Welch检验解读及ANOVA方差不齐后的事后检验选择

核心问题结论 #

• 方差不齐且分布非正态：应采用Kruskal-Wallis检验。该非参数检验不依赖正态性和方差齐性假设，仅要求各组独立、变量可排序/测量，完全适配这种同时违反两项参数假设的场景。
• 方差不齐但分布正态：使用Welch检验是正确的。Welch检验通过调整自由度来修正方差不齐带来的偏差，相比普通ANOVA，能更准确地评估组间均值差异。

Welch检验的解读 #

• 与普通ANOVA逻辑一致：关注检验的p值，若p值小于预设的显著性水平（通常为0.05），则拒绝“所有组均值无差异”的原假设，判定至少存在一组均值与其他组有统计学差异。
• 报告结果时，需同时给出调整后的自由度、F统计量和p值，这是Welch检验区别于普通ANOVA的关键。

Welch检验后的组间差异分析 #

当Welch检验显示组间整体存在差异时，不适合使用依赖方差齐性的Tukey检验，推荐以下事后方法：

• Games-Howell检验：专为方差不齐的场景设计，能有效控制一类错误率，是Welch检验的最优配套事后检验方法。
• Bonferroni校正的配对t检验：对每两组进行独立样本t检验，并用Bonferroni方法调整p值以规避多次检验的假阳性风险，方法保守但易操作。

内容的提问来源于stack exchange，提问作者Anna