作成日：2026/06/16
以下の機能は GraphPad Prism Pro のみで利用可能な機能のサマリーです。
詳細についてはこのページを参照してください
- テーブル組込み式による変数の算出： Excel スタイルの数式を記述して、[多変量/Multiple Variables]データテーブルに直接新しい変数を定義し、後に続く分析やグラフ作成に使用できます。 入力データや式が変更されると、計算変数の値は自動的に更新されます。 元のデータ構造との関連性を維持したまま、個別の変換分析シートを作成する必要がなくなるため、ワークフローが効率化されます。
- 多要因 ANOVA (Multifactor ANOVA)： 一つのデータ構造からあらゆる要因分析を処理できます。 一要因、二要因、三要因、または N 要因 の通常のANOVAをデータを再編成することなく [多変量/Multiple Variables]テーブルから実行します。 必要に応じて要因を追加または削除し、主効果、二要因、および三要因の交互作用を使用するモデルを定義して多重比較検定を実行し、より有意義な結果を得ることができます。
- [多変量/Multiple Variables]データテーブルからの古典的な分析： データを再編成することなく、直接[多変量/Multiple Variables]テーブルからｔ検定、非線形回帰、およびカプラン-マイヤー生存分析を行います。 非線形回帰と生存分析では、応答、予測子とグループ化変数を定義することによって複数の応答変数を同時に分析します： 残りは Prism が処理します。
- 強化された効果量報告： より総合的な統計報告のために、ANOVA(イータ二乗、偏イータ二乗、コーエンの f)、分割表分析(ファイ係数、クレイマーの V)、および t 検定(コーエンの d、ヘッジスの g、グラスの Δ) に対し新しい効果量指標が追加されました。
- K-means クラスタリングでクラスター数を自動選択：17種類の手法とそれに関連する指標が自動的に計算されます。 各指標は、与えられたデータ/分析に対して”最適な”クラスター数を決定し、すべての指標における最適なクラスター数を比較することで合意値が決定されます。 この最適なクラスター数の値が報告され、Prism に使用されます。
- at Risk 数テーブルを自動的に作成： カプラン-マイヤー生存分析を行うとき、Prism は生存曲線のグラフの位置に合わせてテーブルを自動的に生成します。 このテーブルには、対応するグラフの X軸上の各時点におけるリスクのある対象者数（およびオプションで打ち切り対象者数の累積数）が表示され、この軸の範囲／間隔が変更されると自動的に更新されます。
- 階層クラスタリング： データ内の観測値間の自然な関係を明らかにします。 この機械学習技術は、さまざまな観測結果が互いにどの程度密接に関連しているかを調査し、データ内のグループ化を明らかにすることができます。
- K-means クラスタリング： クラスターの目標数を指定すると、この機械学習アルゴリズムはデータを分割し、最も類似した観測値を繰り返しグループ化しクラスターの割り当てを調整します。
- 樹形図/Dendrograms： クラスタリング分析による階層的な関係を可視化します。 樹形図を、独立したグラフ、あるいは階層クラスタリングの出力によるヒートマップの一部として使用できます。
- 多変量データによるヒートマップ： 二次元の視覚化で表示される連続メトリック変数とともに、 X 軸と Y 軸にカテゴリー変数が定義されます。 また別に、多変量データテーブルを行列とみなし、テーブルの値を行と列で軸変数としてヒートマップ上でプロットします。
- 信頼楕円と凸包： データが抽出された母集団を定義するパラメータの推定値を視覚的に表現したり、グラフ上のデータ グループの境界を明確に表示したりします。
