“双因素方差分析”对话框的“选项”选项卡有两个帮助页面：
•另一页面介绍了多重比较选项。
•本页面说明了图形和输出选项。
图形选项
如果您选择了计算置信区间的多重比较方法（如 Tukey、Dunnett 等），Prism 可以绘制这些置信区间。这是展示方差分析关键结果的绝佳方式。建议在呈现结果时展示如下图所示的图表。
附加结果
•除了常规的表格结果外，还请以段落（叙述）形式报告结果。当您拟合混合模型时，此功能不可用。
•创建均值表，展示每个单元格、每行及每列的均值（若存在缺失值，则为预测的最小二乘均值），以及总体均值。
效应量
本节所述的功能仅适用于我们的全新 Pro 和 Enterprise 订阅。了解更多... |
Prism 可计算双因素方差分析（ANOVA）的效果量，用于量化每个因素及其交互作用的影响程度。这些指标不仅能帮助您判断效应是否统计学显著，还能揭示每个因素解释了数据中多少变异量。虽然下文各节会进行部分说明，但“理解 ANOVA 效应量”页面提供了关于 ANOVA 中常用标准效应量计算与解读的更多详细信息。 对于双因素方差分析，Prism 会针对每个变异来源（交互作用、行因素和列因子）分别报告效应量。
总变异百分比
这是最直观的效应量指标，表示数据中总变异性的百分比由各来源解释。例如，如果行因素解释了总变异性的 46%，列因素解释了 28%，而它们的交互作用解释了 19%，这表明行因素对因变量的影响最大。剩余的变异性（本示例中约为 7%）代表无法解释的组内变异。
η²（Eta-squared）与偏η²
η²在数学上等同于“总变异量的百分比”，但以比例（0 到 1）形式表示，而非百分比。 偏η²与η²的计算方式不同：它表示在剔除模型中其他效应导致的方差后，每个效应所解释的方差比例。对于双因素方差分析，偏η²通常大于η²，且在文献中更常被引用，特别是在比较不同研究设计下的效应量时。
这些值可通过方差分析表使用以下公式计算：
Cohen's f
Cohen's f 源自eta-squared，为解读各效应的大小提供了标准化基准。Cohen提出了以下指导原则：
•小效应：f ≈ 0.10（解释1%的方差）
•中等效应：f ≈ 0.25（解释6%的方差）
•大效应：f ≈ 0.40（解释了14%的方差）
在规划未来实验时，Cohen's f 对于检验力分析特别有用。
可通过以下公式利用eta²或偏eta²计算Cohen's f：
Prism软件报告的Cohen's f值可通过上述公式结合偏eta平方值计算得出。
双因素方差分析中效应量的解读
在解读双因素方差分析中的效应量时，需关注不同变异来源间的相对大小。即使两者均统计学显著，效应量较小的统计学显著交互作用，其科学意义可能不如效应量较大的主效应。效应量的分布模式可揭示实验系统中哪些因素最为重要，并有助于指导后续研究的设计。 当不同来源解释的变异百分比有助于您理解数据中主效应与交互作用的相对重要性时，效应量尤为重要。
输出
选择 P 值的报告方式，以及其他结果所需的有效数字位数。
