GraphPad Prism 9 前几天已经上线了，新增不少功能，统计分析能力有不少提高。大家已经在用的可以开始升级了。

Prism 9 新功能概览：

• 新增主成分分析（PCA）
• 新增主成分回归分析（PCR）
• 多元变量数据绘制气泡图（Bubble plot）
• t检验生成评估图（Estimation plot）
• 多元t检验选项（配对，非参数等）
• 从多元线性回归和多元逻辑回归中做插值
• 提升数据表列数上限
• 对多变量数据表的大量改进
• 自动向图形中增加多重比较结果（自动星标）
• 对所有分析做了改进
  

Prism 9 核心功能介绍：

01 更高维度的数据
Prism 9对多变量数据表进行了许多重大改进。使用标准结构可以分析更大的数据集，并执行新的和改进的分析，主要改进如下：

• 提高了数据列的上限 - 在每个数据表中最多输入1024列数据。
  
• 自动识别变量类型 - 将多变量数据表中的变量识别为连续值，分类值或标签值。
  
• 数据表可输入文本信息 - 直接以文本形式输入数据。无需将变量编码“0”和“1”，只需直接在数据表中输入例如“Male”和“Female”。
  
• 自动变量编码 - 输入你的数据，让Prism负责其余的工作。Prism会自动将分类文本变量编码为数值型哑变量。
  
  

通常，在研究中，我们会发现自己拥有实验中不同变量的大量信息。举一个简单的例子，想象一下在给个体服用旨在降低血压的实验药物或安慰剂后，我们测量他们的血压。除了记录的血压测量值之外，您还可能记录了有关每个受试者的年龄、身高、体重、性别、种族以及许多其他可作为潜在变量的大量信息。

许多统计方法可以来分析这类“多变量”数据，例如多元线性回归和多元逻辑回归。使用这些“多变量”分析，意味着您可以探索感兴趣的结果而不会浪费任何可能有用的信息。为了便于处理这种增加的数据信息密度，Prism提供了多变量数据表以将数据容纳在标准数据结构中，该数据结构几乎已在其他统计软件或代码包中普遍使用（例如R，SPSS和MATLAB）。在这种数据结构格式中，每一列代表一个不同的变量，而每一行代表一个不同的受试者（每个受试者的每个变量的测量值将放入该受试者所在行的相应列中）。

02 主成分分析（PCA）


有时，收集的变量数量远远超过可供研究的受试者数量。看一下基因表达的研究，将受试者分为两组：治疗组和对照组，然后测量成百上千种不同基因的表达水平。可能只是变量太多而无法使模型适配数据。但是，简单的去掉一些变量不去分析，可能会导致丢失有价值的信息。选择一些要从分析中排除的变量只会丢掉可能有用的信息！PCA就是这样一种“降低维度”的技术，可以用它来减少所需变量的数量，但同时从数据中消除尽可能少的信息。


其它PCA功能：

• 通过平行分析（以及Kaiser方法，总方差阈值方法等）来选择成分。
  
• 生成碎石图（Scree Plots）、分数图（Score Plots）和双标图（Biplots）。
  
• 自动准备PCA的结果，以进一步用于多元线性回归（PCR - 主成分回归）。
  
  

03 向图表添加新的维度


可以从原始数据 – 对符号位置（X和Y坐标）、大小及填充颜色等编码的变量，直接创建气泡图。请注意，可以使用分类（分组）变量或连续变量来定义符号颜色和大小。

在此图上，有100多个国家/地区显示为单个圆圈。每个圆圈的X坐标代表该国的GDP（PPP），而Y坐标代表出生时的平均预期寿命。每个符号的大小与其所代表的国家的人口成比例（两个最大的符号分别代表中国和印度）。最后，每个符号的颜色代表该国家所在的大洲。在这个例子里的变量（颜色）是分类变量，但气泡图中的颜色也可以像下面这样由连续变量定义：


此图中，符号的X坐标、Y坐标和大小的定义与上例相同。但是，现在该符号的颜色是连续的，其代表该国家每1000个人的出生率。Prism现在还具有内置的半透明配色方案，以便可以更清晰地看到重叠的符号。

04 自动将多个比较结果添加到图形中

对多个成对比较执行相应的分析后，点击一个按钮就可以将这些结果自动添加到图形中。要自定义这些线和星号，只需再次点击工具栏的按钮即可。如果对数据或分析进行了调整，图形上显示的结果将自动更新。但是请记住，P值只是你研究成果的一方面。别忘了还要报告效应估计值（effect estimation，例如， 95％置信区间的均值差异）。

05 使用估计图更好地可视化T检验结果

添加P值以证明均值差异的95％CI与P值之间的关系。如果95％CI包括零，则P值 将 小于0.05。观察95％CI比单独使用P值更具参考价值。

执行t检验时，Prism现在会自动创建分析结果的估计图（Estimation Plots ）。在此图上，两组的原始数据都将绘制在左侧的Y轴上。在右边的Y轴上，将绘制组均值差异及其95％置信区间。该图比只使用P值会提供更多的信息，因为它不仅显示了95％CI是否包括零，还显示了95％CI的范围（如果95％CI包括零，则P值将大于0.05，如果95％CI不包含零，则P值将小于0.05）。