双向方差分析（Two-way ANOVA），也称为双因子方差分析，用于确定两个因素如何影响响应变量。“重复测量”是指其中一个因素被重复测量。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（重复测量）。 请参阅其他资料，了解如何选择检验方法、绘制数据图表以及解释结果。

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功效将高于常规方差分析。同时请确认您在“实验设计”选项卡中的选择与数据的实际排列方式一致。若操作有误，且计算时错误地假设了重复的因子，则结果将不准确且无实际意义。

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 针对单向方差分析提供了单独的分析功能。

有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（也称为三向ANOVA）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。 如果您是从无限（或至少是大量）的可能处理或类别中随机选取处理或类别，并且希望得出关于所有处理或类别之间差异的结论（甚至包括本次实验中未包含的那些），则需要进行不同的计算。Prism 无法处理这种情况。

您能接受球形性的假设吗？

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。这一假设被称为环形性或球形性。它与您在高级教材中可能遇到的另一个术语——复合对称性——密切相关。

只有当您的实验确实是重复测量实验，且测量数据来自同一受试者时，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。如果该假设被违背，P值将会过低。 当重复测量间隔过短，导致使特定数值偏高（或偏低）的随机因素在下次测量前未能消除或消散时，就会违反这一假设。为避免违反该假设，应在两次处理之间留出足够长的间隔，确保受试者在处理后与处理前状态基本一致。 此外，在可能的情况下，应随机化处理顺序。

考虑重复测量方差分析的双向方差分析替代方法。

双向方差分析可能无法解答您实验设计所针对的问题。请考虑其他方法。

如果存在缺失值，这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，才能对结果进行解释。如果某个值缺失是因为其数值过高（或过低）而无法测量，那么该缺失就不是随机的。 如果数据缺失是因为某种处理具有毒性，那么这些缺失值就不是随机缺失的。