如果基于单次实验，您希望检验三个或更多数据集之间最佳拟合参数的差异，该怎么办？您不仅想知道所有曲线是否相同，还希望通过多重比较来对比曲线两两之间的差异，并重点关注某个特定参数。Prism 提供了两种实现方法：

方差分析法 - 统计学显著性

1.执行非线性回归分析。从“结果”表中记录您要比较的参数的控制数据，例如剂量反应曲线中的 logEC50。

2. 同时记录这些参数的标准误差，以及每条曲线的自由度（等于数据点数减去拟合变量数）。

3.在 Prism 中创建一个新的分组表，格式设置为输入“均值、标准误差、样本量”。您只需将值输入到该表的第一行。

4.对于每个数据集，请在“均值”列中输入该参数的控制数据（即 logEC50）。

5.在“SEM”列中输入控制数据的标准误差。

6.对于 N，请输入比该拟合的自由度多 1 的数值。（为什么要在“N”列中输入 df+1？ANOVA 计算实际上并不关注 N 的值，而是基于 df。Prism 会从您输入的 N 值中减去 1，并将该值用作 dfF。由于您输入的是 df+1，Prism 最终会使用正确的 df 值。）

7.点击“分析”，选择单因素方差分析（one-way ANOVA）以及适当的多重比较检验。

使用非线性回归一次比较两条曲线

您可以重新运行分析，每次比较两组数据集（曲线）。最简单的方法是复制主分析的结果（“新建”>“复制工作表”），然后从新分析中删除除两组数据集以外的所有数据。另一种方法是保留一个数据表，点击“分析”，选择“非线性回归”，并在对话框右侧选择要比较的两组数据集。

比较拟合结果时有两种方法：额外平方和F检验和AICc方法。

采用统计学显著性（额外平方和F检验）方法时，传统上（尽管完全是任意设定的）会采用P=0.05作为阈值。但若进行大量比较，则需对多重比较进行校正。 将 0.05（或您设定的任何总体阈值）除以待比较的分析对数，即可得出一个更严格的新阈值，当 P 值小于该阈值时，即可判定该比较“显著”。

AIC（调整后信息量）法用于比较曲线时，不基于统计假设检验，也不会因多重比较而产生混淆。使用该方法有两种途径：

•在 Prism 非线性回归的“诊断”选项卡中，勾选报告每条曲线 AICc 的选项。随后，您可以利用这些 AICc 值进行手动计算或比较。

•每次对两个数据集运行非线性回归，并利用AIC方法评估您关注的参数（logEC50）在两个数据集之间存在差异的证据强度。AIC计算结果仅反映该参数在两个数据集中“相同”与“不同”的概率。您需要自行判断当这些概率差异足够大时，才认为参数存在差异。