多元拟合的一个常见用法是分析具有重复测量的数据（也称为纵向数据）。在一段时间上重复测量某个对象，排列数据使每个时间测量值构成一个变量。因为测量值之间的相关性，不应将数据堆叠为单个列，也不应作为一元模型进行分析，除非相关性形成了称为球形的模式。有关该主题的更多详细信息，请参见上一节一元检验和球形检验。
使用重复测量，可以将分析分为两个层次：
• 通过使用模型效应拟合重复测量列之和为来对对象间效应建模。这对应于使用总和响应函数。该响应函数是作为 1 的单一向量的 M 矩阵。
• 使用拟合重复测量列差值的响应函数对对象内效应（重复效应或时间效应）建模。可以使用对比响应函数或以下任意类似差分函数执行该分析：多项式、Helmert、刻画或均值。当对重复测量间的差值建模时，将差值视为新的对象内效应（通常为时间）来处理。在模型中拟合效应时，将它们解释为与对象内效应的交互作用。例如，截距的效应变为“时间”（对象内）效应，显示重复测量间的总差值。若您有效应 A，则将对象内检验解释为 A*时间交互作用的检验，它用模型说明重复测量差值如何随 A 效应变化。
对应的多元和一元检验 显示响应函数和模型效应（与一元模型规格相比）之间的关系。使用总和（对象间）和对比（对象内）模型，您应可以重新构造源自将响应堆叠为单个列并得到标准一元拟合的检验。
可以通过直接和间接方式来执行重复测量分析：
• 直接方式是使用弹出菜单项“重复测量”。这提示您命名表示重复测量间对象内效应的效应。然后它拟合对比和总和响应函数。这种方式的优点是使用对象内效应名称合理标记效应。
• 间接方式是单独指定两个响应函数。首先，指定总和响应函数；其次，指定对比或对差值建模的其他某个函数。您需要记住在对比拟合中将对象内效应与模型效应关联。