重复测量方差分析可比较三个或更多匹配组的平均值。“重复测量” 一词 仅当您向每名受试者反复给予治疗时才严格适用，以及 “随机区组”一词 在您在每组（区组）匹配受试者中随机分配治疗时使用。重复测量和随机区组实验的分析相同，Prism总是使用球形度一词。

P值

P值回答了该问题：

如果所有群体确实具有相同的平均值（治疗无效），则随机抽样会导致如本实验中所观察到的那样远（或更远）的平均值的几率有多大？

如果总体P值较大，则数据不给您任何理由来得出平均值不同的结论。即使平均值确实相等，您也不会因为偶然发现平均值相差这么远而感到惊讶。这不等于说真正的平均值均相同。您只是缺少令人信服的证据来证明这些平均值不同。

如果总体P值很小，则您所观察到的差异不太可能因随机抽样所致。您可拒绝所有群体均具有相同平均值的想法。这并不意味着每个平均值均不同于其他平均值，只是至少有一个平均值不同于其他平均值。观察后检验的结果，找出差异。

匹配是否有效？

重复测量实验设计非常强大，因为其控制导致受试者间变异性的因素。如果匹配有效，则重复测量检测将产生比普通方差分析更小的P值。重复测量检测更加强大，因为其分开受试者间变异性与受试者内变异性。但是，如果配对无效，则重复测量检测没那么强大，因为其自由度更低。

Prism检测匹配是否有效，并报告检验群体行平均值均相等的零假设的P值。如果P值很低，则您可以得出匹配有效的结论。如果P值很高，则您可以得出匹配无效的结论，并应重新考虑您的实验设计。

F比率和方差分析表

P值从方差分析表计算得到。借助重复测量方差分析，有三个变异性来源：列间（治疗）、行间（个体）及随机（残差）。方差分析表将总体平方和分为这三个部分。然后，方差分析表根据组数和受试者数（以自由度表示）进行调整，以计算两个F比率。主F比率检验了列平均值相同的零假设。另一个F比率检验行平均值相同的零假设（这是有效匹配的检验）。在每种情况下，如果零假设为真，则F比率预计接近1.0。如果F很大，则P值将会很小。

如果您不接受球形度假设

如果您选中不接受球形度假设的选项，则Prism会执行两项操作。

•Prism应用Geisser - Greenhouse修正。您会观察到较小的自由度，通常不是整数。相应P值高于未修正时的情况。

•其报告ε值，即用于衡量数据违反球形度假设程度的指标。

R2

Prism报告了两种不同的R2 值，该值通过取平方和（SS）比率计算得到：

•量化治疗效果的程度。有两种方法来计算该值。Prism使用Keppel（1）描述的方法，其中R2 是治疗效果引起的变化，作为治疗效果引起的变化加上随机变化之和的比例。该文本将该值称为R2 和埃塔平方，并声明该值是部分ω平方的估计值。该值的计算方法很简单，即SS治疗除以SS治疗加上SS残差之和。请注意，受试者间变化（SS个体）并非计算的一部分。R2 在标题为“重复测量方差分析汇总”的结果部分中进行了报告。

•如需量化如何影响匹配的有效性。R2 可量化因受试者间差异而导致的总体变化的比例。该比例的计算方法是SS个体除以SS总和，并在结果部分中报告，标题为“匹配是否有效”。

多重比较检验和分析检查表

了解有关重复测量方差分析后的多重比较检验的更多信息。

在解读结果前，查看分析检查表。

 

（1）G Keppel和TD Wickens，《设计和分析》，第四版，2004年，ISBN：0135159415