协方差分析有一个重要的假设即“平行性检验”：平行性是指自变量X与协变量对于因变量Y的影响时，自变量X与协变量之间保持独立性。
如果交互项（即有*号项）的p 值>0.05则说明平行，满足平行性检验，可进行分析。如果协方差分析不满足平行性，交互项（即有*号项）的p 值< 0.05则说明不平行，不满足平行性检验，此时应该将协变量项移出。
6、重复测量方差分析
重复测量方差分析（Repeated analysis of measurement variance）常见于医学实验中。当我们需要对同一因变量进行重复测量，如果仍然使用一般的方差分析就会出现问题，因为在重复测量时，观测对象的测量结果之间存在一定程度的相关，这违背了方差分析数据独立性的要求，所以在进行分析时就需要选择重复测量方差分析。
重复测量设计在医学、生物学研究中较为常见，即在给予一种或多种处理后，在多个时间点上从同一个受试对象重复获得指标的观察值。重复测量研究的目的是探讨同一研究对象在不同时间点某指标的变化情况，例如患者在治疗后(或手术后)1天、2天、1周、2周等，各时间点上某指标的变化。
重复测量方差分析时涉及两个重要的术语名词，分别是组内和组间。比如有这样一项关于抑郁症的研究，共有12名患者，分别6名患者使用新药或者旧药；并且分别测试12名患者用药后分别第1周，第4周和第8周时的抑郁程度。因此数据中涉及到时间点的记录，和组别的记录。时间点则称之组内项，组别称为组间项。
SPSSAU 位置：【实验/医学研究】模块->【重复测量方差】
有关重复测量方差的部分可查看SPSSAU帮助手册，本文主要探讨通用方差分析的部分。
https://spssau.com/helps/medicalmethod/repeatedAnova.html
三、方差分析流程
第3大部分将结合一个双因素方差分析的案例，介绍方差分析的流程，包括数据格式、前提条件检验、软件操作以及结果解读。这部分将具体介绍差异幅度的效应量指标、事后多重比较、交互效应以及简单效应分析的内容。
案例：假设有甲乙丙三种施肥方式，A、B、C三种小麦品种，现在想要研究不同施肥方式和不同品种小麦之间产量是否有差异，以及施肥方式和品种的交互作用对水稻产量是否有影响。使用双因素方差分析进行研究，收集到部分数据如下：
1、数据格式
第2部分提到的6种方差分析方法的数据格式可大概分为2类，一类为常规格式，一类为重复测量方差分析的数据格式。
（1）常规格式
不论是单因素方差、双因素方差、多因素方、协方差，其均是研究X对于Y的差异，1个X均占用1列，1个Y也占用1列，如果有协变量那么1个协变量占用1列。数据格式类似如下：
（2）重复测量方差格式
重复测量数据是指同一批样本（病例）在不同的时间点测量了多次数据，因此重复测量数据的特殊之处在于一定会有ID号（即样本或者病例号），以及时间点数据，如下图。同一个ID会有多个时间点的数据，比如下面有12个样本（12个ID号），并且测量5个时间点。那么就一定会有12*5=60行数据。同一个ID号会重复5次，同一个时间点会重复12次。
