为了确保结果有效，请在收集数据、执行分析和解释结果时考虑以下准则。
- 数据应当仅包括类别因子
-
如果您的设计中包含协变量，请使用拟合一般线性模型。
类别因子可以是交叉因子、嵌套因子、固定因子和随机因子。
有关因子的更多信息，请转到因子和因子水平、什么是因子、交叉因子和嵌套因子？和什么是固定因子和随机因子之间的差值？。
- 除非拥有单因子设计，否则设计必须是平衡设计
- 对于每个处理组合来说，平衡设计具有相同数量的观测值。
平衡数据要求也适用于嵌套因子。假设 A 具有 3 个水平，B 嵌套在 A 中。如果 B 在 A 的第一个水平内具有 4 个水平，则 B 在 A 的第二和第三个水平内必须具有 4 个水平。Minitab 将告知您嵌套是否不平衡。忽略缺失数据后，仍然必须满足数据平衡要求。
如果您的设计不平衡，请使用拟合一般线性模型。
有关平衡设计的更多信息，请转到平衡与不平衡设计。
- 嵌套因子必须使用同一组下标
- 用来表示 B 在 A 的每个水平中的 4 个水平的下标必须相同。因此，B 的四个水平不能在 A 的水平 1 中为 (1 2 3 4)，在 A 的水平 2 中为 (5 6 7 8)，在 A 的水平 3 中为 (9 10 11 12)。
- 响应变量应当是连续变量
- 如果响应变量是类别变量，则您的模型不太可能满足分析假定、准确描述数据或者进行有用的预测。
- 每个观测值都应当独立于所有其他观测值
-
如果您的观测值是相关的，则结果可能无效。请考虑以下几点来确定观测值是否为独立值：
- 如果一个观测值不提供有关另一个观测值的信息，则说明这两个观测值是独立的。
- 如果一个观测值提供有关另一个观测值的信息，则说明这两个观测值是相关的。
- 样本数据应当是随机选择的
-
随机样本用于对总体做出归纳，即推断。如果数据不是随机收集的，则结果可能无法代表总体。
- 使用最佳做法收集数据
-
要确保结果有效，请考虑以下准则：
- 确保数据代表您感兴趣的总体。
- 收集足够多的数据以提供必要的精确度。
- 尽可能准确和精确地测量变量。
- 以数据的收集顺序记录数据。
- 模型应当提供良好的数据拟合
-
如果模型无法与数据拟合，则结果可能会具有误导性。在输出中，使用残差图和模型汇总统计量可以确定模型对数据的拟合优度。