GraphPad Prism不仅能作图，统计也是杠杠的！

不知谁说的，先谋而后事者昌，先事而后谋者亡。GraphPad Prism似乎特别强调先事而后谋，在你输入数据之前，它会先问你，实验设计怎样的，由此决定你该用什么格式的数据表，做什么样的分析。

SPSS和Excel是先输入数据再从一串长长的菜单中挑选适用的统计方法。它们肯定不会鼓励先事而后谋，只是默认你自己应该知道先谋，“这还要我提醒？”

第1部分的列表给出了几种数据格式的大类，可以说是按图区分，也可以说是按实验设计区分；第2部分则是对第1部分的解释和图示说明；第3部分则可选择大类下的细分类别，再不懂的话下方还有软件提供的演示数据集，看看实物也就懂了。

下面再简单了解一下第1部分中的几个类别。

XY：就是用一个XY坐标系确定一个点的位置。最简单的是一个X坐标、一个Y坐标就确定了一个点。但实验嘛一般会有多几个样本，所以一个点的Y（或X）坐标可以有几个值（replicate values），这样便可计算出平均值标准差等，画出误差线。

也可从别处计算好平均值标准差，在这里直接输入计算好的值。但这不提倡，因为在几种软件之间倒来倒去很容易出错，尽量简单点。从下面的演示数据列表中可以看出，适用的方法有线性回归、非线性回归、剂量应答曲线等。下面几种都是这样一一看下去。

Column：字面意思是柱状图，其实代表一大类设计类型，其分组的指标就1个。比如治疗组和对照组，它们只有干预方式不同。适用的分析方法有t检验、单因素ANOVA等。

Grouped：示例图也是一种柱状图，但跟Column对比一下就看出了差别，它的分组指标有2个，所以也叫二维柱状图。比如一群患者分为治疗组和对照组，再分开性别观察各组的应答差异，所以这个实验的分组指标就是干预方法和性别。适用多因素ANOVA、多重t检验、热图等。

Contigency：看起来也像二维柱状图，但没有误差线，因为一根柱子就是一个数字，没有重复测量值。适用卡方检验、Fishers检验等。

Survival：这个比较单纯，就是生存分析嘛，没什么可解释了。

Parts of whole：各部分占总体的比例。

下面就以Grouped这类数据为例，看看GraphPad prism的统计流程。

二维分组数据的统计与作图

直接用软件的演示数据吧。左边选了Grouped之后，选一份适用于常规两因素方差分析的数据集，打开。

可以看到它的数据结构是这样的：

两个Group分别为两个细胞系，野生型和GPP5细胞系。两行分别为两种处理方式，血清饥饿法和正常培养。所以它的分组指标就是细胞系和处理方法两种。每个单元格表示一个样本。

发现野生型的血清饥饿组有一个值缺失了！二师兄你是不是手又抖了！好吧，幸好不是配对样本，不要紧=_=

本来嘛，拿到这份数据就可以作图了，点击旁边菜单中的Graphs，设置一些参数，再调整一下外观啥的，这些我们应该比较熟悉了。

可是啊，人家的图都标有好几个“*”，表示哪组跟哪组之间有差异的呢。这个我怎么知道？我还要另装一个SPSS计算好再过来画图吗？

当然不用哦~

先想想，我们的实验想要回答三个问题：1) 各细胞系之间是否有差异；2) 各处理方式之间是否有差异；3) 各处理方式之间的差异在不同细胞系之间是否一致。

于是，点工具栏上的Analyze，弹出一个树形结构列表，包含Prism所有的统计分析方法，不过它会根据数据结构自动打开适用的二级列表，不适用的方法就折叠起来。是不是比SPSS那样需要自己从一个个菜单中去寻找适用的统计方法要方便多了~

最上边打开的是各种数据变换，咱们暂时用不着。Grouped Analyses中则是适用的假设检验，选Two-way ANOVA。点OK之后，就可以看到Prism更可爱之处啦~

在实验设计选项卡中，先选择各数据是否配对。刚才说了不是配对，就第一行。

你可以点下边的几行看看，下方图示会配合着改变，辅助统计小白理解，比如第二行“每列是不同时间点”，图示中黄绿色高亮的单元格就会变成A:Y2、B:Y2、C:Y2，表示这三个数值用从同一个样本在不同时间点测量得到的。

下方的因子名称也改变一下，如刚才所说，两个大列是两种不同的细胞系，咱们改成Cell Lines，每行是不同的处理方式，改成Treatment。

再点旁边的多重比较选项卡，它会问你需要怎样比较，横着比、竖着比，还是各种比？同样有萌萌的图示辅助解释。

根据刚才我们列的3个问题，其实我们只需要横着比 + 竖着比，但如果分别选择的话还要出两份结果，算了我选择“各种比”，它除了横比竖比之外附送的交叉比对我来说没什么意义，我不看就是了。

下方是每组各自比还是全都跟对照组（左上角）比，显然我们的左上角并不是对照组，选各自比吧。

再来，右边的Options选项卡，设置一些技术参数，这就需要一些统计学知识了。此处做多重比较，有可能增加族错误率，需要选择校正方法。

现在我们选Bonferroni校正法、汇报校正后的P值、族显著性水平设为0.05。

下边的就自由选择啦，要不要计算置信区间、要不要叙述结果、P值显著性标记几级，等等。这里默认4级，即P<0.05为“*”，<0.01为“**”，<0.005为“***”，<0.001为“****”。

点OK之后，可看到左边文件列表中的Results文件夹下有四个新表，都是刚才统计分析的结果。

第一个是总表，为ANOVA分析的结果，它只能告诉我们各组间是否有差异，而不能告诉我们具体是哪组跟哪组有差异。

第二个表多重比较，就是告诉我们具体各组间比较的情况的。我就不贴整个表了，就截下我们比较关心的那部分看一看。

血清饥饿 – 野生型 VS 血清饥饿 – GPP5：****；血清饥饿 – 野生型 VS 正常培养 – 野生型：***；等等等等我就不念经了。

是的，这个在SPSS中是列成一个大交叉表让你自己去横向纵向对起来的，组多的时候简直要看瞎。

好了，我们可以根据这个结果列表，用上方的画线和文字工具把满天繁星（**）加到图上。

变成这样，可以很清楚地展示：血清饥饿法的两个细胞系间有差异，而常规培养则没有；野生型的两种处理方法之间有差异，GPP5细胞的两种处理之间也有差异。所以……唉结论自己下吧。

随便改改外观：