如果希望在单个实验的基础上检验三个或更多数据集之间最佳拟合参数的差异，则该如何处理？您不只是为了解所有曲线是否均一致，希望使用多重比较来比较曲线对，重点是特定的参数，Prism允许您通过两种方式实现：

方差分析法-统计显著性

1.执行非线性回归分析。从结果表中记录您正在比较的参数之最佳拟合值，也许是剂量反应曲线的对数EC50。

2.还记录这些参数的标准误差以及各曲线的自由度（等于数据点的数量减去拟合变量的数量）。

3.在Prism中创建一张新的分组表，格式为“平均值，标准误差，N”。您只能在该表的第一行输入值。

4.对于各数据集，在“平均值”列中输入参数的最佳拟合值（即logEC50）。

5.在“SEM”栏中输入最佳拟合值的标准误差。

6.对于“N”，输入该拟合的自由度加一。（为何在“N”列中输入df+1？方差分析的计算实际上并不关心n的值，取而代之的是，其只基于df。Prism从您输入的值N中减去1，并将其用作dfF。由于您输入df+1，故Prism最终会使用正确的df值。）

7.点击“分析”并选择单因素方差分析以及适当的多重比较检验。

使用非线性回归一次比较两条曲线

可一次比较两个数据集（曲线）以重新运行分析。最简单的方法是复制主分析的结果（新..复制表），随后从新分析中删除两个数据集之外的所有数据集。另一种方法是保留一个数据表，点击分析，选择非线性回归，随后在对话框的右侧选择需比较的两个数据集。

在比较拟合时有两种方法可用，额外平方和F检验以及AICc方法。

使用统计显著性（额外平方和的F检验）方法，在P=0.05时有一个传统的（尽管完全是任意的）临界值，但如果正在做许多比较，则应校正多重比较。用0.05（或任何您想要的总体值）除以您正在比较的分析对的数量，即可得出一个新的且更严格的临界值以宣明一个足够小的P值，可称该比较为“显著”。

比较曲线的AIC方法并非基于统计假设检验，亦不受多重比较的混淆，有两种途径使用该方法：

•在Prism非线性回归的“诊断”选项卡中，选中报告每条曲线的AICc的选项。然后，可手动计算或与这些AICc值进行比较。

•同时运行两个数据集的非线性回归，并使用AIC方法来探询证据的强度，即您所关心的参数（logEC50）在数据集之间的差异。AIC 计算只是为您提供一种可能性，即两个数据集的参数相同还是不同，需确定这些可能性何时相距足够远以至于您会认为这些参数不同。