如果您希望在一次实验的基础上测试三个或更多数据集之间的拟合优度参数差异，该怎么办？您不仅仅想知道所有曲线是否相同。您希望使用多重比较来比较成对的曲线，重点关注某个特定参数。Prism 可以让您通过两种方法实现这一目的：

方差分析方法 -- 统计显著性

1.进行非线性回归分析。从结果表中记录您要比较的参数的拟合优度值，也许是剂量反应曲线的 logEC50。

2.同时记录这些参数的标准误差和每条曲线的自由度（等于数据点数减去变异性拟合变量数）。

3.在 Prism 中新建一个分组表，表格格式为 "组平均值、标准误差、N"。只在表格的第一行输入数值。

4.对于每个数据集，在 "平均值"一栏输入参数的拟合优度值（即 logEC50）。

5.在 "SEM"栏中输入拟合优度值的标准误差。

6.对于 N，请输入比该拟合的自由度多一个的数值。(为什么要在 "N"栏中输入 df+1？方差分析计算实际并不关心 N 值，而是基于 df。Prism 会从您输入的 N 值中减去 1，然后将其作为 dfF。由于您输入的是 df+1，Prism 最终会使用正确的 df 值）。

7.单击 "分析"，选择单因素方差分析和多重比较检验。

使用非线性回归一次比较两条曲线

您可以重新运行分析，一次比较两个数据集（曲线）。最简单的方法是复制主分析结果（新建...复制表），然后从该新分析中删除除两个数据集以外的所有数据集。另一种方法是保留一个数据表，点击分析，选择非线性回归，然后在该对话框的右侧选择要比较的两个数据集。

比较拟合时有两种方法，即额外平方和 F 检验和 AICc 方法。

对于统计学显著性（额外平方和 F 检验）方法，有一个 P=0.05 的传统（尽管完全武断）分界线。但如果要进行多重比较，就应该对多重比较进行校正。用 0.05（或任何您想要的总体值）除以您要比较的分析对数，得出一个新的更严格的分界点，以宣布 P 值足够小，您可以将比较称为 "显著"。

比较曲线的 AIC 方法不是基于统计检验的假设检验，也不会被多重比较所混淆。有两种方法可以使用这种方法：

•在 Prism 非线性回归的 "诊断 "选项卡中，选中报告每条曲线的 AICc 选项，然后使用这些 AICc 值进行手动计算或比较。

•一次使用两个数据集运行非线性回归，并使用 AIC 方法询问您所关心的参数（logEC50）在不同数据集之间存在差异的证据有多有力。AIC 计算只是给出参数在两个数据集中相同与不同的可能性。您需要决定何时这些可能性相差足够大，您才会相信参数是不同的。