重要结果

P 值

结果呈现方式类似于非配对 t 检验。P 值检验的是两个处理均值相同的零假设。P 值可以通过 t 比率（与 t 检验相匹配）或 F 比率（因为这类数据通常采用嵌套方差分析）来计算。t 比值是 F 比值的平方根（因为分母 df 为零），所以无论哪种方法，P 值都是一样的。我们同时显示这两种方法，以便您与其他程序或文本进行比对

置信区间

最重要的结果是两个均值之差的 95% 置信区间。如果您愿意，也可以在对话框中要求 90% 或 99% 的置信区间。

其他结果（大多数科学家都会忽略）

嵌套 t 检验适合混合模型。之所以称为混合模型，是因为子列中堆叠的值和子列的选择被假定为随机的，而处理（本示例中为教学方法）是固定的。这意味着我们关心的是这两种教学方法的测试，但学校和学校内学生的选择是随机的。我们并不关心这些特定的学生或特定的学校。模型拟合了子列内部和子列之间的变异，并以方差和标准偏差（即方差的平方根）的形式报告。Prism 会报告这些值，以便您与其他程序或文本进行比较。这些值并不是很有用。

您将学生放入不同的子列，因为您希望不同教室的结果是不同的。Prism 测试了一个零假设，即一列（教学方法）中的所有子列（学校）实际上都是相同的。这里的 P 值为 0.0027，因此可以拒绝该零假设。这种检验的作用不大。

Prism 可以选择报告 REML 拟合优度，以便与其他程序和书籍相匹配。没有必要去解读它。