Multivariate linear regression was

Multivariate linear regression was used to investigate the effect of Day 0 progesterone, Day 7 progesterone, BCS, grade, and DPP on the Day 7 gene expression and Day 7 embryo size. Relationships were determined on the log10 transformed Day 7 gene expression and embryo size data (a second multivariate linear regression analysis was also conducted to investigate the effect of Day 7 embryo size on the Day 7 gene expression). The analysis was based on the 81 genes with gene expression greater than the limit of detection of the assay (genes with an average log10 gene expression less than 0.6 were deemed to be below the limit of detection of the assay and largely measurement noise). The model characterizes a d-dimensional continuous response vector as a linear combination of predictors (K − 1) and an error vector that is multivariate normal distributed. For the ith observation, the multivariate linear regression model for the d × 1 response vector is

結果 (繁體中文) 1:

多元線性回歸被用於研究第0天孕酮，第7天孕酮，BCS，等級，和DPP對第7天的基因表達和第7天胚胎大小的影響。關係進行了上變換後第7天的基因表達和胚胎大小數據（第二多元線性回歸分析還進行了研究第7天胚胎尺寸對第7天的基因表達的影響）的日誌10來確定。該分析是基於81個基因與基因表達大於檢測測定的極限（基因平均日誌10的基因表達低於0.6被認為低於檢測測定的並在很大程度上測量噪聲的極限）。該模型表徵d維連續響應矢量作為預測值（K - 1）的線性組合，並且是多變量正態分佈的誤差向量。

結果 (繁體中文) 2:

使用多變數線性回歸來研究第 0 天孕酮、第 7 天孕酮、BCS、等級和 DPP 對第 7 天基因表達和第 7 天胚胎大小的影響。在log10轉化的第7天基因表達和胚胎大小資料上確定了關係（還進行了第二次多變數線性迴歸分析，以調查第7天胚胎大小對第7天基因表達的影響）。分析基於81個基因表達大於檢測極限的基因（平均對數10基因表達小於0.6的基因被認為低於檢測的極限，並且主要測量雜訊）。該模型將 d 維連續回應向量描述為預測變數 （K = 1） 的線性組合和多變數正態分佈的誤差向量。對於第 i 個觀測值，d = 1 回應向量的多變數線性回歸模型為

結果 (繁體中文) 3:

採用多元線性回歸方法研究第0天孕酮、第7天孕酮、BCS、分級和DPP對第7天基因表達和第7天胚胎大小的影響。在log10轉化的第7天基因表達和胚胎大小數據上確定關係（還進行了第二多元線性回歸分析，以研究第7天胚胎大小對第7天基因表達的影響）。該分析基於81個基因表達量大於檢測限的基因（平均log10基因表達量小於0.6的基因被認為低於檢測限，且量測雜訊較大）。該模型將一維連續響應向量描述為預測因數（K-1）和多元常态分配誤差向量的線性組合。對於第i次觀測，d×1響應向量的多元線性回歸模型為