Detección de umbrales mediante el ajuste de modelos de regresión segmentados en Microsoft Excel

Área de la Ciencia:

• Estadísticas biológicas
• Análisis de datos
• Computación Científica

Sus antecedentes:

• El análisis de regresión segmentada es crucial para identificar puntos de transición en los datos, pero a menudo requiere conocimientos especializados de programación.
• Las herramientas existentes en Matlab y R son inaccesibles para muchos investigadores debido a su complejidad.

Objetivo del estudio:

• Presentar un método generalmente aplicable y accesible para el análisis de regresión segmentado.
• Permitir a los investigadores detectar umbrales y ajustar los datos experimentales con funciones distintas utilizando un software fácilmente disponible.
• Demostrar la flexibilidad del método para incorporar varios tipos de funciones.

Principales métodos:

• Utilizó el complemento SOLVER de Microsoft Excel para el ajuste iterativo de mínimos cuadrados.
• Desarrolló una plantilla de hoja de cálculo para facilitar la entrada y el análisis de datos experimentales.
• Aplicó el método para ajustar los datos con dos funciones lineales segmentadas distintas y puntos de transición estimados.

Principales resultados:

• Se ha demostrado con éxito un método para el análisis de regresión segmentada utilizando SOLVER de Microsoft Excel.
• El método estima efectivamente los puntos de transición en los datos experimentales.
• El enfoque se amplió para incluir combinaciones de funciones lineales y no lineales.

Conclusiones:

• El método presentado ofrece una alternativa fácil de usar para el análisis de regresión segmentada, adecuada para investigadores sin conocimientos especializados de programación.
• Este enfoque facilita el procesamiento rápido de datos y la detección de umbrales en estudios experimentales.
• La flexibilidad del método permite modificaciones para acomodar diversas relaciones funcionales en el análisis de datos.