GraphPad Prism 9.0正式發布
GraphPad Prism 9已正式發布！Prism 9對多變量數據表進行了許多重大改進。 如增加的數據限制、自動識別變量類型、自動變量編碼等，使用標準結構探索更大的數據集，分析和處理更高維度的數據！
更高維度的數據！
Prism 9對多變量數據表進行了許多重大改進。使用標準結構探索更大的數據集，并通過以下改進執行新的和改進的分析：
增加的數據限制-在每個數據表中zui多輸入1024列數據
自動識別變量類型-將多變量數據表中的變量識別為連續值，分類值或標簽值
數據表中的文本信息-直接以文本形式輸入數據。無需編碼“ 0”和“ 1”之類的變量，只需直接在數據表中輸入“ Male”和“ Female” 自動變量編碼-輸入您的數據，讓Prism負責其余的工作。Prism會自動將分類文本變量編碼為數字“虛擬”變量 通常，在研究中，我們發現自己擁有大量有關實驗中不同變量的信息。舉一個簡單的例子，想象一下在給個體服用旨在降低血壓的實驗藥物或安慰劑后測量他們的血壓。除了記錄的血壓測量值外，您還可能記錄了有關每個受試者的年齡，身高，體重，性別，種族以及許多其他潛在變量的大量信息。
設計了許多統計技術來分析這類“多變量”數據，例如多元線性回歸和多元邏輯回歸。使用這些類型的“多個變量”分析意味著您可以探索感興趣的結果而不會浪費任何可能有用的信息。為了促進這種增加的數據信息密度，Prism提供了我們的多變量數據表以將數據容納在標準數據結構中，該數據結構幾乎被其他統計軟件普遍使用并打包在那里（例如R，SPSS和MATLAB）。在這種格式下，每一列代表一個不同的變量，而每一行代表一個不同的主題（每個主題的每個變量的測量值將放入該主題所在行的相應列中）。
主成分分析（PCA）
有時，收集的變量數量遠遠超過可供研究的學科數量?？紤]基因表達研究，其中從分為兩組的受試者中測量了成百上千種不同基因的表達水平：治療組和對照組?？赡軆H僅是變量太多而無法使模型適合數據。但是，選擇一些要從分析中排除的變量只會丟掉可能有用的信息！PCA是一種“降維”技術，可用于減少所需變量的數量，同時從數據中消除盡可能少的信息。
PCA中可用的其他功能包括：
通過平行分析（以及Kaiser方法，總方差閾值方法等）選擇組件
碎石圖，分數圖和雙線圖的生成
自動準備PCA結果以進一步用于多元線性回歸（主成分回歸）
向圖形添加新尺寸
直接從原始數據，符號位置（X和Y坐標），大小和填充顏色的編碼變量創建氣泡圖。請注意，可以使用分類（分組）或連續變量來定義符號顏色和符號大小。
-更多資源請訪問【友萬科技】官網，以便獲取更多軟件信息，感謝您的支持與理解。
