重要结果

P值

结果的呈现方式与非配对t检验类似。P值用于检验“两个处理组的均值相等”这一零假设。P值既可通过t比值（与非配对t检验对应）计算，也可通过F比值计算（因为此类数据通常采用嵌套方差分析进行分析）。 t 比值是 F 比值的平方根（因为分母自由度 df 为零），因此无论采用哪种方法，P 值都是相同的。我们同时展示这两种结果，以便您能与其他程序或文献进行对照

置信区间

最重要的结果是两个均值之差的95%置信区间。如果您愿意，可以在对话框中选择90%或99%的置信区间。

其他结果（大多数科学家会忽略）

嵌套 t 检验拟合了一个混合模型。之所以称为混合模型，是因为假设子列中堆叠的值以及子列的选择是随机的，而处理因素（本示例中为教学方法）是固定的。这意味着我们关注的是这两种教学方法的检验，但学校的选择以及学校内的学生选择则是随机的。 我们并不关心那些特定的学生或特定的学校。该模型拟合了子列内部和子列之间的变异，并将这些结果分别报告为方差和标准偏差（即方差的平方根）。Prism 会报告这些数值，以便您与其他程序或教材进行比较。但这些数值其实帮助不大。

您将学生分配到不同的子列中，是因为您预期不同教室的结果会有所不同。Prism 检验的零假设是：实际上，同一列（教学方法）内的所有子列（学校）都是相同的。 此处的 P 值为 0.0027，因此您可以拒绝该零假设。该检验的实用价值有限。

Prism 可选地报告 REML 拟合优度值，以便与其他程序和教材保持一致。试图解读该值毫无意义。