双向方差分析（也称为双因素ANOVA）用于确定两个因素如何影响响应变量。例如，您可以测量男性和女性对三种不同药物的反应。在本示例中，药物治疗是一个因素，性别是另一个因素。请参阅其他资料，了解如何选择检验方法以及如何解释结果。

总体是否服从高斯分布？

双向方差分析（ANOVA）假设各重复样本均来自高斯分布。虽然在样本量较大时，这一假设的重要性并不突出，但在样本量较小的情况下，尤其是样本量不均等时，该假设就显得尤为重要。Prism 软件不会对该假设的违背情况进行检验。 如果您确信数据并非来自高斯分布（且任何变换都无法使其符合高斯分布），则应考虑进行非参数双向方差分析。Prism 软件不提供此检验。

方差分析还假设所有重复组总体标准差相同，且标准差之间的任何差异均由随机抽样引起。

数据是否为非配对数据？        

标准的双向方差分析是通过将组平均值之间的差异与各组的合并标准偏差进行比较来工作的。如果数据是配对的，则应选择重复测量方差分析。如果配对能有效控制实验变异性，则重复测量方差分析的功效将高于常规方差分析。

这些“误差”是否相互独立？

“误差”一词指的是每个值与所有重复测定均值之间的差值。只有当数据散布具有随机性时，双向方差分析的结果才有意义——即无论是什么因素导致某个值过高或过低，该因素仅影响该单一值。Prism无法检验这一假设。 您必须考虑实验设计。例如，如果您有六个重复，但这些数据来自两只动物，每只动物各进行三次重复，那么这些误差就不是独立的。在这种情况下，某些因素可能会导致同一只动物的所有数值偏高或偏低。

您真的想比较均值吗？

双向方差分析用于比较均值。即使分布之间存在显著重叠，仍可能出现极小的P值——这清楚地表明总体均值存在差异。在某些情况下——例如评估诊断试验的实用性——您可能更关注分布之间的重叠程度，而非均值之间的差异。

是否存在两个因素？

单向方差分析用于比较由一个因素定义的三个或更多组。例如，您可以将对照组与药物治疗组以及药物加拮抗剂治疗组进行比较；或者将对照组与五种不同的药物治疗组进行比较。Prism 软件为单向方差分析提供了专门的分析功能。

有些实验涉及两个以上的因素。例如，您可能在四个时间点上比较男性和女性对三种不同药物的反应。该实验中有三个因素：药物治疗、性别和时间。这些数据需要通过三向方差分析（也称为三因素ANOVA）进行分析。Prism不支持三向方差分析。

这两个因素都是“固定因素”而非“随机因素”吗？

Prism 执行 I 类方差分析，也称为固定效应方差分析。该分析用于检验您所收集数据的特定组别之间均值的差异。 如果您是从无限（或至少数量庞大）的可能组别中随机选取了若干组，并且希望得出关于所有组别之间差异的结论（甚至包括未纳入本次实验的组别），则需要采用不同的计算方法。