在样本量不相等的情况下，这些检验运行良好。缺失值不构成问题。

Prism只分析含有所有符合条件的数据的行。如果缺少一个值，则忽略该受试者（行）。

如果缺少一些值，则双因素方差分析的计算会变得有挑战性。如果任何行/列组合无任何值，则Prism无法计算方差分析。如果某些行/列组合的重复数少于其他组合（有些重复数缺失），则Prism将使用SA Glantz和BK Slinker详述的方法。该方法将方差分析问题转化为多元回归问题，然后将结果显示为方差分析。Prism执行三次多重回归，每次都以不同顺序，向多重回归过程呈现列、行和交互。虽然它计算每个平方和三次，但Prism只显示最后输入多元回归方程的因子的平方和。称之为第III类平方和。

如果您的数据处于平衡状态（每个条件的样本量相同），则输入数据作为平均值、SD（或SEM）和N都不会出现问题 - 得到的结果与输入原始数据时的结果相同。然而，如果您的数据处于非平衡状态，将是另外一种情况，无法基于输入作为平均值、SD（或SEM）和N的不平衡数据计算得到精确结果。LD Fisher和G vanBelle（详情见下文）中详细说明了该方法。如果所有组的样本量相同，且在其他一些特殊情况下，这种更简单的方法给出的结果与通过分析原始数据获得的结果完全相同。但在其他情况下，结果只是大致正确。如果您的数据几乎处于平衡状态（只有一个或几个缺失值），则该近似值可作为良好的结果。数据不平衡时，您应该尽可能输入单个重复。

从Prism 8开始，Prism可以运行重复测量方差分析（单因素、双因素或三因素），即使缺失一些数据，也可以运行。它实际上不运行方差分析，而是与一个混合模型拟合。但结果相似。

拟合直线和曲线可以很好地处理缺失值。您可以选择使用Prism拟合单个重复或者拟合平均值。如果您选择拟合平均值，则无论使用多少个值进行计算，每个平均值均会获得相同的权重。如果您拟合单个重复，则X值拥有的Y重复值更多，获得的权重更高。

生存曲线的比较无需相等的样本量。如果任何受试者的数据完全缺失，则无需输入该受试者的数据。但知道受试者生存到某个时间，但不知道之后发生什么时（或者您知道，但由于未遵循实验方案而无法使用数据），则在决定删除数据之前，先阅读审查结果。Prism能够很好地处理经过审查的数据。请勿忽略这些受试者，输入他们在实验方案中生存的持续时间，并将该持续时间标记为已经过审查。