Absorbance (OD) yijkl represents th

Absorbance (OD) yijkl represents the outcome where the subscripts i,j,k and l represents concentrate, strain, replicate and time, respectively. Concentrate xi, strain xj and the linear b-spline modeling time f(xijkl) were also included in a three-way interaction designated by (*). The matrix X consists of all combinations of predictors (xi, xj, f(xijkl), xi_xj, xi_f(xijkl), xj_f(xijkl)) from the previously described interaction term and b1 is a vector containing the corresponding parameter estimates. b2 is a vector containing the parameter estimates for the three-way interaction term xi_xj_f(xijkl) and b0 is the intercept. The linear slopes are estimated by the linear spline function f .xijkl _ζk is the random effect designating replicate k with respect to time l, while ijkl describes the normally distributed errors. Figure 1 shows the fitted values (red lines) against the OD-based growth curves (blue lines) from the above-described regression model. Since the “spline” package in R produces scaling coefficients that can be difficult to interpret, we re-run the above mentioned regression model in STATA using the mkspline function, which gives linear coefficient estimates for each slope. Hence, to obtain linear growth estimates, regression models were fitted for all strains using the mkspline function in STATA, which provides the slope of each linear growth estimate making up the modeled curve. Both the bs function in R and the mkspline function in STATA were applied to make a linear spline with three separate, equally spaced lines joined together with two knots. These three lines represent intervals 1, 2 and 3 (See Figure 1)

ผลลัพธ์ (ไทย) 1:

Yijkl absorbance (OD) หมายถึงผลที่ตัวห้อยฉัน j, k และ l แทนข้น ต้องใช้ ทำซ้ำ และ เวลา ตามลำดับ เข้มข้น xi, xj ต้องใช้ และเหมือนอักษรไลเนียร์บีโมเดล f(xijkl) เวลาถูกรวมไว้ในการโต้ตอบที่สามจาก (*) เมตริกซ์ X ประกอบด้วยชุดข้อมูลทั้งหมดของ predictors (xi, xj, f(xijkl), xi_xj, xi_f(xijkl), xj_f(xijkl)) จากคำโต้ตอบที่อธิบายไว้ก่อนหน้านี้และ b1 เป็นเวกเตอร์ที่ประกอบด้วยพารามิเตอร์ที่สอดคล้องกันประเมิน b2 เป็นเวกเตอร์ที่ประกอบด้วยพารามิเตอร์ประเมินสำหรับ xi_xj_f(xijkl) คำโต้ตอบสาม และ b0 คือ จุดตัดแกน มีประเมินเชิงลาด ด้วยเหมือนเชิงเส้นฟังก์ชัน f .xijkl _ζk เป็นผลสุ่มลืม replicate k กับ l เวลา ขณะ ijkl อธิบายข้อผิดพลาดปกติกระจาย รูปที่ 1 แสดงค่าผ่อน (สายสีแดง) เทียบกับเส้นโค้งใช้ OD เจริญเติบโต (เส้นสีน้ำเงิน) จากแบบจำลองถดถอยที่อธิบายข้างต้น เนื่องจากแพคเกจ "เหมือน" R สร้างมาตราส่วนสัมประสิทธิ์ที่ได้แปล เรารันอีกครั้งข้างต้นกล่าวถึงแบบจำลองการถดถอยใน STATA ใช้ฟังก์ชัน mkspline ซึ่งช่วยให้ประเมินเชิงเส้นสัมประสิทธิ์สำหรับแต่ละความลาดชัน ดังนั้น เพื่อขอรับการประเมินการเติบโตเชิงเส้น การถดถอยแบบจำลองถูกติดตั้งสำหรับสายพันธุ์ทั้งหมดโดยใช้ฟังก์ชัน mkspline ใน STATA ซึ่งมีความลาดชันของการเติบโตแต่ละเส้นทำขึ้นโค้งสร้างแบบจำลองการประเมิน ทั้งฟังก์ชัน bs ใน R และ mkspline ฟังก์ชันใน STATA ถูกนำไปใช้เพื่อให้เหมือนเส้นตรงสามแยก เท่า ๆ ลที่บรรทัดร่วมกับ knots สอง บรรทัดเหล่านี้แสดงถึงช่วง 1, 2 และ 3 (ดูรูปที่ 1)

ผลลัพธ์ (ไทย) 2:

การดูดกลืนแสง (OD) yijkl แสดงให้เห็นถึงผลที่ห้อยฉัน j, k และแสดงให้เห็นถึงลิตรสมาธิความเครียดซ้ำและเวลาตามลำดับ สมาธิซีอาน XJ สายพันธุ์และการสร้างแบบจำลองเชิงเส้นขเส้นโค้งเวลา f (xijkl) ยังรวมอยู่ในการทำงานร่วมกันสามทางที่กำหนดโดย (*) เมทริกซ์ X ประกอบด้วยรวมกันทั้งหมดของการพยากรณ์ (ซีอาน XJ, f (xijkl) xi_xj, xi_f (xijkl) xj_f (xijkl)) จากคำอธิบายการทำงานร่วมกันก่อนหน้านี้และ b1 เป็นเวกเตอร์ที่มีประมาณการค่าพารามิเตอร์ที่สอดคล้องกัน b2 เป็นเวกเตอร์ที่มีการประมาณการพารามิเตอร์สำหรับการทำงานร่วมกันสามทาง xi_xj_f ยาว (xijkl) และ b0 คือตัด ลาดเชิงเส้นอยู่ที่ประมาณโดยฟังก์ชันเชิงเส้นเส้นโค้งฉ .xijkl _ζkเป็นผลสุ่มกำหนดซ้ำ k ด้วยความเคารพ l ระยะเวลาในขณะที่ ijkl อธิบายข้อผิดพลาดที่กระจายตามปกติ รูปที่ 1 แสดงค่าติดตั้ง (เส้นสีแดง) กับ OD ตามเส้นโค้งการเจริญเติบโต (เส้นสีฟ้า) จากรูปแบบการถดถอยดังอธิบาย ตั้งแต่ "เส้นโค้ง" แพคเกจในการวิจัยผลิตสัมประสิทธิ์ปรับที่อาจเป็นเรื่องยากที่จะตีความเราทำงานอีกครั้งดังกล่าวข้างต้นในรูปแบบการถดถอยเดินทางเข้ามายังใช้ฟังก์ชัน mkspline ซึ่งจะช่วยให้การประมาณการค่าสัมประสิทธิ์ลาดเชิงเส้นสำหรับแต่ละ ดังนั้นการที่จะได้รับการประมาณการการเติบโตเชิงเส้นแบบถดถอยกำลังพอดีสำหรับทุกสายพันธุ์โดยใช้ฟังก์ชั่นในการเดินทางเข้ามายัง mkspline ซึ่งมีความลาดชันของประมาณการการเติบโตเชิงเส้นแต่ละเส้นโค้งทำขึ้นแบบจำลองที่ ทั้งฟังก์ชั่นในการวิจัยเช้าและฟังก์ชั่นในการเดินทางเข้ามายัง mkspline ถูกนำไปใช้เพื่อให้เป็นเส้นโค้งเชิงเส้นที่มีสามแยกสายระยะห่างเท่า ๆ กันร่วมกันกับสองนอต ทั้งสามสายเป็นตัวแทนของช่วงเวลาที่ 1, 2 และ 3 (ดูรูปที่ 1)

ผลลัพธ์ (ไทย) 3:

การดูดกลืนแสง ( OD ) yijkl แสดงผลที่ subscripts I , J , K และ L หมายถึงสมาธิ ความเครียด การเลียนแบบ และ เวลา ตามลำดับ สมาธิ ซี สายพันธุ์ XJ และแบบเชิงเส้น b-spline เวลา F ( xijkl ) ก็รวมอยู่ในแบบปฏิสัมพันธ์เขต ( * ) เมทริกซ์ X ประกอบด้วยชุดของตัวแปร ( Xi XJ , f ( xijkl ) xi_xj xi_f , ( xijkl )xj_f ( xijkl ) จากที่อธิบายไว้ก่อนหน้านี้ปฏิสัมพันธ์ระยะยาวและ B1 เป็นเวกเตอร์ที่มีค่าพารามิเตอร์ที่เกี่ยวข้อง B2 เป็นเวกเตอร์ที่มีพารามิเตอร์การประมาณแบบปฏิสัมพันธ์ในระยะ xi_xj_f ( xijkl ) B0 เป็นสกัดกั้น ลาดเชิงเส้นที่มีการประมาณโดยเส้นตรงเส้นโค้งฟังก์ชัน f . xijkl _ ζ k คือ Random Effect ขึ้นมาเลียนแบบ K เกี่ยวกับเวลา Lในขณะที่ ijkl อธิบายการกระจายปกติข้อผิดพลาด รูปที่ 1 แสดงการติดตั้งค่า ( เส้นสีแดง ) กับ OD ตามเส้นโค้งการเจริญเติบโต ( เส้นสีฟ้า ) จากข้างต้นอธิบายขั้นตอนแบบ ตั้งแต่ " สลัก " แพคเกจในการปรับค่า R ผลิตที่สามารถยากที่จะตีความ เรากำลังเรียกใช้แบบจำลองการถดถอยที่กล่าวถึงข้างต้นในการใช้ฟังก์ชัน mkspline Language ,ซึ่งจะช่วยให้ประมาณค่าสัมประสิทธิ์ของแต่ละลาด ดังนั้น เพื่อให้ได้ประเมินการเจริญเติบโตเชิงเส้นแบบถดถอย คือพอดีสำหรับทุกสายพันธุ์ ด้วยการใช้ฟังก์ชัน mkspline ใน Language ซึ่งมีความชันของเส้นตรงแต่ละการประมาณการตั้งแบบโค้ง ทั้ง BS ในฟังก์ชัน R และฟังก์ชัน mkspline ใน Language ที่ใช้เพื่อให้เส้นโค้งเชิงเส้นกับสามแยกเท่าระยะสายร่วมกันกับ 2 น๊อต เหล่านี้สามเส้นแสดงช่วงเวลา 1 , 2 และ 3 ( ดูรูปที่ 1 )