重复测量方差分析比较三个或更多匹配组的平均值。严格来说，重复测量一词只适用于对每个受试者重复给予处理的情况，而随机区组一词则用于在每个匹配组（区组）内随机分配处理的情况。重复测量实验和随机区组实验的分析方法完全相同，因此 Prism 始终使用重复测量这一术语。
执行重复测量 "对数正态性 "方差分析的重要信息
从 Prism 10.5 开始，Prism 提供了一个选项，可以假设分析数据是从对数正态分布而不是正态（高斯）分布中采样的。在执行这种重复测量对数正态性方差分析时，本页中的所有信息基本上仍然适用，但有一个非常重要的区别。在计算任何平方和、均方值、F 统计量或 P 值之前，输入的数据会在幕后进行对数变换。您无需在 Prism 或其他外部应用程序中转换数据。只需输入从对数正态性分布中采样的原始数据，并适当指定分布假设即可。Prism 会处理剩下的工作。
需要注意的几个要点
•一组值的几何均值等于对数变换值的均值
•计算两个几何均值之比，在数学上等同于计算对数变换几何均值之差
•对数正态性方差分析的平方和使用对数变换后的数据（因此也是对数变换后数据的均值）进行计算
•Prism 会自动将分析结果转换回数据的原始比例，因此无需对结果进行任何其他数据处理
P 值
P 值可以回答这个问题：
如果总的 P 值很大，那么数据并不能让你得出均值不同的结论。即使真实均值相等，偶然发现均值相差如此之大也不会让你感到惊讶。这并不等于说真实均值相同。你只是没有令人信服的证据证明它们是不同的。
如果总体 P 值很小，那么您观察到的差异不太可能是随机抽样造成的。您可以拒绝所有人群均值相同的观点。这并不意味着每个均值都与其他均值不同，只是至少有一个均值与其他均值不同。查看后检验的结果，找出差异所在。
匹配是否有效？
重复测量实验设计可以控制导致受试者之间变异性的因素，因此非常具有检验力。如果配对有效，重复测量方差分析的检验值将小于普通方差分析。重复测量检验的检验力更强，因为它将受试者之间的变异性与受试者内部的变异性区分开来。但是，如果配对无效，重复测量检验的检验力就会降低，因为它的自由度较小。
Prism 检验配对是否有效，并报告一个检验 "群体行均值全部相等"零假设的 P 值。如果 P 值较低，则可以得出匹配有效的结论。如果 P 值较高，则说明匹配无效，应重新考虑实验设计。
F 比值和方差分析表
P 值是从方差分析表中计算出来的。在重复测量方差分析中，有三个变异性来源：列间（处理）、行间（个体）和随机（残差）。方差分析表将总平方和分为这三个部分。然后根据组数和受试者人数（以自由度表示）进行调整，计算出两个 F 比值。主 F 比检验列均值相同的零假设。另一个 F 比检验行均值相同的零假设（这是有效匹配检验）。在每种情况下，如果零假设成立，则 F 比值预计接近 1.0。如果 F 值大，P 值就会小。
如果不接受球形性假设
如果选中了不接受球形性假设选项，Prism 会以两种不同的方式进行处理。
•它会应用 Geisser 和 Greenhouse 的修正。你会看到较小的自由度，通常不是整数。相应的 P 值会比没有校正时更高。
•它报告了ε的值，这是衡量数据违背球形性假设严重程度的一个指标。
R2
Prism 报告了两种不同的R2值，它们是通过计算平方和（SS）的比率得出的：
•量化处理效应的大小。计算方法有两种。Prism 使用 Keppel (1) 所描述的方法，其中R2 是治疗效果引起的变异占治疗效果引起的变异加上随机变异之和的百分比。文中将该值称为R2 和 eta 平方，并指出该值是部分欧米茄平方的估计值。它的计算方法很简单，即 SS 治疗除以 SS 治疗加 SS 样本的总和。请注意，受试者之间的差异（SSindividual）不在计算之列。该R2 在结果部分以 "重复测量方差分析摘要"为标题进行报告。
•量化匹配效果的影响。该R2量化了受试者之间的差异在总变异中所占的比例。计算方法是 SSindividual 除以 SStotal，并在结果部分以 "配对是否有效 "为标题进行报告。
多重比较检验和分析清单
在解读结果之前，请查看分析核对表。
(1) G Keppel 和 TD Wickens，《设计与分析》，第四版，2004 年，ISBN：0135159415
