Prism 提供了多种用于比较三个或更多组的相关检验。您应根据以下选项来选择合适的检验：
实验设计
当数据列之间存在配对关系时，请选择重复测量检验。以下是一些示例：
•您对每位受试者的某个变量进行多次测量，例如在干预前、干预期间和干预后。
•您招募受试者组成匹配组，这些组在年龄、族裔和疾病严重程度等变量上进行了配对。
•您多次进行实验室实验，每次并行处理多种处理方案。由于预计实验之间存在变异性，因此您希望在数据分析中将每次实验视为一组配对数据进行处理。
配对不应基于您正在比较的变量。如果您正在比较三个组的血压，基于年龄或邮政编码进行配对是可以的，但基于血压进行配对则不可行。
“重复测量”这一术语严格来说仅适用于对同一受试者重复施加处理的情况（如上文第一个示例）。其余两个示例被称为随机区组实验（每组受试者称为一个区组，并在每个区组内随机分配处理）。重复测量和随机区组实验的分析方法完全相同，而 Prism 始终使用“重复测量”这一术语。
若采用完全随机设计，请选择“不匹配”。
分布假设
许多统计分析对被分析数据的抽样总体都作出了某些假设。统计检验中常见的假设之一与数据抽样所依据的总体分布有关。Prism 提供了三种选择：
1.正态（高斯）——假设从正态分布中抽样。比较各组的平均值
2.对数正态——假设数据来自对数正态分布。比较各组的几何均值
3.非参数——不假设数据来自特异性分布，而是使用非参数检验。这通常等同于比较各组内数据的秩
非参数检验并不基于数据来自高斯分布（或任何其他特异性分布）的假设。这可能使其看起来更具吸引力。然而，非参数检验的功效较弱。决定何时使用非参数检验并非易事。
若无配对：是否应假设方差相等（同方差性）？
常规方差分析（ANOVA）F检验的一个基本假设是方差齐性。这意味着每个组都来自方差相同的总体。对于从正态分布中抽取的数据，这意味着即使均值不同，各总体的标准偏差也应相同。 对于从对数正态分布中抽取的数据，这意味着即使几何均值不同，各总体仍具有相同的几何标准偏差。
从 Prism 8 开始，您可以选择是否假设总体方差相等。如果您选择不作此假设，Prism 将执行两种替代形式的方差分析（ANOVA）并报告两组结果。 韦尔奇方差分析（Welch's ANOVA）和布朗-福赛斯方差分析（Brown-Forsythe ANOVA）都会调整 F 比值和自由度的计算，以补偿组内方差的异质性。P 值的解读方式与方差分析表中的相同。
注：
•为何要使用这些特殊的方差分析形式，而不是使用非参数的Kruskal-Wallis检验？因为虽然Kruskal-Wallis检验对数据的抽样分布不作任何假设，但它确实假设各分布的离散程度或分散程度是相同的。
•作为这些检验的替代方案，可考虑对数据进行转换（如取倒数等），并使用常规方差分析对转换后的值进行分析。
•这种用于比较均值的布朗-福赛思检验，与另一种同样名为布朗-福赛思但用于比较方差的检验不同。
如果是重复测量：是否应假设球面性？
球形性的概念
球形性的概念难以理解。简而言之，它意味着在两次处理之间等待了足够长的时间，以使任何处理效应都消失。如果您的数据不是重复测量，或者您选择了非参数检验，则该概念不适用。
对于每个受试者，用B列的数值减去A列的数值，并计算这一差值列表的标准偏差。 现在对A列与C列之间的标准偏差、B列与C列之间的标准偏差等，重复上述操作。如果球面性假设成立，所有这些标准偏差的值应大致相近，其中的任何差异都应归因于偶然。如果这些标准偏差之间存在显著且系统性的差异，则球面性假设不成立。
如何决定是否假设球面性
如果每行数据代表一组配对观测值，那么就没有理由怀疑球面性假设。这有时被称为随机区组实验设计。
如果每行数据代表一个接受连续处理的受试者，则属于重复测量实验设计。 如果每个受试者的处理顺序是随机分配的（例如，一个受试者先接受处理 A，然后是 B，最后是 C，而另一个受试者先接受 B，然后是 A，最后是 C……），则球形性假设通常不会成为问题。但如果所有受试者都按相同的顺序接受处理，则最好不要假设球形性。
如果您不确定，我们建议您不要假设球面性。
您的选择如何影响 Prism 的计算
如果您选择不假设球形性，Prism 将：
•在计算重复测量方差分析（ANOVA）的 P 值时，纳入 Geisser-Greenhouse 修正。由此得出的 P 值将高于未进行该修正时的 P 值。
•通过报告 ε 值来量化球形违背程度。
如果您要求 Prism 假设球面性，但实际上该假设不成立，则方差分析（ANOVA）得出的 P 值会过低。因此，如果您不确定是否应假设球面性，我们建议您勾选“不假设球面性”选项。
