嵌套单向方差分析用于比较三个或更多个非配对组的平均值，其中这些处理组内存在一个嵌套因子。

残差分布是否服从高斯分布？

嵌套方差分析假设残差（在许多情况下即技术重复之间的变异）服从高斯分布。根据中心极限定理，当样本量较大时，这一假设的重要性会降低。

嵌套 t 检验对话框的第三个选项卡允许您通过多种方式绘制残差图，以评估其正态性。

各子列内的变异是否具有相同的方差？

嵌套方差分析（Nested ANOVA）假设每个子列中的数据均来自具有相同标准差（即相同方差）的总体。Prism 不会对这一假设进行检验，但您可以通过查看数据来判断该假设是否被严重违反。

不妨考虑对值的对数进行方差分析。在某些情况下，这会使各子列的方差更接近于相等。

各子列均值之间的变异是否服从正态分布？

嵌套单向方差分析（ANOVA）假设子列均值间的变异服从正态分布，且子列内的重复测量数据也服从正态分布。

您真的想比较均值吗？

嵌套方差分析用于比较三个或更多组的平均值。即使分布之间存在显著重叠，仍可能出现极小的 P 值——这清楚地表明总体平均值存在差异。 在某些情况下——例如评估诊断试验的有效性——您可能更关注分布的重叠程度，而非均值之间的差异。

主要因素是“固定因素”还是“随机因素”？

Prism 假设组（数据集）是固定因素。换言之，Prism 用于检验您已收集数据的特定组之间的均值差异。组（数据集）也可能代表随机因素。 这种情况发生在您从无限（或至少数量庞大）的可能组中随机选取了若干组，并且希望对所有组之间的差异得出结论，甚至包括未纳入本次实验的组。当主要因素为随机因素时，Prism 无法执行嵌套方差分析。

请注意，Prism 确实假设嵌套因子是随机的。

不同的列是否代表分组变量的不同水平？

嵌套单向方差分析旨在检验三个或更多组中单个变量的值是否存在显著差异。在 Prism 中，需将每个组分别输入到独立的列中。如果不同的列代表的是不同的变量，而非不同的组，那么单向方差分析就不是合适的分析方法。 例如，如果A列是葡萄糖浓度、B列是胰岛素浓度、C列是糖化血红蛋白浓度，则单向方差分析将无法提供有用的结果。