分析带缺失值的重复测量数据。

即使缺少单个值，也无法计算重复测量方差分析。这是一项严重问题，很多人要求我们在存在缺失值的情况下，进行重复测量方差分析。这几乎不可能完成，但我们确实做到了！

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）。该分析的工作方式与方差分析不同，但能够在无缺失值时给出相同的主要结果，在有缺失值时给出有用结果。当然，仅当假设这些值因随机原因而丢失时，才可以解读结果。

重复测量方差分析的其他改进

•基于所有三项因素或其中任意因素，分析重复测量三因素方差分析。Prism 7的局限性更大。

•命名重复测量因素。 早期版本总是使用名称 “受试者”。现在，您可以选择“幼崽”或“动物”或“患者”或....

•纠正由于使用Geisser-Greenhouse校正而造成的球度缺乏。Prism 7可通过单因素方差分析实现此目的。Prism 8也可以通过双因素和三因素方差分析来做到这一点。

 

常规方差分析中的更多选项

•查看单元格、行、列和总平均值的表格

当数值缺失（样本量不相等）时，Prism显示预测的LSmeans（最小二乘平均值）。

•通过计算预测Y值 与残差绝对值之间的非参数相关性进行方差均匀性检验。

•未进行数据假设的单因素方差分析从标准偏差相等的群体中抽样得到。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/或两行的双因素数据， 查看 两列（或行）之间的差异 意味着连同计算其标准误差和95％置信区间。 如果您的表格具有两行和两个数据集，还应查看交互置信区间。