创建回归拟合叠加图层
Contents
为回归定义一个公式固然有用，但有时我们更想把线性拟合显示在数据点上。在这一节中，我们将使用一个为线性数值创建的线性拟合，然后把它叠加到散点图上。
| 1. | 请导入Tutorial Sample Data archive(样本教程数据库)中Linear Regression Analysis(线性回归分析)文件夹下的FITC MESF Beads Completed.fey版面。 |
| 2. | 请在版面中点击Page 2(第2页)。 |
| 3. | 请选择Data(数据)→Save/Load(保存/导入)→Custom Data(自定义数据)→New Custom Data(新建自定义数据)命令。 |
| 4. | 请把新建的自定义数据命名为Regression Line Fit(回归线性拟合)(图T27.14)。 |
| 5. | 更改Columns(列)的数量为2(图T27.14)。 |
| 6. | 更改Rows(行)的数量为10(图T27.14)。 |
Figure T27.14 Creeating a New Custom Data Grid with 2 Columns and 10 Rows
| 7. | 点击OK。 |
我们将使用该自定义数据网格来为线性拟合计算数值，计算的依据是版面中上面提到的散点图上的公式。我们首先来根据线性方程中这些数据计算一列X值，后面也会用计算出的X值来计算Y值。
这一系列X值必须根据你的数据分成数据区间。在这个数据组中，中间数的范围大约从40到5500(自定义数据网格中的Median(中间数)一列)。在本例中，我们把这些值分成10个数据区间，区间之间的增量值是546[(5500-40)/10 = 546]。我们把546入整到600，所以最后的数值范围是40到5440。这里定义的范围将给出直线的上下边界。我们将使用参数数学来计算数据网格中的10行数值。
| 8. | 请点击Regression Line Fit custom data grid(回归线性拟合自定义数据网格)来将其选中。 |
| 9. | 选择Data(数据)→Calculate(计算)→Parameter Math(参数数学)→Single Calculation(单个计算)命令。 |
| 10. | 从Output Parameter(输出参数)下拉列表中 选择A (图T27.15)。 |
| 11. | 点击Formula(公式)单选按钮(图T27.15)。 |
| 12. | 请输入以下公式："=40+(Row-1)*600"(图T27.15)。 |
| 13. | 点击Calculate(计算)(图T27.15)。 |
Figure T27.15 Defining Parameter Math for Column A in the Regression Line Fit Custom Data
数据网格中的列A将被这些参数数学计算出的数值所填充。我们使用的公式把40设为最小值，并使用当前的行号减去1作为每一区间的乘数。计算的结果是自定义数据网格中的表格的值，如图T27.16所示。
Figure 27.16 Column A Calculated by Parameter Math
我们现在将计算线性拟合的Y值，计算将基于自定义标记Linear Fit for Overlays(叠加图层对应的线性拟合)为直线定义的公式，该自定义标记是通过和Creating a Linear Regression Token(创建线性回归标记)一节中相似的步骤创建的。
| 14. | 请点击Regression Line Fit custom data grid(回归线性拟合自定义数据网格)来将其选中。 |
| 15. | 选择Data(数据)→Calculate(计算)→Parameter Math(参数数学)→Single Calculation(单个计算)命令。 |
| 16. | 从Output Parameter(输出参数)下拉列表中 选择“Ｂ” (图T27.17)。 |
| 17. | 点击Formula(公式)单选按钮(图T27.17)。 |
| 18. | 请在公式文本框中输入以下文本: =LinearXtoY(P1,[ |
| 19. | 在公式中的括号后右键点击。 |
| 20. | 选择Insert Token(插入标记)。 |
| 21. | 从Custom(自定义)项目类别中插入Linear Fit for Overlays(叠加图层对应的线性拟合) 。 |
| 22. | 点击Insert(插入)。 |
| 23. | 请键入一个右侧方括号，完成标记输入。 |
取消对复选框Evaluate tokens before adding to data(在插入数据前评估标记)的选择(图T27.17)。
最后的公式看起来应该如图T27.17所示。
Figure T27.17 Defining the LinearXtoY Function
| 24. | 点击Calculate(计算)。 |
数据网格将进行更新，显示从直线公式以及数据网格中的X值计算出的Y值(LinearXtoY公式中的X值由P1=Parameter 1(参数1)=Column A(A列)定义)，如图T27.18所示。
Figure T27.18 Completed Custom Data Grid for Linear Regression
我们现在将把数据网格叠加到散点图上，以显示直线拟合。
| 25. | 请右键点击散点图。 |
| 26. | 从弹出窗口中选择Add Overlay(添加叠加图层)选项。 |
| 27. | 选择Active Files(激活文件)标签(图T27.19)。 |
| 28. | 请在Regression Line Fit(回归直线拟合)上双击(图T27.19)。 |
Figure T27.19 Choosing Regression Line Fit as an Overlay
| 29. | 更改Y-Axis Parameter(Y轴参数)为“B”。 |
| 30. | 点击OK。 |
回归直线将以红色数据点出现在散点图上(图T27.20)。我们将对散点图进行格式化，把回归变成一条简单直线。
Figure T27.20 Regression Line Fit Data Overlayed on the Scatter Plot
| 31. | 请右键点击散点图。 |
| 32. | 从弹出菜单中选择Format(格式)选项。 |
| 33. | 选择Overlays(数据层)项目类别。 |
| 34. | 选择Regression Line Fit(回归直线拟合)叠加图层。 |
| 35. | 更改Point Shape (数据点形状)为Do Not Show(不显示)。 |
| 36. | 选中Connect the points(连接数据点)复选框。 |
| 37. | 点击OK。 |
散点图现在看起来应该如图T27.21所示，把原始数据显示为数据点，而回归直线拟合显示为一条黑线。
Figure T27.21 Scatter Plot Displaying Raw Data as Dots and the Regression as a Black Line
下一章节，我们将把线性回归应用到一个FCS数据文件上，以获取MESF数据。