這是一個關於一般統計問題的個人疑問，並非JMP使用者提出的問題。或許在這裡問這個問題不太合適，但我找不到JMP用戶群組裡更合適的提問地點。這個問題與我兩年前發布的帖子（ 《雙樣本t檢定的簡單易懂的解釋？ - JMP用戶社區》 ）密切相關。
在你們國家，流程圖統計分析仍然在使用嗎？
大約在 20 世紀 60 年代到 90 年代，我們在許多統計檢定書籍中看到了一些神聖不可侵犯的規則。 （我認為其中許多書籍的作者並非統計學家，例如醫學研究人員、社會學家、心理學家等等。）例如，比較兩個獨立樣本的規則如下所示。
（1）對每一組進行常態性檢定。
（2）如果兩個檢定中的一個結果顯著，則進行 Wilcoxon 檢定。
（3）如果不是，則進行方差齊性檢定。
（4）如果結果顯著，則進行韋爾奇檢定。
（5）否則，進行學生 t 檢定。
這些流程圖儀式已被許多統計學家強烈強調。
所有通用流程圖程序的批評意見，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 頁中有所描述。
關於 Welch、Student 和 Wilcoxon 檢驗，請嘗試在 Copilot、ChartGPT 等軟體中使用以下提示。試卷太多，我無法選擇其中一篇。
----------------------
您能否找一些論文來評估流程圖程序，如果常態性檢定結果顯著，則進行 Wilcoxon 檢定；如果方差齊性檢定結果顯著，則進行 Welch 檢定；如果不顯著，則進行 Student's 檢定？
另外，您能否也找一些資料來解釋一下，學生 t 檢定近似等價於置換檢驗，並且可以用作非參數檢定來檢驗 H0:F1(y) = F2(y) 對於所有 y（儘管作為非參數檢驗，學生 t 檢定並不能檢驗 H0:mu1=mu2）。
----------------------
關於 t 檢定之前的初步常態性檢驗，John Sall-san 大約 20 年前在 JMPer Cable 上發表了一篇標題獨特的文章，論述了 t 檢定的穩健性。
尖峰恐懼症：對非正常事物的非理性恐懼
關於 t 檢定之前方差的初步同質性檢驗，GEP Box 的名言「對方差進行初步檢驗就像劃著小船出海，看看海況是否足夠平靜，遠洋客輪可以離開港口！」被引用在 SAS 的 GLM 過程幫助中（ SAS 幫助中心：單向模型中的方差同質性）。
關於分析 DOE 數據，GEP Box 也表示，「『盡可能地阻止某些事情，對某些事情進行隨機化』可以大致證明分析的合理性，就好像標準假設是正確的一樣」。
在日本，我認為許多非統計學專業人士、部落客或「網紅」仍然在網路上大量複製貼上統計流程圖進行資訊傳播。雖然我的觀點可能帶有偏見，但我認為現在只有極少數日本統計學家還會推薦這種流程圖分析方法。
我看了David Meintrup先生在2026年歐洲探索高峰會的演講。令我非常驚訝的是，上面的流程圖統計分析竟然被當作專家的統計分析來展示。我也擔心LearnBot和Assistant是從非統計學家撰寫的部落格文章中的網路迷因裡「學」來這種套路的。
