同一个人连续抽三次血，表格里会多出三行，但实验并没有凭空多出三个人。重复测量实验最容易犯的错，正是把“记录有几条”和“独立样本有几个”混在一起；这样会低估误差，让结果显得过于确定。
Michaelides 和 Bate 提出一套分类与可视化框架，要求研究者在分析前先回答三件事：受试者是不是实验单位——能够独立接受处理的最小对象；实验单位是否被反复测量；处理又是怎样随机分配的。框架还区分 Subject（被多次观察的人或动物）与 Repeated factor（时间、条件或取样位置等重复维度），强调“出现重复维度”不等于“没有随机化”。
最实用的一步，是把因素之间的嵌套、交叉和部分交叉关系画成 Hasse diagram——一种展示层级关系的图，并用箭头标出随机分配方向。这样，处理究竟分给人、时期还是更小的单位，会在建模前显出来。论文没有用一项效果数字证明它能减少多少错误；它的价值更像一张设计检查图，帮助研究者先认清真正独立的实验单位，再决定如何分析。