t 检验与方差分析怎么选？差异检验选择表、前提检验与结果判读

"不同性别在学业表现上有没有差异？""三种学历水平的满意度一样吗？"——这类问题属于差异检验。它的方法家族看起来很多（单样本 t、独立样本 t、配对 t、ANOVA、非参数），但选择规则其实只有三条：比几组、样本独立不独立、数据满不满足正态。本文给出一张决策表和完整判读流程。

一、先看选择决策表

二、三个前提假设

三、方差不齐怎么办（关键一步）

SPSS 的 t 检验输出里有两行结果，很多人不知道该看哪一行，判断依据就是 Levene 检验：

方差分析同理：方差不齐时改用 Welch ANOVA，事后比较用 Games-Howell（它不要求方差齐性），不要继续用 LSD 或 Tukey。

四、方差分析显著后做什么：事后多重比较

方差分析的 F 显著只能说明"至少有两组不同"，具体是哪两组不同，要靠事后多重比较。常用方法及选择：

五、效应量：比 p 值更该报告的数

p 值只回答"差异是否可能存在"，效应量回答"差异有多大"。样本量很大时，极小的差异也会显著；样本量小时，真实的大差异也可能不显著。当前期刊普遍要求在报告 p 的同时给出效应量。

六、论文里怎么写（可直接套用）

独立样本 t 检验

「独立样本 t 检验结果显示，男生与女生在学业表现上不存在显著差异（t(318) = 1.24, p = 0.216, d = 0.14）。Levene 检验表明方差齐性成立（F = 0.87, p = 0.352）。」

方差分析

「单因素方差分析结果显示，不同学历水平的研究对象在整体满意度上存在显著差异（F(3, 316) = 5.42, p = 0.001, η² = 0.049）。事后比较采用 Tukey HSD 法，结果表明本科组的满意度显著低于硕士组（均值差 = −0.32, p = 0.003），其余组间差异未达显著水平。」

表格建议命名为「表 N 不同人口学特征在主要变量上的差异检验」，列出：分组、样本量、均值 ± 标准差、t / F 值、p 值、效应量。格式见论文三线表规范。

七、非参数替代方案

遇到严重偏态、有序分类结果、样本量很小（每组 < 30）或存在极端值的情况，改用非参数检验更稳妥：

八、常见问题

两组样本量差很多（如 40 vs 300）会有问题吗？

会有影响。样本量严重不平衡时，方差齐性检验和小样本组的结果都不稳定。建议同时报告 Welch 校正结果，并说明组间样本量差异。

用李克特量表均分做 t 检验可以吗？

可以，问卷研究中通行。但如果该变量分布严重偏斜（如 90% 的人选 5 分），建议改用非参数方法或先做数据变换。

差异不显著就没价值了吗？

不是。差异不显著本身是结论，尤其当理论预期有差异时。建议补充效应量与置信区间说明"差异小到什么程度"，而不是只说一句 p > 0.05。

方差分析显著，但事后比较全都不显著，怎么回事？

可能是整体 F 的显著性来自某组与其余的对比，而事后方法过于保守；也可能是样本量不足。建议换用 LSD 或 Dunnett（如果适合你的比较结构）复核，并报告所用方法。