数据与统计分析 - 产品中心

功能介绍

function Introduction

全面的分析和强大的统计能力，一切易如反掌

有效组织您的数据	进行正确的分析	使用中随时获得帮助
Prism为您的分析进行了特别的设计 -- 定量分析和分类数据分析。使得正确输入数据、选择合适的分析和创建精美的图表变得更加容易。	避免使用统计术语。Prism使用清晰的语言提供大量的分析库，涵盖从普通到高度特定的分析 — 包括非线性回归、t检验、非参数比较、方差分析（单因素、双因素和三因素）、列联表分析、生存分析等等。每项分析都列有一个清单，以帮助您了解所需的统计假设并确认您选择了适当的检验。	降低统计的复杂性，Prism的在线帮助超出您的预期，几乎每个步骤都可从在线Prism指南中访问数千页信息。浏览图形组合（Graph Portfolio），了解如何绘制众多的图形类型。教程数据集还可帮助您理解执行某些分析的原因以及如何解读结果。

巧干，而不是苦干

一键式回归分析	专注于研究而不是软件	无需编程即可让您的工作自动执行
没有其他程序能像Prism那样简化曲线拟合。选择方程式，Prism即可完成其余工作 - 拟合曲线、显示结果和函数参数列表，在图形上绘制曲线并插入未知值。	无需编码。图形和结果会实时自动更新。数据和分析的任何更改（添加丢失的数据、省略错误的数据、纠正错别字或更改分析选择）都将立即反映在结果、图形和布局中。	只需点击一下，即可自动将多个成对比较添加到您的分析中。只需点击工具栏按钮，即可执行这些线和星号的自定义选项。对数据或分析进行的调整，图上显示的分析结果也将自动更新。

优美绘图和分享工作成果的最快方法

众多的自定义图形方法	探索你的数据	一键导出出版质量的图形	加强协作
更直观地展示您的数据，而不是操作软件。 Prism让创建所需的图形变得容易。选择图形类型，然后自定义任何部分 - 数据的排列方式、数据点的样式、标签、字体、颜色等等。自定义选项不尽其数。	让您集中精力分析最相关的数据。您可自定义如何在数据中表示关系，以有效地探索大量数据集。	减少发表所需的时间。 Prism允许您自定义导出（文件类型、分辨率、透明度、尺寸、色彩空间 RGB/CMYK），以满足期刊的要求。设置默认值以节省时间。	不仅限于分享您的图表。 Prism全面记录您的数据，使您能够与其他科学家有效进行协作。 Prism项目的所有部分（原始数据、分析、结果、图形和布局）都包含在一个单一的文件中，一次单击即可完成共享。这样，其他人就可以轻松同步您的工作，从而提高了结果的清晰度并简化了协作过程。

发掘GraphPad Prism中可用统计特征的多样性

主成分分析Principal Component Analysis (PCA)	多变量绘图Multiple Variable Graphing	列统计	简易的线性回归和相关性
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	指定定义轴坐标、颜色及尺寸的变量创建气泡图	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。	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）	临床（诊断）实验室统计	模拟	其他计算
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）。	Bland-Altman 图。受试者工作特征（ROC）曲线。 Deming 回归（II 型线性回归）。	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。	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。

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。