GraphPad

浏览量

1000


全面的分析和强大的统计能力,一切易如反掌

进行正确的分析

避免使用统计术语。Prism使用清晰的语言提供大量的分析库,涵盖从普通到高度特定的分析 — 包括非线性回归、t检验、非参数比较、方差分析(单因素、双因素和三因素)、列联表分析、生存分析等等。每项分析都列有一个清单,以帮助您了解所需的统计假设并确认您选择了适当的检验。

有效组织您的数据

Prism为您的分析进行了特别的设计 -- 定量分析和分类数据分析。使得正确输入数据、选择合适的分析和创建精美的图表变得更加容易。

使用中随时获得帮助

降低统计的复杂性,Prism的在线帮助超出您的预期,几乎每个步骤都可从在线Prism指南中访问数千页信息。 浏览图形组合(Graph Portfolio),了解如何绘制众多的图形类型。 教程数据集还可帮助您理解执行某些分析的原因以及如何解读结果。

 
 
 

无需编程即可让您的工作自动执行

只需点击一下,即可自动将多个成对比较添加到您的分析中。只需点击工具栏按钮,即可执行这些线和星号的自定义选项。对数据或分析进行的调整,图上显示的分析结果也将自动更新。

 
 
 
 

一键式回归分析

没有其他程序能像Prism那样简化曲线拟合。 选择方程式,Prism即可完成其余工作 - 拟合曲线、显示结果和函数参数列表,在图形上绘制曲线并插入未知值。

专注于研究而不是软件

无需编码。 图形和结果会实时自动更新。 数据和分析的任何更改(添加丢失的数据、省略错误的数据、纠正错别字或更改分析选择)都将立即反映在结果、图形和布局中。

巧干、而不是苦干

优美绘图和分享工作成果的最快方法

众多的自定义图形方法

更直观地展示您的数据,而不是操作软件。 Prism让创建所需的图形变得容易。 选择图形类型,然后自定义任何部分 - 数据的排列方式、数据点的样式、标签、字体、颜色等等。 自定义选项不尽其数。

一键导出出版质量的图形

减少发表所需的时间。 Prism允许您自定义导出(文件类型、分辨率、透明度、尺寸、色彩空间 RGB/CMYK),以满足期刊的要求。 设置默认值以节省时间。

 
 

探索你的数据

让您集中精力分析最相关的数据。您可自定义如何在数据中表示关系,以有效地探索大量数据集。

加强协作

不仅限于分享您的图表。 Prism全面记录您的数据,使您能够与其他科学家有效进行协作。 Prism项目的所有部分(原始数据、分析、结果、图形和布局)都包含在一个单一的文件中,一次单击即可完成共享。 这样,其他人就可以轻松同步您的工作,从而提高了结果的清晰度并简化了协作过程。

增强的分组图

轻松创建同时显示单个点(散点)、均值(或中值)线和误差线的图表

 

探索GraphPad Prism 9的新功能!

隆重推出功能更强大的Prism,它具有增强的数据可视化和图形自定义能力,可进行

更直观的导航和更复杂的统计分析。

增强的数据可视化功能

小提琴图

与箱线图或简单的条形图相比,小提琴图可更清晰地显示大数据集的分布

估计图

自动显示您的分析结果

气泡图

直接通过表示位置(x和y坐标)、颜色和尺寸变量的原始数据即可创建气泡图

 
 
 
 
 

平滑样条

重大改进是在于通过 Akima 样条和平滑样条显示一般数据的趋势,并改进了对节点或拐点数量的控制

图形上的星号

自动向图形中添加多个比较结果

自动标注条形图

在柱状图上标注均值、中位数或样本量,以强调您工作的重点

增强的制图和自定义选项

 
 
 

更直观的导航

 

轻松查找相关工作表

新的族面板显示与当前工作表相关的工作表族,并可自动缩进分析链

 

轻松在多个结果表之间导航

将多结果表的分析归组为单一的工作表,每个结果表带有选项卡;可选择要显示或隐藏的标签

 

增强的搜索功能

按带有高亮显示的工作表或按指定颜色的注释进行搜索

提供八种数据表

 

多变量数据表

每行代表不同的主题,每列代表不同的变量,允许您执行多元线性回归(包括泊松回归),将数据子集提取到其他表格类型中或选择并转换数据子集

 

嵌套数据表

分析和可视化包含相关组中子集的数据;使用这些表中的数据执行嵌套 t 检验和嵌套单向方差分析

更复杂的统计分析

 

即使数据缺失,也可进行重复测量方差分析

现在,Prism 将自动拟合混合效果模型以完成此分析

 

常规方差分析的重大改进

查看单元格、行、列和总平均数(或缺少数据时的最小平方平均值);检验方差齐性。 对于单因素方差分析,选择不假设均方差的检验。

 

执行一元和多元逻辑回归

基于一个预测变量(一元逻辑回归)或多个预测变量(多元逻辑回归),将模型拟合为二进制结果(是/否、获胜/失败、通过/未通过)。

 

嵌套 t 检验和嵌套单因素方差分析

利用新型数据表进行嵌套 t 检验、嵌套方差分析以及多元线性回归(包括泊松回归)

 

绘制来自多种分析类型的残差图

以四种不同方式检验残差的正态性,并从四种不同方式中进行选择以显示这些残差

统计比较

▪ 配对或非配对 t 检验。 报告 P 值和置信区间。
▪ 通过多重t检验分析自动生成火山图(注意与P值的不同)。
▪ 非参数 Mann-Whitney 检验,包括中位数差值的置信区间。
▪ 用于比较两组的 Kolmogorov-Smirnov 检验。
▪ 含中位数置信区间的 Wilcoxon 检验。
▪ 一次执行多个 t 检验,使用错误发现率(或 Bonferroni 多重比较)选择哪些比较是需要进一步研究的新发现。
▪ 进行普通或重复测量方差分析,然后进行 Tukey、Newman-Keuls、Dunnett、Bonferroni 或 Holm-Sidak 多重比较检验,趋势后验或 Fisher 最小显著性检验。
▪ 在不假设群体具有相同标准偏差的情况下,使用 Brown-Forsythe 和 Welch 方差分析进行单因素方差分析,然后进行适当的比较检验(Games-Howell、Tamhane T2、Dunnett T3)
▪ 许多多重比较测试都伴随着置信区间和多重性调整的P值。
▪ 进行 Greenhouse-Geisser 校正,因此重复测量的单向、双向和三向方差分析不必假设结果呈球形分布。 选择此项时,多个比较检验也不必假设呈球形分布。
▪ 含 Dunn 后验的 Kruskal-Wallis 或 Friedman 非参数单向方差分析。
▪ Fisher 精确检验或卡方检验。 计算含置信区间的相对风险和优势比。
▪ 对即使在某些后验中仍缺少数值的数据进行双向方差分析。
▪ 对一个或两个因素进行重复测量的数据进行双向方差分析。 Tukey、Newman-Keuls、Dunnett、Bonferroni、Holm-Sidak 或 Fisher LSD 多重比较检验主要和简单效应。
▪ 三向方差分析(限制在其中两个因素中的两个级别,和在第三个因素中的任意数量的级别)。
▪ 使用混合效应模型(类似于重复测量方差分析,但能够处理丢失的数据),分析重复测量数据(单向、双向和三向)。
▪ Kaplan-Meier 生存分析。 应用对数秩检验(包括趋势检验)比较曲线。
▪ 使用嵌套 t 检验或嵌套单向方差分析比较嵌套数据表中的数据(使用混合效应模型)。

 

非线性回归

▪ 拟合我们的 105 个内置方程式之一,或输入您自己的方程式。 现在包括生长方程族: 指数生长、指数平台、Gompertz、Logistic 和 beta(先增长后衰减)。
▪ 输入微分或隐式方程。
▪ 输入用于不同数据集的方程。
▪ 全局非线性回归 – 在数据集之间共享参数。
▪ 强大的非线性回归功能。
▪ 自动识别或消除离群值。
▪ 使用额外的平方和 F 检验或 AICc 比较模型。
▪ 比较数据集之间的参数。
▪ 应用约束。
▪ 通过几种方法差分权重,并评估加权方法的效果。
▪ 接受自动初始估计值或输入您自己的值。
▪ 在指定的X值范围内自动绘制曲线图。
▪ 使用参数 SE 或 CI 量化拟合精度。 置信区间可为对称性(传统上)或不对称性(更准确)。
▪ 应用 Hougaard 偏度量化不精确的对称性。
▪ 绘制置信度或预测带。
▪ 检验残差的正态性。
▪ 运行或复制模型充分性检验。
▪ 报告协方差矩阵或依赖集。
▪ 从最佳拟合曲线中轻松插入数据点。
▪ 将直线拟合到两个数据集,并确定交点和双方斜率。

主成分分析Principal Component Analysis (PCA)

▪ 通过并行分析(Monte Carlo模拟)、Kaiser标准(特征值阈值)、方差阈值的比例等来选择主成分。
▪ 自动生成陡坡图、载荷图、双标图等
▪ 将PCA的分析结果用在Prism支持的主程序回归等分析中

 

多变量绘图Multiple Variable Graphing

▪ 指定定义轴坐标、颜色及尺寸的变量
▪ 创建气泡图

 

列统计

▪ 计算描述性统计: 最小值、最大值、四分位数、均值、标准差(SD)、标准误(SEM)、置信区间(CI)、变异系数(CV)、偏度、峰度。
▪ 含置信区间的均值或几何均值。
▪ 频率分布(从 bin 到直方图),包括累积直方图。
▪ 通过四种方法进行正态性检验(新功能: Anderson-Darling)。
▪ 对数正态性检验,以及从正态(高斯)与对数正态分布中取样的可能性。
▪ 创建 QQ 图作为正态性检验的一部分。
▪ 单样本 t 检验或 Wilcoxon 检验,用于对柱均值(或中位数)和理论值进行比较。
▪ 使用 Grubbs 或 ROUT 方法鉴别异常值。
▪ 分析批量 P 值,应用 Bonferroni 多重比较或 FDR 方法识别“重大”研究结果或发现。

 

简易的线性回归和相关性

▪ 计算含置信区间的斜率和截距。
▪ 强制回归线穿过指定点。
▪ 拟合以复制 Y 值或均值 Y。
▪ 应用运行测试来检验线性度偏离。
▪ 用四种不同方式(包括 QQ 图)计算和绘制残差图。
▪ 比较两条或更多条回归线的斜率和截距。
▪ 沿标准曲线插入新点。
▪ Pearson 或 Spearman(非参数)相关性。

 

广义线性模型(GLM)

▪ 使用新的多变量数据表生成多个自变量与单个因变量的相关模型。
▪ 多元线性回归(当Y连续时)。
▪ 泊松回归(当Y计数时;0,1,2,...)
▪ 逻辑回归(当Y为二进制时;是/否、通过/失败等)。

 

临床(诊断)实验室统计

▪ Bland-Altman 图。
▪ 受试者工作特征(ROC)曲线。
▪ Deming 回归(II 型线性回归)。

 

模拟

▪ 模拟XY、列或列联表。
▪ 重复模拟数据的分析,作为 Monte-Carlo 分析。
▪ 根据选择或输入的方程式和您选择的参数值绘制函数图。

 

其他计算

▪ 曲线下面积,含置信区间。
▪ 转换数据。
▪ 标准化。
▪ 鉴别异常值。
▪ 正态性检验。
▪ 转置表格。
▪ 减去基线(以及合并列)。
▪ 将每个值计算为其行、列或总计的分数。

发掘GraphPad Prism中可用统计特征的多样性

上一页

下一页

上一页

下一页