将混合效应模型拟合到重复测量单因素数据中，可比较三个或更多匹配组的均值。 “重复测量”这一术语严格来说仅适用于向每个受试者重复施加处理的情况，而“随机区组”这一术语则用于在每个匹配组（区组）内随机分配处理的情况。对于重复测量和随机区组实验，其分析方法完全相同，且Prism软件始终使用“重复测量”这一术语。
了解如何使用混合模型拟合重复测量数据。
固定效应 P 值
模型中存在一个固定效应，即决定每个值被放置在哪个列中的变量。混合效应模型的结果给出了一个 P 值，用于回答以下问题：
如果总体 P 值较大，则数据无法提供任何依据让您得出均值存在差异的结论。即使真实均值相等，仅凭偶然性就出现如此悬殊的均值差异，您也不会感到惊讶。这并不等同于说真实均值是相同的，只是您没有令人信服的证据表明它们存在差异。
如果总体P值较小，那么您观察到的差异不太可能是由随机抽样造成的。您可以拒绝“所有总体均值相同”这一假设。这并不意味着每个均值都与其他所有均值不同，仅表示至少有一个均值与其他均值不同。请查看后检验的结果，以确定差异所在。
随机效应的标准差与方差
混合效应模型将不同的研究对象（受试者、窝等）视为随机变量。残差变异也是随机的。Prism 同时以标准差和方差（即标准差的平方）的形式呈现这种变异。您（或者更可能是您的统计顾问）可能会关注这些数值，以便与其他软件进行比较。 这些值的计算较为复杂，需要运用矩阵代数。
配对是否有效？
重复测量实验设计具有很强的功效，因为它控制了导致受试者间变异性的因素。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）。 重复测量检验的功效更强，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，由于自由度较少，重复测量检验的功效可能会降低。
Prism 用于检验配对是否有效，并报告一个 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未考虑重复测量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，则可推断配对不有效，应重新考虑实验设计。
拟合优度
Prism 可选地通过几种方式表达拟合优度。这些结果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，或取消勾选该选项以避免其被报告。
若不接受球面性假设
如果您勾选了“不接受球面性假设”选项，Prism 会采取两项不同的处理方式。
•它会应用 Geisser 和 Greenhouse-Geisser修正方法。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核查清单
在解读结果之前，请复习分析核查清单。
