分析缺失值的重复测量数据。

哪怕只有一个值缺失，也无法计算重复测量方差分析。这是一个很大的问题，很多人都要求我们做有缺失值的重复测量方差分析。这实际上是不可能的，但我们还是做了！

Prism 8 现在可以通过拟合混合效应模型来分析重复测量数据（单因素、双因素和三因素）。该分析的工作原理与方差分析不同，但在没有缺失值时，会给出相同的主要结果，而在有缺失值时，会给出有用的结果。 当然，只有在假设缺失值是由于随机原因的情况下，才能解读结果。

重复测量方差分析的其他改进

•在 单向方差分析中，对任意或全部三个因子进行 重复测量方差分析。 Prism 7 的限制性更大。

•为重复测量因子命名。 早期版本总是使用"受试者"这个名称。现在可以选择 "窝 "或 "动物 "或 "病人 "或 ....。

• 用 Greenhouse-Geisser修正 缺乏球形性 。 Prism 7 已经可以用单向方差分析做到这一点。 Prism 8 也可以用双向和三向方差分析来实现。

 

常规方差分析的更多选项

•查看单元、行、列和总均值表 

当 缺失值（样本量不等）时 ，Prism 会显示预测的 LSmeans（最小均方差）。

•通过计算预测 Y 值与残差绝对值之间的非参数相关性，检验方差的同质性。

•单向方差分析不假定数据是从标准偏差相等的人群中采样的。Prism 将计算 Brown-Forsythe 和 Welch 方差分析，然后进行适当的多重比较检验：Games-Howell、Tamhane T2、DunnettT3 检验。

•对于只有两列和/或两行的双向数据，查看 两列（或行）均值之间的差值 及其标准误差和 95% 置信区间。 如果您的表格有两行和两个数据集，也要查看交互作用置信区间。