三因素方差分析（又称“三因素方差分析”）可决定一个反应如何受到三项因素的影响。例如，您可以使用两种不同的预处理来测量男性和女性对三种不同药物的反应。在本示例中，药物治疗是一项因素，性别是另一项因素，预处理是第三项因素。阅读其他地方了解 解读结果。

群体分布是否服从高斯分布？

三因素方差分析假设您的重复数据来自高斯分布。虽然该假设对大样本来说不太重要，但对小样本来说却很重要，尤其是不相等的样本。Prism未检验违反这一假设。如果您确实认为您的数据并非从高斯分布中抽样得到（没有变换会使分布服从高斯分布），则您应该考虑进行非参数方差分析。Prism未提供这种检验。

方差分析还假设所有重复数据组的总体SD相同，SD之间的任何差异均因随机抽样所致。

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汇总标准偏差。如果受试者连续接受一种以上的治疗，或者实验设计对多组匹配的受试者起作用，则您应该使用重复测量方差分析。Prism无法通过在任何因素中重复测量来计算三因素方差分析。

“误差”是否独立存在？

“误差”一词是指每个数值与所有重复平均值之间的差异。三因素方差分析的结果只在分散为随机分散时才有意义 - 无论是什么因素导致一个数值过高或者过低，都只会影响该特定数值。Prism无法检验这一假设。您必须考虑实验设计。例如，如果您有六个重复数据，但重复数据以一式三份的方式从两只动物身上获得，则误差不独立。在此情况下，一些因素可能导致一只动物的数值均较高或较低。

您是否真的想比较平均值？

三因素方差分析比较平均值。即使分布有相当大的重叠，P值也可能很小，这是群体平均值不同的明显证据。在某些情况下（例如，评估诊断检测的有用性），您可能更感兴趣的是分布的重叠，而非平均值之间的差异。

是否存在三项因素？

不要混淆三因素方差分析与三组的单因素方差分析。对于三因素方差分析，存在三个分组变量，可能是性别、有无疾病、对照组与治疗组。对于单因素方差分析，存在一个分组变量（也许是治疗）。如果具有三种可选疗法，您需要单因素方差分析，而非三因素方差分析。

这三项因素是否均属于“固定因素”，而非“随机因素”？

Prism执行I型方差分析，又称“固定效应方差分析”。这将检验您收集数据的特定组的平均值之间的差异。如果您从无限（或者至少是大量）可能的组中随机选择组，且希望得到所有组（甚至是您未包括在该实验中的组）之间差异的结论，则需要其他计算。