嵌套单向方差分析比较三个或更多不匹配组的平均值，在这些处理组中有一个嵌套因素。

残差是否按高斯分布分布？

嵌套方差分析假定残差（很多情况下技术重复之间的变异）是从高斯分布中采样的。 由于中心极限定理的存在，这一假设在大样本时不那么重要。

通过嵌套 t 检验对话框的第三个选项卡，可以用多种方法绘制残差图，以评估残差的正态性。

每个子列内部的变异方差是否相同？

嵌套方差分析假定每个子列中的数据都是从具有相同 SD（相同方差）的群体中抽样得到的。Prism 不测试这一点，但您可以查看数据，看看是否严重违反了这一假设。

考虑在数值的对数上运行方差分析。在某些情况下，这会使方差更接近相等。

子列均值之间的变化是高斯分布吗？

嵌套单因素方差分析假定子列均值之间的变异是高斯分布的，而且子列中的重复序列也是高斯分布的。

您真的想比较均值吗？

嵌套方差分析比较的是三个或更多组的平均值。即使分布严重重叠，也有可能出现极小的 P 值--群体均值不同的明显证据。在某些情况下，例如评估诊断试验的有用性，您可能更关心分布的重叠程度，而不是均值之间的差异。

主要因素是 "固定"而非 "随机"的吗？

Prism 假设各组（数据集）是固定因素。换句话说，Prism 检验的是您所收集数据的特定组平均值之间的差异。组（数据集）也有可能代表随机因素。当您从无限（或至少是大量）可能的组中随机选择了组，并希望对所有组之间的差异得出结论时，就会出现这种情况，甚至包括您在本实验中没有包括的组。当主要因素是随机因素时，Prism 无法执行嵌套方差分析。

请注意，Prism 确实假定嵌套因素是随机的。

不同列代表分组变量的不同水平吗？

嵌套单因素方差分析询问单一变量的值在三个或更多组之间是否有显著变异性。在 Prism 中，每个组都有自己的列。如果不同的列代表不同的变异性，而不是不同的组，那么单因素方差分析就不合适。本示例中，如果 A 列是葡萄糖浓度，B 列是胰岛素浓度，C 列是糖化血红蛋白浓度，则单因素方差分析不会有帮助。

.