双因素方差分析（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，您可能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。请参阅其他章节，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？

双因素方差分析（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不高，但在样本量较小（尤其是样本量不均等）的情况下，该假设至关重要。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因素方差分析。Prism 软件不提供此类检验。

方差分析还假设所有重复组总体标准差相等，且标准差之间的任何差异均源于随机抽样。

数据是否为非配对数据？        

标准双因素方差分析通过比较组平均值之间的差异与各组的合并标准偏差来工作。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，重复测量方差分析将比常规方差分析具有更高的检验力。

“误差”是否相互独立？

“误差”一词指每个值与所有重复测定均值之间的差值。双因素方差分析的结果仅在数据散布具有随机性时才有意义 - 即导致某个值过高或过低的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，若您有六个重复，但这些数据来自两只动物各三次重复，则误差不独立。在此情况下，某些因素可能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？

双因素方差分析用于比较均值。即使分布重叠相当严重，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。

是否存在两个因素？

单因素方差分析用于比较由单一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 软件为单因素方差分析提供了专门的分析功能。

某些实验涉及两个以上的因素。例如，您可能需要比较男性和女性在四个时间点上三种不同药物的效果。该实验包含三个因素：药物治疗、性别和时间。此类数据需要通过三因素方差分析（也称为三因素 ANOVA）进行分析。Prism 不支持三因素方差分析。

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（或至少是大量）可能的组别中随机选取组别，并希望得出关于所有组别（甚至包括未纳入本次实验的组别）之间差异的结论，则需要采用不同的计算方法。