这些检验在样本量不等的情况下也能正常运行。缺失值不会造成问题。

Prism 仅分析所有条件均有数据的行。如果有一个值缺失，则该受试者（行）将被忽略。

如果存在缺失值，双向方差分析的计算将变得困难。如果任何行/列组合完全没有数据，Prism 将无法进行方差分析计算。 如果某些行/列组合的重复次数少于其他组合（部分重复数据缺失），Prism 将采用 SA Glantz 和 BK Slinker 详细阐述的方法。该方法将方差分析问题转换为多元回归问题，然后以方差分析的形式显示结果。 Prism 会执行三次多元回归——每次将列、行和交互作用以不同的顺序输入到多元回归程序中。尽管它会计算三次各自由度的平方和，但 Prism 仅显示最后输入到多元回归方程中的因子的平方和。这些被称为 III 类平方和。

如果您的数据是平衡的（每个条件下的样本量相同），则输入均值、标准差（或标准误）和样本量（N）没有问题——您将得到与输入原始数据时相同的结果。 然而，如果数据是不平衡的，情况则不同——无法从以均值、标准差（或标准误）和样本量形式输入的不平衡数据中计算出精确结果。此时，Prism 会采用一种更简单的方法，即“非加权均值”分析。该方法在 LD Fisher 和 G vanBelle 的著作中有详细说明（详见下文）。 如果所有组的样本量相同，以及在某些其他特殊情况下，这种更简单的方法得出的结果与分析原始数据完全一致。但在其他情况下，结果仅为近似正确。 如果您的数据几乎平衡（仅有一个或几个缺失值），则该近似结果相当准确。当数据不平衡时，您应尽可能输入各个重复测量值。

从 Prism 8 开始，Prism 即使在存在部分缺失数据的情况下，也能运行重复测量方差分析（单向方差分析、双向方差分析或三向方差分析）。它实际上并非直接运行方差分析，而是拟合一个混合模型。但所得结果具有可比性。

在存在缺失值的情况下，拟合直线和曲线仍能正常进行。您可以选择让Prism拟合单个重复测量数据，还是拟合均值。若选择拟合均值，则无论用于计算该均值的观测值数量多少，每个均值都将获得相同的权重；若选择拟合单个重复测量数据，则Y值重复次数较多的X值将比Y值重复次数较少的X值获得更大的权重。

生存曲线的比较不需要样本量相等。如果某个受试者的数据完全缺失，只需不输入该受试者的数据即可。 但在决定省略数据之前，请先了解“删剪”的概念：当您知道受试者存活至某个时间点，但不知道此后发生了什么（或者您知道，但因未遵循实验方案而无法使用该数据）时，就会发生删剪。Prism 可以很好地处理删剪数据。 请不要省略这些受试者，输入他们在实验方案中存活的时间，并将该时间标记为删剪。