双向方差分析，也叫双因素方差分析，确定一个反应如何受两个因素的影响。"重复测量"意味着其中一个因素是重复的。本示例中，您可能会比较两种处理方法，并在四个时间点对每个受试者进行测量（重复）。请阅读其他内容，了解如何选择试验、绘制数据图表和解读结果。

数据是否匹配？        

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。还要检查您在实验设计选项卡中的选择是否与数据的实际排列方式相匹配。如果你犯了一个错误，计算时假设重复了错误的因子，那么结果就不会正确或有用。

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。这些数据需要用三因素方差分析，也叫三因素方差分析。

这两个因素都是 "固定 "而非 "随机"的吗？

虽然 Prism 假设重复测量中的参与者是随机选择的，但它假设行或数据集列所指定的治疗或类别是固定的。这意味着您要询问的是这些特定处理或类别如何影响结果。如果您从无限（或至少是大量）可能的处理或类别中随机选择处理或类别，并希望就所有处理或类别（甚至是您在本实验中未包括的处理或类别）之间的差异得出结论，则需要进行不同的计算。棱镜无法处理这种情况。

你能接受球形性假设吗？

导致一个受试者的测量值偏高（或偏低）的随机因素应该不会影响同一受试者的下一次测量。这一假设称为循环性或球形性。它与高级教材中的另一个术语 "复合对称性"密切相关。

只有当你的实验确实是重复测量实验时，你才需要担心循环性假设，因为你的实验是由单个受试者进行测量的。在随机区组实验中，如果您使用了一组匹配的受试者（或一组匹配的实验），则不太可能出现循环性问题。

重复测量方差分析对循环性假设的违反相当敏感。如果违反了这一假设，P 值就会过低。如果重复测量的时间相隔太近，导致某一特定值偏高（或偏低）的随机因素在下一次测量前没有被冲走或消散，就会违反这一假设。为避免违反该假设，应在两次治疗之间等待足够长的时间，以便受试者与治疗前基本相同。在可能的情况下，还要随机安排治疗顺序。

考虑重复测量方差分析的替代方法。

双向方差分析可能无法回答实验设计要解决的问题。考虑其他方法。

如果有任何值缺失，是随机事件造成的吗？

从 Prism 8 开始，可以通过拟合混合模型计算缺失值的重复测量数据。但只有当数值缺失的原因是随机的，才能解释结果。如果数值缺失是因为测量值太高（或太低），那么它就不是随机缺失。如果数值缺失是因为某种治疗方法有毒，那么这些数值就不是随机缺失的。