重复测量分析的优势

普通方差分析与重复测量方差分析之间的区别，类似于非配对t检验与配对t检验之间的区别。 参见配对或匹配的优势。由于每位受试者或每次实验都充当自身的对照组，重复测量设计能更有效地区分信号与噪声，因此该设计通常具有更高的检验力。部分受试者在所有时间点的测量值可能较高，而另一些则可能较低。重复测量方差分析侧重于Y值在不同处理条件下的变化程度。

重复测量还是随机区组？

当您对每只动物或每位受试者重复施加处理时，使用“重复测量”这一术语。

当您在每个匹配受试者的簇（区组）内随机分配处理时，则使用“随机区组”这一术语。

假设您要比较三种不同的处理方案。在重复测量设计中，您会招募约10名参与者（或使用10只动物），并在每次处理后对每位参与者（或每只动物）进行测量。 而在随机区组设计中，您会招募十个由四名受试者组成的簇，这些受试者在年龄、性别、邮政编码等方面匹配（或招募十组各四只动物，这四只动物在相邻笼中同时接受处理……）。另一个例子是实验室实验进行多次，每次并行处理多种处理（或一个对照组和多种处理）。

每当参与者/动物/实验以某种方式分组，导致其反应（除您正在比较的处理方式外）可能相似时，您就需要将这些组视为随机区组。例如同一窝的动物、同一次采血获得的血样，或同一天分批测试的小鼠。

方差分析（ANOVA）在重复测量实验和随机区组实验中的运作原理完全相同，而Prism软件始终使用“重复测量”这一术语。

因子计数

单因素方差分析、双因素方差分析还是三因素方差分析？可能存在两个混淆点：

•在 Prism 中，对同一受试者进行三次或更多次不同处理的测量设计被称为“单因素方差分析”，因为实际上只有一个因素，即数据集列所表示的“处理”。但您可能会认为还存在第二个因素 - “受试者”，因为每一行代表一个不同的受试者（或区组）。 事实上，使用双因素方差分析（无重复）和单向重复测量方差分析进行分析，结果是相同的。

•假设您给部分受试者一种处理方式，给另一些受试者另一种处理方式，再给其他受试者第三种处理方式。随后，您对每位受试者在三个时间点（处理前、处理中和处理后）测量一项结果。这里有两个因素：处理和时间。因此您需要使用双因素方差分析，其中一个因素采用重复测量。有些人会错误地忽略时间因素，误以为这是单因素方差分析的问题，却忘记了时间本身也是一个因素。