前实现的 "varPower" 转换(在 [=15= 中搜索 "varPower" ]).我可以取消注释这些部分以恢复 varPower 功能。

我的问题是,最能接受的处理方式是什么?另外,有人知道为什么 varPower 方差处理从 drc 包中删除了吗?

示例代码:

# Naive method 
a <- drm(y~x,data=subs, fct=LL.4(),control=ctl, start=params)
#Poisson Method
a <- drm(y~x,data=subs, fct=LL.4(),control=ctl, start=params, type="Poisson")
#BOXCOX method
a <- drm(y~x,data=subs, fct=LL.4(),control=ctl, start=params)
a2 <- boxcox(a)

示例数据:

我在这个 paper by the authors of the drc package 中找到了这个问题的答案。他们在论文中评论:

Weights may be used for addressing variance heterogeneity in the response. However, the transform-both-sides approach should be preferred over using often very imprecisely determined weights

"transform-both-sides"方法是指使用drc.boxcox函数(原问题中的代码)。

在与 drc 软件包的一位作者的个人交流中提供了进一步的建议。他建议,目前,medrc R 包更适合在 R 中进行剂量反应分析。