三因素方差分析确实超越了“基本生物统计学”的范畴。三因素方差分析后的多重比较进一步扩展了这一定义。如果您未花时间真正理解三因素方差分析，则很容易受结果误导。注意！仅仅通过阅读这些帮助屏幕不可能理解三因素方差分析。

三因素方差分析将各值之间的总变异性分为八个分量，即每项因素（三个分量）引起的变异性，两项因素之间的双向相互作用引起的变异性，所有因素之间的三个三向相互作用引起的变异性，以及重复因素之间的变异性（称为残差变异或误差变异）。对于每一个变异性源，Prism报告了归因于该变异性源的变异性分数，以及（除最后一个以外的所有变异性）检验零假设的P值，即数据来自一个群体，其中，潜在变异性源实际上对各值之间的群体变异无影响。

请注意，并未针对八个比较结果校正双因素方差分析产生的八个P值。这样做似乎合乎逻辑，但传统上在方差分析中并不这样做（从来没有？）。

如果数据在任何（或所有）因素方面有重复测量结果，则Prism可进行重复测量方差分析或拟合混合效应模型。在无缺失值的情况下，P值和多重比较检验结果相同。如果存在缺失值， 则仅当造成数值缺失的原因是随机原因时，才能解读结果。由于过高而无法测量（或过低）导致的值缺失不属于随机缺失。如果由于治疗是有毒的而导致值缺失，则值不属于随机缺失。

这可能有助于审查我们有关双因素方差分析结果的方差分析表和混合模型结果的解读的信息。

多重比较检验是统计学中最令人困惑的话题之一。由于Prism提供了几乎相同的单因素、双因素和三因素方差分析多重比较检验结果，因此我们整合了多重比较的信息。