如何计算R中logistic模型中渐近线出现的时间？

我用nls函数拟合了R中的逻辑增长模型

pop.ss <- nls(MRDRSLT ~ SSlogis(TIME, phi1, phi2, phi3), data = testing, na.action = na.omit)

Formula: MRDRSLT ~ SSlogis(TIME, phi1, phi2, phi3)

Parameters:
      Estimate Std. Error t value Pr(>|t|)   
phi1   0.23179    0.03317   6.988  0.00602 **
phi2 431.16641   36.68846  11.752  0.00132 **
phi3  79.58386   29.09809   2.735  0.07164 . 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.01824 on 3 degrees of freedom

Number of iterations to convergence: 3 
Achieved convergence tolerance: 7.55e-06

pop.ss | t |）
phi1 0.23179 0.03317 6.988 0.00602**
phi2 431.16641 36.68846 11.752 0.00132**
phi3 79.58386 29.09809 2.735 0.07164。
---
签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1
剩余标准误差：3个自由度上的0.01824
收敛的迭代次数：3
达到收敛公差：7.55e-06

---

PH1是模型开始稳定的增长率。有没有时间可以很容易地找到发生这种情况的时间

---

或者我需要存储系数并重新排列以使t成为主题吗？

让我们尝试通过使用我们自己的参数创建我们自己的逻辑曲线来澄清我们的想法

我们将观察1:100的时间间隔，并将时间=50作为曲线的中点。在y轴上，我们将使曲线从左侧的0开始，在右侧的20处稳定。请注意，由于逻辑曲线的形状，平台仅在时间=无穷大时“到达”

我们还将添加一些随机噪声，以便在nls拟合中不会出现奇点

---

phi1“PH1是模型开始稳定的增长率。”嗯，不。
PH1
是渐近线。“是否很容易找到发生这种情况的时间？”定义为“开始平稳”。我曾看到一些论文考虑曲线何时达到平稳的问题，例如95%的平稳。但这很容易计算。@Roland，当然。不过，我想说服大家这不是武断的。
plot(testing$TIME, testing$MRDRSLT)
abline(h = summary(pop.ss)$coef["phi1", 1], col = "red")
abline(v = summary(pop.ss)$coef["phi2", 1], col = "red")