在嵌套 t 检验示例中，Rats(Treatment) 的 P 值为 0.0239。根据统计学显著性的通常定义 P<0.05，可以拒绝 "每个处理组的所有大鼠平均值相同 "的零假设。

在嵌套单因素方差分析本示例中，Herd(Treatment) 的 P 值为 0.1231。由于该值大于传统的临界值 0.05，因此不能拒绝 "每个处理组内的所有组平均值相同 "的零假设。

由于 P 值 "偏高"，您是否应该得出结论，认为牛群之间不存在差异，因此汇集数据并进行常规 t 检验？这是个难题。

•这种方法的优点是均值差异的置信区间会更窄，P 值会更小。

•这种方法的问题在于，高 P 值并不能证明（本示例中的）牛群的均值相同，它只是说你没有有力的证据证明均值不相同。

•一些统计学家建议永远不要集合，认为集合本质上是一种技巧，可以为主要比较获得较低的 P 值。另一些统计学家则谨慎地建议进行汇总，但只有当嵌套因子的 P 值相当高（可能大于 0.25，甚至大于 0.75）时才进行汇总。

•Prism 不支持汇总，我们也不推荐使用。