这是一个关于一般统计学问题的个人疑问，并非JMP用户提出的问题。或许在这里问这个问题不太合适，但我找不到JMP用户群里更合适的提问地点。这个问题与我两年前发布的帖子（ 《双样本t检验的简单易懂的解释？ - JMP用户社区》 ）密切相关。
在你们国家，流程图统计分析仍然在使用吗？
大约在 20 世纪 60 年代到 90 年代，我们在许多统计检验书籍中看到了一些神圣不可侵犯的规则。（我认为其中很多书籍的作者并非统计学家，例如医学研究人员、社会学家、心理学家等等。）例如，比较两个独立样本的规则如下所示。
（1）对每一组进行正态性检验。
（2）如果两个检验中的一个结果显著，则进行 Wilcoxon 检验。
（3）如果不是，则进行方差齐性检验。
（4）如果结果显著，则进行韦尔奇检验。
（5）否则，进行学生 t 检验。
这些流程图仪式已被许多统计学家强烈地强调。
所有通用流程图程序的批评意见，例如，在 McElreath, R. (2020:2nd ed.) Statistical Rethinking: A Bayesian Course with Examples in R and Stan (2nd ed.),CRC Press 的第 1-4 页中有所描述。
关于 Welch、Student 和 Wilcoxon 检验，请尝试在 Copilot、ChartGPT 等软件中使用以下提示。试卷太多，我无法选择其中一篇。
----------------------
您能否找一些论文来评价流程图程序，如果正态性检验结果显著，则进行 Wilcoxon 检验；如果方差齐性检验结果显著，则进行 Welch 检验；如果不显著，则进行 Student's 检验？
另外，您能否也找一些资料来解释一下，学生 t 检验近似等价于置换检验，并且可以用作非参数检验来检验 H0:F1(y) = F2(y) 对于所有 y（尽管作为非参数检验，学生 t 检验并不能检验 H0:mu1=mu2）。
----------------------
关于 t 检验之前的初步正态性检验，John Sall-san 大约 20 年前在 JMPer Cable 上发表了一篇标题独特的文章，论述了 t 检验的稳健性。
尖峰恐惧症：对非正常事物的非理性恐惧
关于 t 检验之前方差的初步同质性检验，GEP Box 的名言“对方差进行初步检验就像划着小船出海，看看海况是否足够平静，远洋客轮可以离开港口！”被引用在 SAS 的 GLM 过程帮助中（ SAS 帮助中心：单向模型中的方差同质性）。
关于分析 DOE 数据，GEP Box 还表示，“‘尽可能地阻止某些事情，对某些事情进行随机化’可以大致证明分析的合理性，就好像标准假设是正确的一样”。
在日本，我认为很多非统计学专业人士、博主或“网红”仍然在网络上大量复制粘贴统计流程图进行信息传播。虽然我的观点可能带有偏见，但我认为现在只有极少数日本统计学家还会推荐这种流程图分析方法。
我观看了David Meintrup先生在2026年欧洲探索峰会上的演讲。令我非常惊讶的是，上面的流程图统计分析竟然被当作专家的统计分析来展示。我也担心LearnBot和Assistant是从非统计学家撰写的博客文章中的网络迷因里“学”来这种套路的。
