Prism 9官方版 v9.0.0.121

Prism 9官方版是专门用于科研的医学绘图工具，该拥有生物统计、科研绘图、曲线拟合等多种功能，能够非常高效的对各种数据进行分析，帮助小伙伴们处理生活和工作上的任务。有了它，用户可以在众多内置的公式列表中选择一个所需的，然后输入相关的数值，软件就会自动补全曲线剩余的部分，最终以直观的表格形式展现在用户面前，让你免去计算和繁杂的画图操作。该软件还拥有一个非常强大的分析库，包含单向、双向、三向方差分析、线性和非线性回归、剂量反应曲线等等，能够帮助用户了解所需的统计假设，以及确认自己选择了适当的测试。

与上一个版本相比，GraphPad Prism9多了很多新功能和改进，对多变量数据表进行了重大的优化，用户能够使用标准结构来搜索更多的数据集，新增了数据的限制的功能，每一个数据表最多只支持输入1024列数据，新的自动变量编码能够帮助用户将分类文本变量编码转换为数字虚拟变量，加快你的编码效率，还有了新的文本输入形式，以往用户需要编码1、0之类的变量，现在只需要在数据表里面直接输入Male或者Female即可完成信息的键入。

GraphPad Prism9新功能

一、更高维度的数据！

Prism 9对多变量数据表进行了许多重大改进。使用标准结构探索更大的数据集，并通过以下改进执行新的和改进的分析：

1、增加的数据限制-在每个数据表中最多输入1024列数据

2、自动识别变量类型-将多变量数据表中的变量识别为连续值，分类值或标签值

3、数据表中的文本信息-直接以文本形式输入数据。无需编码“ 0”和“ 1”之类的变量，只需直接在数据表中输入“ Male”和“ Female”

4、自动变量编码-输入您的数据，让Prism负责其余的工作。Prism会自动将分类文本变量编码为数字“虚拟”变量

二、主成分分析（PCA）

有时，收集的变量数量远远超过可供研究的学科数量。考虑基因表达研究，其中从分为两组的受试者中测量了成百上千种不同基因的表达水平：治疗组和对照组。可能仅仅是变量太多而无法使模型适合数据。但是，选择一些要从分析中排除的变量只会丢掉可能有用的信息！PCA是一种“降维”技术，可用于减少所需变量的数量，同时从数据中消除尽可能少的信息。

PCA中可用的其他功能包括：

1、通过平行分析（以及Kaiser方法，总方差阈值方法等）选择组件

2、碎石图，分数图和双线图的生成

3、自动准备PCA结果以进一步用于多元线性回归（主成分回归）

三、向图形添加新尺寸

直接从原始数据，符号位置（X和Y坐标），大小和填充颜色的编码变量创建气泡图。请注意，可以使用分类（分组）或连续变量来定义符号颜色和符号大小。

在此图上，超过100个国家/地区显示为单个圆圈。每个圆圈的X坐标代表该国的GDP（PPP），而Y坐标代表出生时的平均预期寿命。每个符号的大小与其所代表的国家的人口成比例（两个最大的符号分别代表中国和印度）。最后，每个符号的颜色代表该国家所在的大陆。在这种情况下，此最终变量（颜色）是分类变量，但气泡图中的颜色也可以由连续变量定义：在该图中，符号的X坐标，Y坐标和大小与以前相同。但是，现在该符号的颜色连续不断地代表该国家每1000个人的出生率。棱镜现在还具有内置的半透明配色方案，以便可以更清晰地看到重叠的符号。

四、自动将多个比较结果添加到图形

只需执行多个成对比较的适当分析即可。然后单击一次以将这些结果自动添加到图形中。要自定义这些行和星号，只需再次单击工具栏按钮。调整数据或分析，图形上显示的结果将自动更新。但是请记住，P值只是故事的一部分。别忘了报告效果估算值（例如，均值差异为95％置信区间！）

五、使用估计图更好地可视化T测试结果

在测试中执行，Prism现在将自动创建结果的估计图。在此图上，两组的原始数据都将绘制在左侧的Y轴上。在右边的Y轴上，将绘制组均值的差及其95％置信区间。该可视化提供的信息比单独的P值还多，因为它不仅显示了95％CI是否包含零（如果95％CI包含零，则P值将大于0.05；它还显示了95％CI的宽度）。如果95％CI不包括零，则P值将小于0.05）

软件特色

1、统计比较

配对或非配对t检验。报告p值和置信区间。

非参数Mann-Whitney检验，包括差中位数置信区间。

Kolmogorov Smirnov试验比较两组。

与中值区间Wilcoxon秩和检验。

执行许多T检验一次，使用虚假的发现率（或Bonferroni多重比较）选择哪个比较发现对进一步研究。

普通或重复测量方差分析由杜克，Newman Keuls，Dunnett，Bonferroni或霍尔姆通富多重比较检验，趋势后的测试，或Fisher最小显著性检验。

许多多重比较测试伴随着置信区间和多重调整P值。

Greenhouse-Geisser校正，重复测量的方差分析，没有假设球形。选择这一点时，多重比较测试也不假设球形。Kruskal Wallis和弗里德曼的非参数方差分析和邓恩的测试后。

Fisher精确检验或卡方检验。用置信区间计算相对风险和比值比。

双向方差分析，即使缺失值与一些后测试。

双因素方差分析，在一个或两个因素中重复测量。图基，Newman Keuls，Dunnett，Holm Sidak，或bonferron，渔民LSD多重比较检验主要和简单的效果。

三因素方差分析（限于两个因素中的两个水平，第三个数量级）。

Kaplan Meier生存分析。将曲线与log测试进行比较（包括趋势测试）。

2、列统计信息

计算最小，最大，四分位数，意味着，SD、CI、SEM、CV。

置信区间均值或几何平均。

频率分布（bin到直方图），包括累积直方图。

三种方法的正态性检验。

单样本t检验或Wilcoxon检验来比较列均值（或平均）与理论值。

偏度和峰度。

采用Grubbs法识别异常值或击溃。

3、线性回归与相关

用置信区间计算斜率和截距。

强制回归线通过指定的点。

适合复制y值或表示Y。

用游程检验测试线性度。

计算残差图。

比较两条或多条回归线的斜率和截距。

在标准曲线上插入新点。

皮尔森或Spearman（非参数）的相关性。

分析一堆P值，使用Bonferroni多重比较、FDR的方式来确定“重大”的发现或发明。