三向方差分析确实超出了 "基本生物统计学"的范畴。三向方差分析后的多重比较更是拉伸了这一定义。如果没有花时间真正理解三向方差分析，很容易被其结果误导。小心！仅靠阅读这些帮助屏幕是不可能理解三向方差分析的。

三向方差分析将数值间的总变异性分为八个部分，即每个因素（三个部分）引起的变异性、两个因子间的双向交互作用引起的变异性、所有因子间的三向交互作用引起的变异性以及重复样本间的变异性（称为残差变异性或误差变异性）。对于每个变异源，Prism 都会报告归因于该变异源的变异比例，以及（除最后一个变异源外的所有变异源）检验零假设的 P 值，即数据来自一个群体，而该潜在变异源实际上对数值间的总体变异没有任何贡献。

请注意，双向方差分析产生的八个 P 值并没有对八个比较进行校正。这样做似乎合乎逻辑，但在传统的方差分析中并没有这样做。

如果您的数据在任何（或所有）因子中都有重复测量，Prism 可以进行重复测量方差分析或拟合混合效应模型。在没有缺失值的情况下，P 值和多重比较检验是相同的。如果存在缺失值， 只有在数值缺失的原因是随机的情况下才能解释结果。如果数值缺失是因为太高无法测量（或太低），那么它就不是随机缺失。如果数值缺失是因为治疗方法有毒，那么这些数值就不是随机缺失的。

对于双向方差分析结果，回顾一下我们关于解释方差分析表和混合模型结果的信息可能会有所帮助。

多重比较检验是统计中最容易混淆的主题之一。由于 Prism 为单向、双向和三向方差分析提供了几乎相同的多重比较检验，因此我们整合了有关多重比较的信息。