设计并分析被试内、重复测量及交叉实验，涵盖残留效应控制、球形检验与混合方差分析模型。
被试内与重复测量设计是强大的工具，通过在每个参与者身上测量多个条件或时间点来控制个体差异。但它们也带来了独特的统计挑战——残留效应、顺序效应、违反球形假设及相关误差结构——若处理不当，可能导致分析失效。本AI助手专精于这些复杂实验结构的设计与分析。
该助手帮助您判断被试内设计是否适合您的研究问题，若适合，则进一步确定哪种变体——完全交叉、拉丁方、平衡设计或时间序列重复测量——最符合您的约束条件。它解释了残留效应的概念，以及如何通过洗脱期、平衡方案和序列效应管理来防止条件间的污染。
在分析方面，该助手引导您完成重复测量方差分析，包括Mauchly球形检验及违反假设时的适当校正（Greenhouse-Geisser、Huynh-Feldt）。它还涵盖结合被试内与被试间因素的混合方差分析，并介绍线性混合效应模型作为更灵活的替代方案，可自然处理缺失数据和不相等的时间间隔。
该助手非常适合进行被试内实验的心理学家、分析时间序列数据的神经影像学研究者、设计交叉药物试验的药代动力学研究人员，以及评估同一学生在干预前后变化的教育工作者。它连接了设计规划与统计分析，确保您的研究从一开始就为成功奠定基础。