双向方差分析，也称为双因素方差分析，用于确定一个反应受两个因素的影响。本示例中，药物治疗是一个因素，性别是另一个因素。在本示例中，药物治疗是一个因素，性别是另一个因素。请阅读其他内容，了解如何选择测试和解读结果。

种群是否按高斯分布分布？

双向方差分析假设您的重复样本是从高斯分布中采样的。虽然对于大样本量来说，这一假设并不太重要，但对于小样本量，尤其是样本量不等的情况，这一假设就很重要了。Prism 不会测试是否违反了这一假设。如果您确实认为您的数据不是从高斯分布中采样的（而且任何变换都不会使分布成为高斯分布），您应该考虑执行非参数双向方差分析。Prism 不提供这种测试。

方差分析还假定所有重复集的总体标差相同，标差之间的任何差异都是随机抽样造成的。

数据是否不匹配？        

标准的双向方差分析是通过比较各组平均值与各组集合标准偏差之间的差异来实现的。如果数据匹配，则应选择重复测量方差分析。如果匹配能有效控制实验变异性，重复测量方差分析将比常规方差分析更有检验力。

"误差"是独立的吗？

术语 "误差"是指每个值与所有重复平均值之间的差值。双向方差分析的结果只有在散布是随机的情况下才有意义--即导致一个值过高或过低的任何因素只影响这一个值。Prism 无法检验这一假设。您必须考虑实验设计。例如，如果您有六个重复本，但这些重复本是从两只动物身上一式三份得到的，那么误差就不是独立的。在这种情况下，某些因素可能会导致一只动物的所有数值偏高或偏低。

您真的想比较均值吗？

双向方差分析可以比较均值。即使分布有很大的重叠，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。

有两个因素吗？

单因素方差分析比较由一个因素定义的三个或更多组。本示例中，您可以将对照组与药物治疗组和药物加拮抗剂治疗组进行比较。或者将对照组与五个不同的药物治疗组进行比较。Prism 有单独的单因素方差分析。

有些实验涉及两个以上的因素。本示例中，您可能会比较男性和女性在四个时间点服用三种不同药物的情况。该实验中有三个因素：药物治疗、性别和时间。这些数据需要进行三因素方差分析，也称为三因素方差分析。Prism 不能进行三因素方差分析。

这两个因素都是 "固定"而非 "随机"的吗？

Prism 执行 I 型方差分析，也称为固定效应方差分析。这可以测试您所收集数据的特定组平均值之间的差异。如果您从无限（或至少大量）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，甚至是您在本实验中没有包括的组，则需要进行不同的计算。