方差分析（ANOVA）：分为 One-way ANOVA 和 Two-way ANOVA。One-way ANOVA：比较（单因素条件下）三组及以上连续数据的均值差异（如药物 A、B、C 的治疗效果对比）。Two-way ANOVA：比较两种因素影响下实验数据的差异（如比较不同时间点，处理组和实验组的差异）。

方差分析（ANOVA）：分为 One-way ANOVA 和 Two-way ANOVA。One-way ANOVA：比较（单因素条件下）三组及以上连续数据的均值差异（如药物 A、B、C 的治疗效果对比）。Two-way ANOVA：比较两种因素影响下实验数据的差异（如比较不同时间点，处理组和实验组的差异）。

卡方检验（χ²）：分析分类数据的关联性或分布差异（如性别与产品偏好的关联性）。

卡方检验（χ²）：分析分类数据的关联性或分布差异（如性别与产品偏好的关联性）。

非参数检验：当数据不满足正态分布时使用，包括 Mann-Whitney U 检验（替代 t 检验）；Kruskal-Wallis H 检验（替代 ANOVA）。

非参数检验：当数据不满足正态分布时使用，包括 Mann-Whitney U 检验（替代 t 检验）；Kruskal-Wallis H 检验（替代 ANOVA）。

再来学习如何用 Graphpad 做显著性差异分析

以「LPS 促进细胞因子分泌 」为例：（我们有两组数据且不具有配对性，因此选择 t 检验）

1. 首先在对照组和实验组中输入数据，在菜单栏中点击 Analyze，选择 t 检验（t tests），点击 OK。

2. 在弹出的对话框中根据实验数据类型设置参数，依次为 「数据是否符合配对实验」、「是否符合正态分布 」和「数据是否具有方差齐性」。设置完成点击 OK。

当数据不符合正态分布时，即可这样操作：

3. 结果解读：t test 中显示 p 值大小和显著性

4. 显著性标记

注意事项：样本量过小可能导致检测不出真实存在的差异，而样本量过大可能会把微小的、无实际意义的差异也检测出来。所以要根据研究目的和总体情况，合理确定样本量。返回搜狐，查看更多