1. 您的因变量在主题间设计的每个单元格中应该是正常的。您有 2 个这样的单元格：2 个组，因此两组都应该正常。此外，您的 3 个 DV 之间的方差-协方差矩阵在两组中应该相同。您可以在 EXPLORE 程序中通过 Shapiro-Wilk 检验或 Kolmogorov-Smirnov（使用 Lilliefors 校正）检验来检查正态性。方差-协方差同质性可以通过 Box 的 M 检验（在判别分析中找到）进行检验。但是请注意，ANOVA 对于违反这两个假设的情况非常稳健。

2. Mauchly 的测试检查所谓的球形假设，这对于重复测量 ANOVA 的单变量方法是必要的。粗略地说，此假设要求您的重复测量 DV 之间的差异不相关。如果违反假设，您应该忽略“受试者内效应测试”表中的“假设的 Spericity” - 而是找到了一些更正（例如 Greenhouse-Geisser）。

3. 虽然受试者内效应测试表反映了 RM-ANOVA 中的“单变量方法”，但多变量测试表反映了“多变量方法”。这两个都很有用，并且有一些“更好”的争论。在这里阅读一些关于它们的信息，在这里阅读更多信息。

4. 如果整体效果不显着，通常不会检查成对测试，它没有什么意义。

用 SPSS 解释重复测量 ANOVA 的一般资源

听起来您需要关于重复测量方差分析的更好的通用资源。这里有一些网络资源，但通常搜索“SPSS 重复测量方差分析”会产生许多有用的选项。

• UCLA有一个 SPSS 输出示例，通过 2 x 3 混合 ANOVA 以及其他几个示例进行解释。
• 安迪·菲尔德重复测量方差分析

1.检查正常性

• 从实际的角度来看，正态性检验通常用于证明转换的合理性。如果您确实应用了转换，那么您需要对设计的所有单元格应用相同的转换。
• 使用 SPSS 评估正态性的常用方法是设置模型并保存残差，然后检查残差的分布。

2. Mauchly 检验的价值

• 一个常见的策略是查看 Mauchly 检验，如果它具有统计显着性，则解释单变量校正检验或多变量检验。

3. 多变量

• 我认为@ttnphns 已经很好地总结了这一点。

4. 成对比较

• 我认为@ttnphns 已经很好地总结了这一点。