几何均值的比值
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值的置信区间。 该实验的目的是确定两组的几何均值是否相等。置信区间可反映您对几何均值比值的精确了解程度。如果分析的假设成立，则可以95%的置信度认为，95%置信区间包含两组几何均值之间的真实比值。
对于许多用途而言，仅需此置信区间即可。 请注意，您可以在分析对话框的“选项”选项卡中更改比值的“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，这将导致比值和 95% 置信区间不同，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”是指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。
虽然传统上会使用P值来简单判断差异是否“统计学显著”，但这并非必要，且往往没有实际意义。
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方差相等。 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方差相同（两个对数正态分布的总体可能具有相同的几何标准偏差，但方差不同）。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，然后将两者的对数平方，从而在对数尺度上得到方差。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完全相等，那么获得如此大或更大的 F 比值的概率是多少？
请不要将检验组间方差是否相等的P值，与检验几何均值是否相等的P值混淆。后者才是您在选择t检验时最可能考虑的问题所对应的P值。
来自非配对t检验的 R² 值
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% 归因于两组平均值之间的差异，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（篇幅稍长）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检验的具体示例：
HJ Motulsky, T Head, PBS Clarke, 2025, 《对数正态数据的分析：非数学实践指南》。《药理学评论》，第77卷，第3期，100049
