几何平均数之比
对数正态性 t 检验比较两组的几何均值。如果两组的几何均值相同，则该比值等于 1。如果一组大于另一组，那么这个比值要么大于 1，要么小于 1，这取决于比值的定义方向。
最有用的结果是几何均值比值的置信区间。实验的重点是确定各组的几何均值是否相同。置信区间告诉你几何均值比的精确程度。如果分析的假设成立，您就可以有 95% 的把握认为 95% 置信区间包含几何均值之间的真实比值。
在很多情况下，这个置信区间就是你所需要的全部。请注意，您可以在分析对话框的选项选项卡中更改比率的 "方向"，您可以告诉 Prism 以 B/A 或 A/B 计算比率。请注意，这会导致比率和 95% 置信区间不同，但 P 值保持不变。
P 值
P 值用于询问两组几何均值的比值是否可能是偶然造成的。它可以回答这个问题：
这里的 "极端"是指几何均值之比离 1.0 的空值有多远。如果比值小于或大于 1.0，就可能得到较小的 P 值。这就是为什么改变比值的方向（B/A vs A/B）可以改变 95% 置信区间，但不能改变 P 值。
使用 P 值来简单说明差异是否具有 "统计学显著性"是传统的做法，但没有必要，而且通常也没有用处。
您将根据 P 值的大小对结果做出不同的解读。
F 检验比较方差
对数正态性 t 检验依赖于这样一个假设，即从中抽取数据的对数变换种群的方差相等。这相当于说两个种群的几何标准偏差相同，但不等于说两个种群的方差相同（两个对数正态分布的种群可以有相同的几何标准偏差和不同的方差）。Prism 使用 F 检验来检验这一假设。
首先计算两组的几何标准偏差，分别取其对数，然后将两者平方，得到对数标度上的方差。F 比率等于较大方差除以较小方差。因此，F 总是大于（或可能等于）1.0。
然后问 P 值：
如果两个种群真的具有相同的方差，那么获得这么大或更大的 F 比的机会有多大？
不要把检验组等方差检验值与检验几何均值检验值混为一谈。后一个 P 值才是你选择 t 检验时最有可能思考的问题的答案。
非配对 t 检验的 R 平方
与大多数统计程序不同，Prism 会报告R2值，作为非配对 t 检验结果的一部分。它量化了样本中所有变异中被组平均值差异所解释的部分。如果 R2=0.36，这意味着数值之间所有变异的 36% 归因于两组平均值之间的差异，剩下 64% 的变异来自于组内数值之间的分散。
如果两个组的平均值相同，那么数值之间的变化就都不是由组间平均值的差异造成的，因此R2等于零。如果组平均值之间的差异与组内的散布相比非常大，那么数值之间几乎所有的变化都是由组间差异造成的，R2将接近 1.0。
其他资源
这篇文章（有点长）解释了如何思考和分析对数正态性数据。其中包括执行和分析对数正态性 t 检验的特异性本示例：
HJ Motulsky, T Head, PBS Clarke, 2025,Analyzing Lognormal Data：非数学实用指南》。药理学评论》，第 77 卷第 3 期，100049
