“双向方差分析”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。
•本页面介绍了图形绘制和输出选项。
图形选项
如果您选择了会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。建议在呈现结果时附上如下图所示的图表。
附加结果
•除了常规的表格结果外，还应以段落（叙述）形式报告结果。当拟合混合模型时，此功能不可用。
•创建一个均值表，其中显示每个单元格的均值（如有缺失值，则显示预测的最小二乘均值），以及每行和每列的均值，并包含总体均值。
标准化效应量
本节所述的功能和特性仅在我们的全新 Pro 和 Enterprise 订阅中提供。了解更多... |
Prism 可计算双向方差分析（ANOVA）的效果量，用于量化每个因素及其交互作用的影响程度。这些指标不仅有助于您了解效应是否统计学显著，还能帮助您了解每个因素解释了数据中多少变异量。 虽然下文各节中提供了一些说明，但“理解方差分析效应量”页面还就方差分析中常用标准效应量的计算和解读提供了更多详细信息。对于双向方差分析，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变异源所解释。 例如，如果行因素解释了总变异性的 46%，列因素解释了 28%，而两者的交互作用解释了 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性。
Eta-squared (η²) 和部分Eta-squared
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。 对于双向方差分析（ANOVA），偏η²通常大于η²，且在文献中更常被报告，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（ANOVA）表，利用以下公式计算得出：
科恩的f值
科恩的f值源自eta-squared，为解读各效应的大小提供了标准化的参考基准。科恩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（解释了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，科恩的f值对功效分析特别有用。
可通过以下公式，根据eta平方或偏eta平方计算科恩的f值：
Prism 报告的科恩 f 值可通过上述公式结合偏 η² 计算得出。
双向方差分析中效应量的解读
在解读双向方差分析中的效应量时，应关注不同变异来源之间的相对大小。即使交互作用和主效应均具有统计学显著性，但若交互作用的效应量较小，其科学意义可能不如主效应显著。 效应量的分布模式可以揭示哪些因素在您的实验系统中最为重要，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能帮助您理解数据中主效应与交互作用的相对重要性时，效应量就显得尤为重要。
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。
