當方差不相等時使用單方差分析比較多種方法我有 3 個數據集並執行單向方差分析以查看組間的均值是否不同。 P 值的 ANOVA 為 0.13，表明均值之間沒有顯著差異，但等方差檢驗 O'Brein、Brown-Forsyhe Levene 和 Barrlett 的四個檢驗的 p 值等於或小於 0.00723。 這表明方差不相等。 Welch 方差分析檢驗的 p 值也很低，為 0.0123。 由於方差不相等，Welch 檢驗是否適合用於顯示至少一個組均值與其他組均值不同，因為方差不相等？ 我相信如果 varainace 相等，Tukey-Kramer 測試將是合適的。 如果方差不相等，是否有等價檢驗？
回复：當方差不相等時使用單向方差分析比較多個均值一些想法給你：
首先，盡量避免將 p 值用作指示“顯著性”的“懸崖”，而更多地用作衡量僅由於偶然性而獲得至少同樣大的測試統計數據的概率。 此外，在查看 Fit Y by X 散點圖時，您的眼睛告訴您什麼是組均值？ 最重要的是，領域專業知識可以幫助您做出最終決定嗎？ 做出有關群體的錯誤決定有哪些風險（實際而非統計）？ 這些應該至少與 ap 值一樣有助於指導您的最終決定。
最後，如果您被約束並決定在多重比較模式下使用產生 p 值的東西或它們的兄弟，也許看看非參數多重比較測試？ 這些作為非參數 -> 非參數多重比較下 Fit Y by X 平台報告的熱點選項提供。
