几何均值比
对数正态 t 检验用于比较两个组的几何均值。如果两个组的几何均值相等，则该比值等于 1。如果一个组的几何均值大于另一个组，则该比值将大于或小于 1，具体取决于比值的定义方向。
最有用的结果是几何均值比的置信区间。该实验的目的是确定两组的几何均值是否相等。置信区间告诉您对几何均值比的估计有多精确。如果分析的假设成立，您可以有95%的置信度认为95%置信区间包含几何均值之间的真实比值。
对于许多用途而言，这个置信区间已足够。请注意，您可以在分析对话框的“选项”标签页中更改比值的“方向”，在那里您可以指示Prism将比值计算为B/A或A/B。请注意，这会导致比值和95%置信区间发生变化，但P值将保持不变。
P 值
P 值用于判断两组几何均值的比值是否可能由偶然因素造成。它回答了以下问题：
此处的“极端”指的是几何均值比值与零值1.0的偏离程度。无论比值小于还是大于1.0，都可能得到较小的P值。这就是为什么改变比值的方向（B/A 与 A/B）会改变95%置信区间，但不会改变P值。
虽然传统上习惯于使用P值来简单判断差异是否“统计学显著”，但这并非必要，且往往并不实用。
根据P值的大小不同，您对结果的解读也会有所不同。
F 检验用于比较方差
对数正态 t 检验基于以下假设：数据采样所依据的对数转换后总体标准偏差相等。这相当于说两个总体的几何标准偏差相同，但并不等同于说两个总体的标准偏差相同（两个对数正态分布的总体可能具有相同的几何标准偏差，但标准偏差不同）。Prism 通过 F 检验来检验这一假设。
首先计算两组的几何标准偏差，分别取其对数，然后将两值平方，从而在对数尺度上获得方差。F 比值等于较大标准偏差除以较小标准偏差。因此 F 值总是大于（或可能等于）1.0。
P 值随后提出以下问题：
如果这两个总体方差确实相等，那么得到如此大或更大的 F 比值的概率是多少？
请勿将用于检验组间方差是否相等的P值，与用于检验几何均值是否相等的P值混淆。后者才是您在选择t检验时最可能想了解的那个P值。
来自非配对t检验的 R 平方
与大多数统计软件不同，Prism会在非配对t检验结果中报告R²值。该值量化了样本中所有变异中由组平均值差异所解释的比例。若R²=0.36，则意味着所有数值间变异的36%归因于两组平均值的差异，剩余64%的变异则源于组内数值间的离散。
如果两个组的平均值相同，那么数据值之间的变异就完全不会归因于组平均值的差异，因此 R² 将等于零。如果组平均值之间的差异相对于组内散布而言非常大，那么数据值之间的变异几乎全部归因于组间差异，此时 R² 将接近 1.0。
补充资源
这篇（稍长的）文章阐述了如何理解和分析对数正态数据。其中包含执行和分析对数正态t检验的特异性示例：
HJ Motulsky, T Head, PBS Clarke, 2025, 《对数正态数据的分析：非数学实务指南》。《药理学评论》，第77卷，第3期，100049
