将混合效应模型拟合至重复测量单向数据，比较三个或以上匹配组的平均值。“重复测量” 一词 仅当您向每名受试者反复给予治疗时才严格适用，以及 “随机区组”一词 在您在每组（区组）匹配受试者中随机分配治疗时使用。重复测量和随机区组实验的分析相同，Prism总是使用球形度一词。
阅读有关使用混合模型来拟合重复测量数据的更多信息。
固定效应P值
模型中存在一个固定效应，即决定将每个值置入哪一列的变量。混合效应模型结果给出的一个P值回答了该问题：
如果总体P值很大，则数据不给您任何理由来得出平均值不同的结论。即使平均值确实相等，您也不会惊讶于偶然发现平均值如此遥远。这不等于说真正的平均值均相同。您只是缺失令人信服的证据来证明这些平均值不同。
如果总体P值很小，则您所观察到的差异不太可能因随机抽样所致。您可拒绝所有群体均具有相同平均值的想法。这并不意味着每个平均值均不同于其他平均值，只是至少有一个平均值不同于其他平均值。观察后检验的结果，找出差异。
随机效应SD和方差
混合效应模型将不同受试者（参与者、儿童等）视为随机变量。残差随机变化也具有随机性。Prism将该变化表示为SD和方差（SD的平方）。 您或更可能是您的统计顾问可能会对这些值感兴趣，以便与其他程序进行比较。这些值的计算非常复杂，需要矩阵代数。
匹配是否有效？
重复测量实验设计非常强大，因为其控制导致受试者间变异性的因素。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。重复测量检测更实用，因为其可将受试者间变异性与受试者内变异性分开。但是，如果配对无效，则重复测量检测将不适用，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值很高，则您可以得出匹配无效的结论，应重新考虑您的实验设计。
拟合优度
Prism能够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取消选择，这样就无需进行报告。
如果您不接受球形度假设
如果您选中不接受球形度假设的选项，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。
•其报告ε值，即用于衡量数据违反球形度假设程度的指标。
多重比较检验和分析检查表
了解有关重复测量方差分析后的多重比较检验的更多信息。
解读结果前，查看分析检查表。
