GraphPad Prism 涵盖从基础统计到进阶建模的分析工具，以下为各模块功能详解。
统计比较
- 配对或非配对 t 检验：报告 P 值与置信区间。
- 火山图自动生成：基于多重 t 检验分析结果，自动绘制差异值与 P 值的火山图。
- 非参数 Mann-Whitney 检验：包含中位数差值的置信区间。
- Kolmogorov-Smirnov 检验：用于比较两组数据分布。
- Wilcoxon 检验：提供中位数的置信区间。
- 批量 t 检验：可同时执行多次 t 检验，利用错误发现率（FDR）或 Bonferroni 多重比较校正，筛选值得进一步研究的比较结果。
- 方差分析（ANOVA）：包括普通或重复测量 ANOVA，后续可使用 Tukey、Newman-Keuls、Dunnett、Bonferroni 或 Holm-Šidák 多重比较检验、趋势后检验或 Fisher 显著性差异检验。
- 不假设等标准差的 ANOVA：使用 Brown-Forsythe 和 Welch ANOVA 进行单因素方差分析，后续采用适当的比较检验（Games-Howell、Tamhane T2、Dunnett T3）。
- 多重比较的置信区间与校正 P 值：许多多重比较检验均附有置信区间和多重性校正 P 值。
- Greenhouse-Geisser 校正：使重复测量单因素、双因素和三因素 ANOVA 无需假设球形性；选择此项后，多重比较检验同样不假设球形性。
- 非参数单因素 ANOVA：Kruskal-Wallis 或 Friedman 检验，配合 Dunn 事后检验。
- Fisher 精准检验或卡方检验：可计算相对风险和比值比及其置信区间。
- 双因素 ANOVA：即使存在缺失值也可执行，并附带部分事后检验。
- 含重复测量的双因素 ANOVA：可在一个或两个因子上设置重复测量。支持 Tukey、Newman-Keuls、Dunnett、Bonferroni、Holm-Šidák 或 Fisher’s LSD 多重比较检验，分析主效应与简单效应。
- 三因素 ANOVA：限于两个因子各两个水平，第三个因子可为任意水平数。
- 混合效应模型分析重复测量数据：适用于单因素、双因素和三因素设计，类似于重复测量 ANOVA，但能处理缺失数据。
- 嵌套数据分析：使用嵌套 t 检验或嵌套单因素 ANOVA（基于混合效应模型）比较嵌套数据表中的数据。
- 多因子 ANOVA：支持任意数量的因子，并提供完整的效应量报告。
- 完整的统计报告：针对 ANOVA、列联表分析和 t 检验，提供效应量及置信区间。
非线性回归
- 内置方程拟合：提供 105 个内置方程供选择，也可自定义输入。现包含生长方程族：指数增长、指数平台、Gompertz、Logistic 和 Beta（先增长后衰减）方程。
- 微分方程或隐式方程输入：支持输入微分形式或隐式形式的方程。
- 多数据集不同方程：可为不同数据集设定不同的拟合方程。
- 全局非线性回归：在多个数据集之间共享参数。
- 稳健非线性回归：提高对异常值的抵抗能力。
- 异常值自动识别或剔除。
- 模型比较：使用额外平方和 F 检验或 AICc 比较不同模型。
- 参数比较：比较不同数据集之间的拟合参数。
- 约束条件应用：可对参数施加约束。
- 差异化加权：通过多种方法对数据点进行加权，并评估加权结果。
- 初始值设定：可使用自动估算的初始值，也可手动输入。
- 自动绘图：在指定的 X 值范围内自动绘制拟合曲线。
- 拟合精度量化：通过参数的标准误（SE）或置信区间（CI）量化拟合精度。置信区间可为对称的（传统方式）或非对称的（更准确）。
- 不精密对称性量化：使用 Hougaard 偏度衡量。
- 置信带或预测带绘制。
- 残差正态性检验。
- 模型充 分性检验：通过游程检验或重复检验评估模型。
- 协方差矩阵或依赖集报告。
- 曲线插值：从拟合曲线上轻松插值数据点。
- 双直线拟合：对两组数据分别拟合直线，确定交点及两条直线的斜率。
- 多变量表非线性回归：通过拖放分配自变量（X）、因变量（Y）和分组变量，从多变量表中执行非线性回归。
生存分析
- Kaplan-Meier 生存分析：对不同组进行非参数生存分析，使用对数秩检验（含趋势检验）比较各组的估计生存曲线。
- Cox 比例风险回归：执行半参数生存分析，允许纳入额外的连续或分类预测变量（协变量）。可自动生成任意预测变量值组合的估计生存曲线图。
- 多变量表生存分析：灵活分配变量，从多变量数据表中执行生存分析。
主成分分析（PCA）
- 成分选择方式：平行分析（蒙特卡洛模拟）、Kaiser 准则（特征值阈值）、方差比例阈值等。
- 自动生成图表：碎石图（Scree Plot）、载荷图（Loading Plot）、双标图（Biplot）等。
- 下游应用：可将分析结果用于主成分回归等后续分析。
多变量图形
- 灵活的变量映射：指定定义坐标轴、颜色和大小的变量。
- 气泡图：创建 Bubble Plots。
列统计
- 描述性统计：计算蕞小值、蕞大值、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。
- 均值或几何均值：附置信区间。
- 频率分布：生成直方图（含累积直方图）。
- 正态性检验：提供四种方法（新增 Anderson-Darling 检验）。
- 对数正态性检验：评估数据来自正态（高斯）分布与对数正态分布的可能性。
- QQ 图：作为正态性检验的一部分自动生成。
- 单样本 t 检验或 Wilcoxon 检验：将列均值（或中位数）与理论值进行比较。
- 异常值识别：使用 Grubbs 或 ROUT 方法。
- P 值分析：使用 Bonferroni 多重比较或 FDR 方法分析一组 P 值，识别”显著”发现。
简单线性回归与相关
- 斜率与截距：计算斜率和截距及其置信区间。
- 强制通过指定点：可强制回归线经过某一指定点。
- 重复 Y 值或均值 Y 拟合。
- 线性偏离检验：通过游程检验检查是否偏离线性关系。
- 残差分析与绘图：提供四种不同的残差图（包括 QQ 图）。
- 回归线比较：比较两条或多条回归线的斜率和截距。
- 标准曲线插值：沿标准曲线插值新数据点。
- 相关分析：Pearson 或 Spearman（非参数）相关分析。
广义线性模型（GLM）
- 多自变量建模：使用多变量数据表，建立多个自变量与单一因变量之间的关系模型。
- 多元线性回归：当因变量 Y 为连续变量时。
- 泊松回归：当因变量 Y 为计数数据（0, 1, 2, …）时。
- 逻辑回归：当因变量 Y 为二分类变量（是/否、通过/未通过等）时。
临床（诊断）实验室统计
- Bland-Altman 图：用于方法比较分析。
- 受试者工作特征（ROC）曲线。
- Deming 回归：II 型线性回归。
模拟
- 数据模拟：模拟 XY 表、列联表或列数据表。
- 蒙特卡洛分析：对模拟数据重复执行分析。
- 函数绘图：根据选择的方程或输入的方程及参数值绘制函数图像。
其他计算
- 曲线下面积（AUC）：附置信区间。
- 数据转换。
- 数据标准化。
- 异常值识别。
- 正态性检验。
- 表格转置。
- 基线扣除（及列合并）。
- 行列占比计算：将每个值计算为其所在行、列或总计的百分比。
- 表格内公式计算变量：在多变量表中直接使用电子表格风格的公式创建计算变量，只需输入
=即可开始。当源数据变化时，计算变量自动更新。创建的变量可用作多变量表分析中的自变量、因变量或分组变量。