在独立测量ANOVA中，每个处理中的所有个体都用完全相同的处理来对待，所以处理内的任何差异都不可能是由处理效应引起的。但是在重复测量设计中，个体差异可以引起处理内的数据的系统差异，为了从F分数的分母中消除这个个体差异，我们测量了个体差异，然后从变异性中减去这些差异，剩下的方差测量的就是纯误差，不包括任何可以由处理效应或个体差异引起的系统差异。因此重复测量F分数的结构是：
所以当处理不存在效应时，F=1.00。大的F值表明处理效应真正存在，应该拒绝虚无假设。
2. 检验重复测量ANOVA的假设检验
步骤一：把总的方差分为处理间方差和处理内方差。步骤二：消除F分数分母上的个体差异。从处理内方差入手，测量并减去处理间方差，剩下的方差通常被称为残差或误差方差，它测量的是在消除个体差异后，由偶然引起的方差是多少才是合理的。在重复测量ANOVA中，P值被称为个人总和或被试总和。SS处理间与SS被试间的公式结构完全相同，只是T变成了P。
步骤三：比较F值与临界值的差异。当处理不存在效应时，F=1.00，大于临界值的F值表明处理效应真正存在，应该拒绝虚无假设。3. 重复测量ANOVA的效应大小
4. 重复测量的后继检验
当k大于2时，研究者必须应用事后比较来确定哪些平均数差异是显著的。重复测量ANOVA的事后检验需要用MS误差来代替MS处理间，用df误差来代替df处理内
FA对B=MS误差/MS内
5. 重复测量设计的优点
当个体差异非常大的时候，如果进行独立测量研究，存在的处理效应很可能被掩盖。重复测量设计需要从分析中消除个体差异，因此在发现处理效应方面就比较敏感，因为个体的差异不影响F值。需要注意的是，消除个体差异只有在处理效应对于所有的被试是一致的情况下才能成为一个优点，如果处理效应对于所有被试来说不一致，那么个体差异就趋向于消失，分母不会因为差异的消失而有明显的降低。
参考书目：行为科学统计，现代心理与教育统计学