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。“重复测量”意味着其中一个因素是重复的。例如，您可以比较两种处理方式，并对每个受试者在四个时间点进行测量（即重复测量）。请查阅其他资料，了解如何选择检验方法、绘制数据图以及解释结果。

数据是否配对？        

如果配对能有效控制实验变异性，则重复测量方差分析的检验力将高于常规方差分析。同时请确认“实验设计”选项卡中的选择与实际数据排列方式一致。若操作有误，导致计算时错误地假设了重复因子，则结果将不准确且无实际意义。

是否存在两个因素？

单因素方差分析（One-way ANOVA）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 针对单因素方差分析提供了独立的分析功能。

某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：药物处理、性别和时间。这些数据需要通过三因素方差分析（也称为三因素方差分析）进行分析。

这两个因素都是“固定因素”而非“随机因素”吗？

虽然 Prism 假设重复测量中的受试者是随机选取的，但它假设由行或数据集列指定的处理方式或类别是固定的。这意味着您要探究的是这些特定的处理方式或类别如何影响结果。 若您是从无限（或至少是大量）的可能治疗方案或类别中随机选取，且希望得出关于所有治疗方案或类别之间差异的结论（包括本次实验中未包含的那些），则需要采用不同的计算方法。Prism 无法处理这种情况。

您能否接受球面性假设？

导致某受试者某次测量值略高（或略低）的随机因素，不应影响该受试者的下一次测量。这一假设被称为圆性（circularity）。它与您在高级教材中可能遇到的另一个术语 - 复合对称性（compound symmetry）密切相关。

只有当您的实验确实是重复测量实验（即对单个受试者进行多次测量）时，才需要关注圆度假设。在您使用配对受试者组（或配对实验组）进行的随机区组实验中，圆度通常不会成为问题。

重复测量方差分析（ANOVA）对圆度假设的违背非常敏感。若该假设被违背，P值将过低。 当重复测量间隔过短时，会导致该假设被违反 - 因为导致特定数值偏高（或偏低）的随机因素，在下次测量前未能消退或消散。为避免违反该假设，应确保处理间隔足够长，使受试者在下次处理前基本恢复至处理前的状态。此外，在可能的情况下，应随机化处理顺序。

请考虑重复测量方差分析的替代方法，即双因素方差分析

双因素方差分析可能无法解答您实验设计旨在解决的问题。请考虑其他替代方法。

若存在缺失值，是否由随机事件引起？

从 Prism 8 开始，可以通过拟合混合模型来计算包含缺失值的重复测量数据。但只有当缺失值的原因是随机的时，结果才具有解读意义。如果某个值缺失是因为其数值过高（或过低）而无法测量，则该缺失并非随机。如果缺失值是因为某种处理具有毒性，则这些缺失值也并非随机缺失。