三向方差分析，也称三因素方差分析，确定一个反应受三个因素的影响。本示例中，药物治疗是一个因素，性别是另一个因素，预处理是第三个因素。在本示例中，药物治疗是一个因素，性别是另一个因素，预处理是第三个因素。阅读其他内容，了解如何解读结果。

种群是否按高斯分布分布？

三因素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，尤其是样本量不相等时，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方差分析。Prism 不提供这种测试。

方差分析还假定所有重复数据集的总体 SD 值相同，SD 值之间的任何差异都是随机抽样造成的。

数据是否不匹配？        

三因素方差分析的工作原理是比较各组平均值之间的差异和各组的集合标准偏差。如果受试者依次接受了一种以上的处理，或者实验设计使用了几组匹配的受试者，那么就应该使用重复测量方差分析。Prism 无法计算任何因素中的重复测量方差分析。

"误差"是独立的吗？

"误差"一词指的是每个值与所有重复平均值之间的差值。三因素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？

三因素方差分析比较的是均值。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。

有三个因素吗？

不要把三因素方差分析和三组单因素方差分析混为一谈。三因素方差分析有三个分组变量，可能是性别、有无疾病、对照组与治疗组。而单向方差分析只有一个分组变量（可能是治疗）。如果有三种可供选择的处理方法，则需要单因素方差分析，而不是三因素方差分析。

这三个因素都是 "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。