实验设计

测量对照大鼠和治疗大鼠的变量。每组有三只大鼠，您在每只大鼠身上测量了四份技术重复数据。请注意，每个子列中堆叠的四个值按任意顺序堆叠。对这四行的顺序无时间进程或任何其他含义。

 

为什么这是嵌套因素？

假设该设计为 嵌套 因为每只大鼠要么是对照大鼠，要么是治疗大鼠。您不能问一些大鼠对治疗的反应是否比其他大鼠更好，因为每只大鼠仅接受一种替代治疗。假设大鼠嵌套在治疗中。

这又称 “层次设计”。 层次和嵌套 是描述这种设计的同义词。

不正确分析：所有数据的t检验

在每组中将这些数据视为n = 12比较容易分析，但并不适用。

如果对这些数据运行t检验，则平均值差异的95%置信区间为3.2 - 10.5，检验从具有相同平均值的总体中抽样的零假设的双侧P值为0.0008。这似乎是令人信服的证据，表明治疗增加预后变量。但这些结果无意义。

为什么不？因为t检验假设每个值均提供独立信息。这些数据有每种治疗的三只独立大鼠，但缺少十二项独立预后测量值。每只动物的重复数据比从其他动物获得的值更彼此接近。另一种说法是，您将三只重复大鼠和每只大鼠中的四份技术重复数据组合起来时，12个结果值是 假重复数据。将假重复数据当作实际重复数据进行分析时，会给出非常窄的置信区间和非常小的P值。

错误分析：双因素方差分析

本页顶部显示的数据似乎是为双因素方差分析而设置。但是运行双因素方差分析会导致错误或误导结果。双因素方差分析假设数据在第2行的大鼠以某种方式暴露于对照和治疗条件。但事实上，每个子列中数值的顺序随意排列，因此在双因素方差分析中将牛作为一个“因素”来检验毫无意义。

无嵌套t检验的替代分析（仅在样本量相等时起作用）

如果无缺失值，则可用t检验来分析数据。第一步是对每只大鼠的技术重复项进行平均。然后，在新表上输入这些平均值，之后用非配对t检验比较两组平均值。清注意，每组中的三只大鼠在t检验中堆叠成一列，但在嵌套t检验中并排放置在子列中。

只要无缺失值，即可给出正确结果。在使用该正确结果的情况下，差异的95%置信区间为 - 2.3至15.9，P值为0.1058。请注意，此处得出的结论（无治疗效果证据）与您从假重复数据分析中得出的错误结论非常不同。

Prism中的嵌套t检验

Prism 8引入了新分析（嵌套t检验）可一步完成分析，还可处理缺失值。其假设子列平均值从子列平均值的高斯总体中抽样得到，子列内的重复数据是从高斯总体中抽样的。两个高斯总体通常会有不同的标准偏差，Prism会计算（估计）两者，并将其报告为SD和方差。