在嵌套t检验的示例中，“大鼠（处理）”的P值为0.0239。根据通常将P<0.05定义为统计学显著的标准，可以拒绝“每个处理组中所有大鼠的组平均值相同”这一零假设。

在嵌套单向方差分析的示例中，“牛群（处理）”的P值为0.1231。由于该值大于传统的0.05阈值，因此无法拒绝“每个处理组内的所有牛群平均红细胞比容相同”这一零假设。

由于该 P 值“较高”，是否应据此推断各牛群之间不存在差异，进而合并数据并进行常规 t 检验？这是一个棘手的问题。

•这种方法的吸引力在于，均值差的置信区间会更窄，P 值也会更小。

•这种方法的问题在于，较高的P值并不能证明各牛群（就本示例而言）的均值完全相同，它只是表明您没有强有力的证据证明这些均值不相同。

•一些统计学家建议绝不合并数据，认为合并本质上是一种为了使主要比较的 P 值更低而采取的“技巧”。另一些统计学家则谨慎地推荐合并，但仅限于嵌套因子的 P 值相当高时（也许大于 0.25 甚至大于 0.75）。

•Prism 软件不支持合并分析，我们也不建议采用这种方法。