三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。
效应量
本页面所述的功能和特性仅适用于我们的全新 Pro 和 Enterprise 订阅。了解更多... |
对于三因素方差分析，Prism 可计算效应量，从而量化每个主效应及所有可能交互作用的强度。这些指标不仅能帮助您判断效应是否统计学显著，还能揭示每个因素及交互作用对数据变异性的解释程度。针对三因素方差分析，Prism 会分别报告全部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。
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，如果一个二因素交互作用（AB 与 CD）解释了 33% 的总变异，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）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。部分η²表示在剔除模型中其他效应导致的变异后，每个效应所解释的方差比例。对于三因素方差分析，部分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：
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（解释了6%的方差）
•大效应：f ≈ 0.40（解释14%的方差）
在规划采用因子设计的未来实验时，Cohen's f 对于检验力分析尤为有用。
可通过以下公式利用eta平方或偏eta平方计算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。
三因素方差分析中效应量的解读
由于设计复杂，三因素方差分析的效果量需要谨慎解读。请特别关注主效应和交互作用的效果模式。显著的三向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有意义。然而，三向交互作用的效果量通常小于双因素方差分析或主效应，仅仅是因为它们代表了数据中更特异性、更条件化的关系。
在评估结果时，请同时考虑统计学显著性和效应量大小。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，其科学重要性可能不如一个显著的二因素交互作用。解释变异的百分比有助于您确定哪些效应在解释结果和后续研究中应受到更多关注。 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。
