前面已经介绍了不少关于方差分析的内容了。下面是小编搜集整理的论文发表中常见的一些错误情况，希望能对临床医生有一定帮助。
众所周知，方差分析比较常用的场合就是多组定量资料的比较，而在应用中的主要几个问题有：
(1)缺乏对数据的正态性检验，组间比较都采用方差分析，而不考虑秩和检验。
(2)两两比较直接采用t检验，而不是专门的两两比较方法。
(3)采用方差分析处理重复测量资料，增加假阳性错误。
(4)实验设计考虑不周，误用其它设计的统计分析方法。
第一种错误比较明显，也都谈了好多年了，应该说是老生常谈的一个错误，只要大家有心，就不会犯这种明显的错误。前几天有人问我说：是不是组间比较前一定要做正态性检验，我看到好多人都没有做啊，都是直接就用方差分析。
这里就这个问题谈下个人观点。理论上，一定要做，别人不做，有两种可能，一是做了，只是没有在自己的结果中提及而已;二是真的没做。可能有的人觉得无所谓，不就是个正态性检验吗，提得多了都烦了。但是前提条件这种东西，一定要有的。否则就失去采用方法的意义了。有时候，有的指标，可能比较明显，肯定是正态，比如身高、体重等，可能你不提也没事。但是从稳妥的角度，建议还是只管提一下。其实做了也就是一分钟的事，文章中加上一句满足或不满足正态的话也不累赘，何苦不做呢?
第二种错误也是翻来覆去说了多少年了。两两比较不能用t检验，而要用两两比较的方法。而且两两比较方法的选择在前面的文章中也有介绍了，所以这种错误案例我也不举了。其实还是有很多。
下面主要通过2个例子来说明一下第三种和第四种错误。
例1：某研究欲分析某药物对骨质疏松的治疗效果，该研究将24只小鼠分为3组，第1组为正常对照组，第2组应用常规药物(A)，第3组联合应用常规药物和该新药(A+B)。研究者对观测结果分析后，发现第3组和第2组之间差异有统计学意义，结论认为新药对治疗骨质疏松有效。
笔者分析：这个例子在前面文章中层提到过，但是当时没有从专业上解释的详细。应该说，这种形式的设计在临床中不在少数。这里从专业上再说一下。这种研究涉及两个因素，每一因素各有2个水平，分别为常规药物(A)使用和不使用、新药(B)使用和不使用，因此两个因素组合后为4种处理。该研究中第3组比第2组多了B药，作者将两组的差异归因于多增加的B药的效果，认为新药对治疗骨质疏松有效，这一结论还是值得商榷的。因为如果A和B之间有交互效应的话，第3组就不仅包含B的作用，而且有A、B之间的交互作用。两组有差异可能是因为B的作用，也可能是因为A和B的交互作用。因此除非确定A和B之间完全独立，否则不能下结论认为两组差异是由于增加了B药造成的。
