这些检验在样本量不等的情况下工作正常。缺失值不是问题。

Prism 只分析所有条件都有数据的行。如果有一个值缺失，则忽略该受试者（行）。

如果某些值缺失，双向方差分析计算就会面临挑战。如果任何行/列组合都没有值，Prism 就无法计算方差分析。如果某些行/列组合的重复次数少于其他行/列组合（某些重复次数缺失），Prism 会使用 SA Glantz 和 BK Slinker 中详述的方法。该方法将方差分析问题转换为多元回归问题，然后将结果显示为方差分析。Prism 执行三次多元回归--每次都以不同的顺序将列、行和交互作用呈现给多元回归程序。虽然三次计算每个平方和，但Prism 只显示最后输入多元回归方程的因子的平方和。这些被称为第三类平方和。

如果您的数据是平衡的（每个条件的样本量相同），那么输入均值、SD（或 SEM）和 N 就没有问题--您将得到与输入原始数据相同的结果。但是，如果您的数据是不平衡的，情况就不是这样了，因为不平衡的数据无法通过输入平均值、SD（或 SEM）和 N 计算出精确的结果。相反，Prism 使用了一种更简单的方法，称为 "非加权平均值 "分析。LD Fisher 和 G vanBelle 对该方法进行了详细介绍（详情如下）。如果所有组的样本量相同，以及在其他一些特殊情况下，这种更简单的方法得到的结果与分析原始数据得到的结果完全相同。但在其他情况下，结果只能大致正确。如果您的数据几乎是平衡的（只有一个或几个缺失值），那么近似值就是一个很好的值。如果数据不平衡，则应尽可能输入单个重复数据。

从Prism 8 开始，Prism 可以运行重复测量方差分析（单向、双向或三向方差分析），即使有一些缺失数据。它实际上并不运行方差分析，而是建立一个混合模型。但结果具有可比性。

拟合直线和曲线时，缺失值也能正常工作。您可以选择Prism 是拟合单个重复数据还是拟合平均值。如果选择拟合均值，则无论计算均值时使用了多少个值，每个均值都会获得相同的权重。如果拟合单个重复值，那么重复值较多的 X 值比重复值较少的 X 值获得更多权重。

生存曲线的比较不要求样本量相等。如果任何受试者的数据完全缺失，只需不输入该受试者的数据即可。但在决定不输入数据之前，请阅读有关删剪的知识。当您知道受试者存活到某个时间，但不知道之后发生了什么（或者您知道，但由于没有遵守实验方案而无法使用数据）时，就会发生删剪。Prism 可以很好地处理删剪数据。不要删除这些受试者，输入他们在实验方案中存活的时间，并将该时间标记为删剪。