P值

在解读拟合混合模型的结果时，还解读P值与双因素方差分析的一致性。请首先阅读解读双因素方差分析结果的主页面。也可阅读球形度假设的主页面，以及利用epsilon评估与该假设不符合的情况。  

随机效应SD和方差

混合效应模型将不同受试者（参与者、幼崽等）视为随机变量。残差随机变化也具有随机性。所有随机变量的效应均通过其变化来量化。Prism将该变化表示为SD和方差（SD的平方）。您，或更有可能是您的统计顾问，可能对这些值感兴趣，想了解与其他程序相比时受试者反应之间的相对变化（受试者方差），以及同一受试者在重复反应之间的相对变化（残余方差）。

匹配是否有效？

重复测量实验设计可能非常强大，因其控制造成或不可测量受试者间可变性的随机因素。如果匹配有效，则重复测量检测将产生比普通方差分析更小的P值。重复测量检测更加强大，因为其分开受试者间变异性与受试者内变异性。但是，如果配对无效，则重复测量检测不那么强大，因为其自由度更低。

Prism检验匹配是否有效，并报告了一个P值。该P值来自卡方统计量，该卡方统计量通过比较完全混合效应模型的拟合度与不考虑重复测量的更简单模型计得。如果P值很低，则您可以得出匹配有效的结论。如果P值较高，可能得出匹配无效的结果，应在下一次研究中重新考虑实验设计。

拟合优度

Prism以几种方式来表达拟合优度。这些内容仅对深入了解混合效应模型的人有价值。大多数科学家会忽略这些结果或不检查选项，他们因此从没被报告过。但是一些杂志可能会要求至少报告一个拟合优度的测量。

如果您不接受球形假设

如果您选中不接受球形假设的选项，则Prism会执行两项操作。

•Prism应用Geisser-Greenhouse修正。您会观察到较小的自由度，通常不是整数。相应P值高于未修正时的情况。

•其会报告ε值，即用于衡量数据违反球形假设程度的指标。

多重比较检验和分析检查表

了解重复测量方差分析后的多重比较检验。

解读结果前，查看分析检查表。