Prism，它具有增强的数据可视化和图形自定义能力，可进行更直观的导航和更复杂的统计分析。
新功能简介
将你的分析和绘图带向新的维度
- 新的分析：主成分分析（PCA）
- 新的分析：主成分回归（PCR）
- 新的图形：从多元变量数据绘制气泡图
- 新的图形：从t检验生成评估图
- 扩展的分析：多元t检验选项（配对，非参数，等等）
- 扩展的分析：从多元线性回归和多元逻辑回归中做插值
- 提升数据表列数上限
- 对多变量数据表的大量改进
- 自动向图形中增加多重比较结果（自动星标）
- 对所有分析做了改进
增强的数据可视化功能
气泡图
直接通过表示位置（x和y坐标）、颜色和尺寸变量的原始数据即可创建气泡图
小提琴图
与箱线图或简单的条形图相比，小提琴图可更清晰地显示大数据集的分布
估计图
自动显示您的分析结果
平滑样条
重大改进是在于通过 Akima 样条和平滑样条显示一般数据的趋势，并改进了对节点或拐点数量的控制
增强的制图和自定义选项
图形上的星号
自动向图形中添加多个比较结果
自动标注条形图
在柱状图上标注均值、中位数或样本量，以强调您工作的重点
增强的分组图
轻松创建同时显示单个点（散点）、均值（或中值）线和误差线的图表
更直观的导航
轻松查找相关工作表
新的族面板显示与当前工作表相关的工作表族，并可自动缩进分析链
轻松在多个结果表之间导航
将多结果表的分析归组为单一的工作表，每个结果表带有选项卡；可选择要显示或隐藏的标签
增强的搜索功能
按带有高亮显示的工作表或按指定颜色的注释进行搜索
提供八种数据表
多变量数据表
每行代表不同的主题，每列代表不同的变量，允许您执行多元线性回归（包括泊松回归），将数据子集提取到其他表格类型中或选择并转换数据子集
嵌套数据表
分析和可视化包含相关组中子集的数据；使用这些表中的数据执行嵌套 t 检验和嵌套单向方差分析
更复杂的统计分析
即使数据缺失，也可进行重复测量方差分析
现在，Prism 将自动拟合混合效果模型以完成此分析
常规方差分析的重大改进
查看单元格、行、列和总平均数（或缺少数据时的最小平方平均值）；检验方差齐性。 对于单因素方差分析，选择不假设均方差的检验。
执行一元和多元逻辑回归
基于一个预测变量（一元逻辑回归）或多个预测变量（多元逻辑回归），将模型拟合为二进制结果（是/否、获胜/失败、通过/未通过）。
嵌套 t 检验和嵌套单因素方差分析
利用新型数据表进行嵌套 t 检验、嵌套方差分析以及多元线性回归（包括泊松回归）
绘制来自多种分析类型的残差图
以四种不同方式检验残差的正态性，并从四种不同方式中进行选择以显示这些残差
发掘GraphPad Prism中可用统计特征的多样性
统计比较
- 配对或非配对 t 检验。 报告 P 值和置信区间。
- 通过多重t检验分析自动生成火山图（注意与P值的不同）。
- 非参数 Mann-Whitney 检验，包括中位数差值的置信区间。
- 用于比较两组的 Kolmogorov-Smirnov 检验。
- 含中位数置信区间的 Wilcoxon 检验。
- 一次执行多个 t 检验，使用错误发现率（或 Bonferroni 多重比较）选择哪些比较是需要进一步研究的新发现。
- 进行普通或重复测量方差分析，然后进行 Tukey、Newman-Keuls、Dunnett、Bonferroni 或 Holm-Sidak 多重比较检验，趋势后验或 Fisher 最小显著性检验。
- 在不假设群体具有相同标准偏差的情况下，使用 Brown-Forsythe 和 Welch 方差分析进行单因素方差分析，然后进行适当的比较检验（Games-Howell、Tamhane T2、Dunnett T3）
- 许多多重比较测试都伴随着置信区间和多重性调整的P值。
- 进行 Greenhouse-Geisser 校正，因此重复测量的单向、双向和三向方差分析不必假设结果呈球形分布。 选择此项时，多个比较检验也不必假设呈球形分布。
- 含 Dunn 后验的 Kruskal-Wallis 或 Friedman 非参数单向方差分析。
- Fisher 精确检验或卡方检验。 计算含置信区间的相对风险和优势比。
- 对即使在某些后验中仍缺少数值的数据进行双向方差分析。
- 对一个或两个因素进行重复测量的数据进行双向方差分析。 Tukey、Newman-Keuls、Dunnett、Bonferroni、Holm-Sidak 或 Fisher LSD 多重比较检验主要和简单效应。
- 三向方差分析（限制在其中两个因素中的两个级别，和在第三个因素中的任意数量的级别）。
- 使用混合效应模型（类似于重复测量方差分析，但能够处理丢失的数据），分析重复测量数据（单向、双向和三向）。
- Kaplan-Meier 生存分析。 应用对数秩检验（包括趋势检验）比较曲线。
- 使用嵌套 t 检验或嵌套单向方差分析比较嵌套数据表中的数据（使用混合效应模型）。
非线性回归
- 拟合我们的 105 个内置方程式之一，或输入您自己的方程式。 现在包括生长方程族： 指数生长、指数平台、Gompertz、Logistic 和 beta（先增长后衰减）。
- 输入微分或隐式方程。
- 输入用于不同数据集的方程。
- 全局非线性回归 – 在数据集之间共享参数。
- 强大的非线性回归功能。
- 自动识别或消除离群值。
- 使用额外的平方和 F 检验或 AICc 比较模型。
- 比较数据集之间的参数。
- 应用约束。
- 通过几种方法差分权重，并评估加权方法的效果。
- 接受自动初始估计值或输入您自己的值。
- 在指定的X值范围内自动绘制曲线图。
- 使用参数 SE 或 CI 量化拟合精度。 置信区间可为对称性（传统上）或不对称性（更准确）。
- 应用 Hougaard 偏度量化不精确的对称性。
- 绘制置信度或预测带。
- 检验残差的正态性。
- 运行或复制模型充分性检验。
- 报告协方差矩阵或依赖集。
- 从最佳拟合曲线中轻松插入数据点。
- 将直线拟合到两个数据集，并确定交点和双方斜率。
主成分分析Principal Component Analysis (PCA)
- 通过并行分析(Monte Carlo模拟)、Kaiser标准(特征值阈值)、方差阈值的比例等来选择主成分。
- 自动生成陡坡图、载荷图、双标图等
- 将PCA的分析结果用在Prism支持的主程序回归等分析中
多变量绘图Multiple Variable Graphing
列统计
- 计算描述性统计： 最小值、最大值、四分位数、均值、标准差（SD）、标准误（SEM）、置信区间（CI）、变异系数（CV）、偏度、峰度。
- 含置信区间的均值或几何均值。
- 频率分布（从 bin 到直方图），包括累积直方图。
- 通过四种方法进行正态性检验（新功能： Anderson-Darling）。
- 对数正态性检验，以及从正态（高斯）与对数正态分布中取样的可能性。
- 创建 QQ 图作为正态性检验的一部分。
- 单样本 t 检验或 Wilcoxon 检验，用于对柱均值（或中位数）和理论值进行比较。
- 使用 Grubbs 或 ROUT 方法鉴别异常值。
- 分析批量 P 值，应用 Bonferroni 多重比较或 FDR 方法识别“重大”研究结果或发现。
简易的线性回归和相关性
- 计算含置信区间的斜率和截距。
- 强制回归线穿过指定点。
- 拟合以复制 Y 值或均值 Y。
- 应用运行测试来检验线性度偏离。
- 用四种不同方式（包括 QQ 图）计算和绘制残差图。
- 比较两条或更多条回归线的斜率和截距。
- 沿标准曲线插入新点。
- Pearson 或 Spearman（非参数）相关性。
广义线性模型（GLM）
- 使用新的多变量数据表生成多个自变量与单个因变量的相关模型。
- 多元线性回归（当Y连续时）。
- 泊松回归（当Y计数时；0，1，2，...）
- 逻辑回归（当Y为二进制时；是/否、通过/失败等）。
临床（诊断）实验室统计
Bland-Altman 图。
受试者工作特征（ROC）曲线。
Deming 回归（II 型线性回归）。
模拟
- 模拟XY、列或列联表。
- 重复模拟数据的分析，作为 Monte-Carlo 分析。
- 根据选择或输入的方程式和您选择的参数值绘制函数图。
其他计算
- 曲线下面积，含置信区间。
- 转换数据。
- 标准化。
- 鉴别异常值。
- 正态性检验。
- 转置表格。
- 减去基线（以及合并列）。
- 将每个值计算为其行、列或总计的分数。
