您确定方差分析（ANOVA）是最佳的分析方法吗？
在解释方差分析结果之前，请先进行现实性检验。如果某个因素是时间或剂量这类定量因素，请考虑方差分析以外的替代方法。 如果方差分析中的某个因素是剂量（例如 0、10、20 和 50 毫克）或时间（例如 0、10、20、30、60 分钟）， 方差分析会将这些剂量或时间点与不同物种或不同药物一视同仁，完全忽略了剂量或时间点具有顺序性的事实。
解读重复测量双向方差分析的 P 值
在解释双向方差分析结果时，无论是否涉及重复测量，大多数考虑因素都是相同的。因此，请先阅读关于解释双向方差分析结果的通用页面。同时，请阅读关于球形性假设的通用页面，以及如何使用ε评估该假设的球形违背情况。
重复测量方差分析的方差分析表中多出一行：“受试者（配对）”。这一行量化了所有数值间变异中，有多少是由于受试者之间的差异所致。 相应的P值用于检验“所有受试者均相同”这一零假设。若P值较小，则表明选择重复测量方差分析是合理的；若P值较高，则在今后进行类似实验时，您可能需要重新审视使用重复测量方差分析的决策。
重复测量方差分析的计算方法
Prism 采用 Glantz 和 Slinker (1) 中阐述得非常详尽的标准方法，进行重复测量双向方差分析的计算。
如果两个因素的数据均包含重复测量，Prism 将采用 Maxwell 和 Delaney (2) 第 12 章中的方法
若您未假设球面性，Prism 将采用 Greenhouse-Geisser修正并计算 ε 值。若您的重复测量因子仅有两个水平，则球面性概念不适用。 无论您是否选择假设球面性，结果都将相同，且ε的值将为1.00000。
多重比较检验
多重比较检验是统计学中最令人困惑的主题之一。由于 Prism 针对单向方差分析和双向方差分析提供的多重比较检验方法几乎相同，因此我们已将相关信息整合在一起。
双向重复测量方差分析后的多重比较可通过两种方式计算。
Prism 始终使用合并误差项来计算多重比较检验（参见 Maxwell 和 Delaney 著《统计学》第 2 卷第 583 页）。 如果只有一个因素是重复测量，则自由度等于 (n-1)(a-1)，其中 n 是受试者数量，a 是重复测量因素的水平数。 如果两个因子都是重复测量因子，则自由度等于 (n-1)(a-1)(b-1)，其中 n 是受试者数，a 是其中一个因子的水平数，b 是另一个因子的水平数。 另一种理解方式是：n 代表子列数，a 代表行数，b 代表数据集的列数。这种额外的功效源于一个额外假设：对于所进行的每项比较，在数据抽样的总体中，所有这些比较的变异量都是相同的。
有些程序会为每次比较分别计算误差项。这些比较仅有 n-1 个自由度，因此置信区间较宽，调整后的 P 值也较高。这种方法并不假设所有比较的方差均相同。
参考文献
1. SA Glantz 和 BK Slinker，《应用回归与方差分析入门》，McGraw-Hill 出版社，第二版，2000 年。
2. SE Maxwell 和 HD Delaney，《实验设计与数据分析》，第二版。Laurence Erlbaum 出版社，2004 年。
