P 值

在解释混合模型拟合结果时，P 值的解释方法与双因素方差分析相同。因此，请先阅读关于解释双因素方差分析结果的通用页面。同时，请阅读关于球面性假设的通用页面，以及如何使用 ε 评估该假设的球形违背情况。  

随机效应的标准差与方差

混合效应模型将不同的对象（受试者、窝等）视为随机变量。残差变异也是随机的。所有随机变量的效应均通过其变异性来量化。Prism 同时以标准差（SD）和方差（即标准差的平方）的形式呈现这种变异性。 您（或更可能是您的统计顾问）可能会关注这些数值，以了解受试者响应之间的相对变异（即受试者方差）以及同一受试者重复响应内的变异（即残差变异）。请与其他软件进行比较。 

配对是否有效？

重复测量实验设计具有很强的检验力，因为它控制了导致受试者间或未测变异性的随机因素。如果配对有效，重复测量检验得出的 P 值将小于普通方差分析（ANOVA）。 重复测量检验之所以更强，是因为它将被试间变异性与被试内变异性区分开来。然而，如果配对无效，重复测量检验的检验力可能会降低，因为其自由度较少。

Prism 会检验配对是否有效，并给出一个 P 值。该 P 值来源于卡方检验统计量，其计算方法是将完整的混合效应模型与一个未考虑重复测量因素的简单模型进行拟合比较。如果该 P 值较低，则可得出配对有效的结论；如果 P 值较高，则可得出配对无效的结论，并应重新考虑后续研究的实验设计。

拟合优度

Prism 通过几种方式表达拟合优度。这些内容仅对深入理解混合效应模型的人才有意义。大多数科学家会忽略这些结果，或不勾选相关选项以避免其被报告。但某些期刊可能会要求您报告至少一项拟合优度指标。

若不接受球面性假设

若勾选了“不接受球面性假设”选项，Prism 将采取两项不同的处理方式。

•它会应用 Geisser 和 Greenhouse-Geisser修正。此时自由度会变小，且通常不是整数。相应的 P 值会比未进行该修正时更高。

•它会报告 ε 值，该值反映了数据对球形假设的违背程度。

多重比较检验与分析检查清单

了解重复测量方差分析后的多重比较检验。

在解释结果之前，请查阅分析检查清单。