تحلیل واریانس اندازه گیری مکرر دارای چندین پیش فرض است که عدم بررسی این مفروضات منجر به نتایجی غیر روا می شود. در ادامه این پیش فرضها معرفی خواهد شد.
مفروضه اول: متغیر وابسته باید در سطح پیوسته (مقیاس فاصله ای یا نسبی) اندازه گیری شده باشد.
مفروضه دوم: متغیر مستقل باید شامل حداقل دو گروه وابسته (آزمودنی های یکسان در شرایط مختلف آزمایشی) باشد.
مفروضه سوم: مشاهدات حاصل از آزمودنی های مختلف، از هم مستقل باشد.
مفروضه چهارم: در گروه های وابسته نباید موارد پرت معنادار وجود داشته باشد. موارد پرت، داده هایی هستند که از الگوی معمول موجود در داده ها پیروی نمی کنند و ممکن است دارای اثر منفی بر اندازه های مکرر باشند، تفاوت بین گروه های وابسته را به انحراف می کشاند و می تواند دقت نتایج را کاهش دهد.
مفروضه پنجم: توزیع متغیر وابسته در گروه ها باید تقریباً نرمال باشد. لازم به ذکر است که تحلیل واریانس نسبت به تخطی از مفروضه نرمال بودن، مقاوم است. بنابراین تا حدودی تخطی از این مفروضه منجر به نتایج ناروا نمی شود. برای بررسی نرمال بودن دادهها میتوان از آزمون شاپیرو-ویلک استفاده کرد.
مفروضه ششم: واریانس تفاوت بین همه ترکیب های مربوط به گروه ها (کرویت) باید یکسان باشد. متاسفانه تحلیل واریانس اندازه های مکرر به تخطی از مفروضه کرویت، حساس است و تخطی از آن منجر به یک آزمون بسیار آزاد منش می شود که میزان خطای نوع اول را افزایش می دهد. آزمون کرویت موخلی برای بررسی این مفروضه مورد استفاده قرار می گیرد. خوشبختانه وقتی داده ها از مفروضه کرویت تخظی می کند، چندین تصحیح را می توان برای ارایه یک نسبت F روا می شود. همه این تصحیح ها منجر به تعدیل درجه آزادی های مربوط به مقدار F می شود. در همه موارد، درجات آزادی بر اساس چگونگی کرویت داده ها، کاهش می یابد. با کاهش درجات آزادی، نسبت F محافظه کارانه تر می شود (یعنی باید بزرگتر شود تا معنی دار شود). سه برآورد مختلفی از کرویت برای تصحیح درجات آزادی استفاده میشود: الف) گرینهوس و گیسر، ب) هوینه و فلدت و ج) برآورد دامنه پایینتر. این که از کدام یک از این سه نوع تصحیح باید استفاده کرد باید برآوردهای کرویت (اپسیلون) را مد نظر قرار داد. اگر مقدار اپسیلون کمتر از 75/. باشد باید از تصحیح هوینه-فلدت استفاده کرد، اگر مقدار اپسیلون کمتر از 75/. باشد یا چیزی در مورد کرویت ندانیم، باید از تصحیح گرینهوس-گریزر استفاده کرد.
مفروضه هفتم: کوواریانس میان گروه ها باید همگن باشد. برای بررسی مفروضه همگنی کوواریانسها از آزمون M باکس استفاده میشود. اگر معناداری کمتر از 001/. باشد نشان دهنده آن است که در تمامی گروه ها، ماتریس های کوواریانس مشاهده شده متغیرهای وابسته، مساوی نیست. آزمون باکس آزمون بسیار حساسی است. اگر مقدار معناداری کم تر از 001/. باشد (در این آزمون مقدار آلفا را به جای 05/. یا 01/. مقدار 001/. در نظر می گیرند) و تعداد آزمودنی ها در گروه ها، برابر باشند، می توان آن را در نظر نگرفت. اما اگر معنادار باشد ولی حجم گروه ها نابرابر باشند، آزمون مقاومی نیست (تاباچنیک و فیدل، 2001). اگر این مفروضه رعایت شود، تحلیل گر می تواند از لامبدای ویلکز استفاده کند.
مفروضه هشتم: واریانس میان گروه ها باید همگن باشد. برای بررسی مفروضه همگنی واریانس های خطای متغیرهای وابسته در تمام گروه ها از آزمون لوین استفاده می شود.
برای تحلیل داده در نرم افزار لیزرل چند روش وجود دارد که عبارتند از:
Syntax Only
PRELIS Data
SMPLIS Project
LISREL Project
Path Diagram
یکی از پرکاربرترین روشها برای اجرای مدل، زبان SIMPLIS است. موارد زیر برای نوشتن آن لازم است که شامل موارد زیر است:
2. Observed Variables
3. Read data
4. Sample size
5. Latent variables
6. Relationships
7. Path Diagram
8. LISREL output
9. Method of Estimation
9. End of Problem
یکی از مواردی که ممکن است تحلیل گر در آن به مشکل برخورد کند نحوه فراخوانی داده هاست. در لیزرل با استفاده از زبان simplis از چند راه می شود داده ها را فراخواند:
Reading in Data to be analyzed
a) Covariance matrix and number of cases in ASCII format
مثال:
Covariance Matrix from file 'a96wlstw.cm'
Sample Size = 1882
b) Reading Correlations, Standard Deviations and/or Means
مثال:
Correlation matrix from file a96wlstw.km
Standard deviations from file a96wlstw.sd
Means from file a96wlstw.me
Sample Size 1882
c) Reading row data
مثال:
Raw data from file a96wlstw.raw
d) Reading raw data from a psf-file
مثال:
Raw data from file allb96sub.psf
e) Reading in a DSF-file
مثال:
System file from file Simplis1.dsf
لازم به ذکر است که برای فراخوانی داده ها در حالت اول و دوم نیاز به ماتریس کوواریانس یا ماتریس همبستگی با انحراف استانداد و میانگین متغیرهاست. بدین منظور تحلیل گر می تواند پس از باز کردن لیزرل و انتقال داده ها به بخش statistics رفته و در بخش output ماتریس کوواریانس یا ماتریس همبستگی با انحراف استاندارد و میانگین متغیرها را ذخیره کرده و بعد در اجرای مدل مورد استفاده قرار دهد.