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。若有一个值缺失，则忽略该受试者（行）。

若存在缺失值，双因素方差分析的计算将变得复杂。若任何行/列组合完全没有数据，Prism将无法进行双因素方差分析。若某些行/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。该方法将双因素方差分析问题转化为多元回归问题，随后以双因素方差分析的形式呈现结果。 Prism 会执行三次多元回归——每次向多元回归程序提供列、行和交互作用的顺序均不相同。尽管它计算了三次平方和，但 Prism 仅显示最后输入到多元回归方程中的因子的平方和。这些被称为第三类平方和。

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，若数据不平衡，情况则不同。无法通过输入均值、标准差（或标准误）和样本量来计算精确结果。此时，Prism会采用一种更简便的方法，即“非加权均值”分析。该方法详见LD Fisher和G vanBelle的相关论述（详情见下文）。 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，结果仅为近似值。如果您的数据几乎平衡（仅有一个或几个缺失值），该近似值是可靠的。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，即使存在部分缺失数据，Prism 也能运行重复测量方差分析（单因素方差分析、双因素方差分析或三因素方差分析）。它实际上并非运行方差分析，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 拟合单个重复数据还是拟合均值。若选择拟合均值，则每个均值将获得相同的权重，无论其计算所用的数据值数量多少。若选择拟合单个重复数据，则 Y 值重复次数较多的 X 值将比 Y 值重复次数较少的 X 值获得更高的权重。

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——即当您知道受试者存活至某个时间点，但不知道之后发生了什么（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 能够很好地处理删剪数据。 请勿省略这些受试者，应输入其在实验方案中存活的时间，并将该时间标记为删剪。