“三向方差分析”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。
标准化效应量
本页面所述的功能和特性可在我们的全新 Pro 和 Enterprise 订阅中使用。了解更多... |
Prism 可以计算三向方差分析的效果量，这些效应量可量化每个主效应以及所有可能交互作用的大小。这些指标不仅能帮助您了解效应是否统计学显著，还能帮助您了解每个因素和交互作用解释了数据中多少变异量。 对于三向方差分析，Prism会分别报告所有七个变异来源的效应量：三个主效应、三个双因素交互作用以及一个三因素交互作用。
占总变异量的百分比
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。 在三因素设计中，您可以直接比较主效应与交互作用的相对重要性。例如，如果某一二因素交互作用（AB 与 CD）解释了总变异量的 33%，而行因素仅解释了 10%，这表明在解释数据方面，交互作用比主效应更为重要。 所有变异来源（加上残差误差）的百分比之和应为100%。
η²（Eta-squared）和偏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。对于三向方差分析，偏η²特别有用，因为它考虑了模型复杂性的增加。 当七个变异源共同作用以解释数据时，偏η²能更清晰地展现每个效应的独特贡献。偏η²值通常大于η²值，在涉及复杂因子设计的文献中更常被引用。
这些值可通过以下公式根据方差分析表计算得出：
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（解释了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）
在规划采用因子设计的未来实验时，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。
三向方差分析中效应量的解读
由于设计复杂，三向方差分析的效果量需要谨慎解读。应特别关注主效应和交互作用的效果模式。 显著的三因素交互作用表明，两个因素之间的关系依赖于第三个因素的水平，这在科学上可能比简单的主效应更具研究价值。然而，三因素交互作用的效应量通常小于二因素交互作用或主效应，这仅仅是因为它们代表了数据中更特异性和更条件性的关系。
在评估结果时，应同时考虑统计学显著性和效应量的大小。即使两者均显著，一个微小但统计学显著的三因素交互作用，其科学意义可能不如一个效应量较大的二因素交互作用重要。解释变异的百分比有助于您确定在解释和后续研究中应优先关注哪些效应。 对于三因素设计而言，效应量尤为重要，因为它能帮助您理清七个不同变异来源的复杂关系，并识别出数据中哪些关系最值得深入理解。
输出
选择 P 值的报告方式，以及所需的有效数字位数。
