「兩組比平均」看起來很簡單，但實際操作時會遇到一連串選擇：獨立還是相依？變異數同質性違反怎麼辦？ANOVA 顯著之後要跑哪一種事後檢定？這篇把決策路徑整理成一條線。
第一步：看組數
- 兩組 → t 檢定
- 三組以上 → ANOVA（變異數分析）
三組以上不要兩兩做 t 檢定，因為每做一次檢定就增加一次型一錯誤的機率。做三次 α = .05 的檢定，整體錯誤率會膨脹到約 14%。ANOVA 的 F 檢定一次控制住整體錯誤率，這是它存在的理由。
第二步：看樣本是否獨立
這一步決定用哪一種 t 檢定或 ANOVA：
- 獨立樣本：兩組是不同的人（男／女、實驗組／對照組）。
- 相依樣本：同一批人測兩次（前測／後測），或配對設計。
對應的檢定：獨立樣本 t 檢定、成對樣本 t 檢定、單因子 ANOVA、重複量數 ANOVA。用錯的話，分母的誤差項算錯，p 值就不可信。
第三步：檢查三個假設
1. 常態性
各組資料接近常態。樣本數夠大（每組 > 30）時，依中央極限定理可以放寬；樣本小的時候要認真看 Shapiro-Wilk 檢定與 Q-Q 圖。
2. 變異數同質性
用 Levene 檢定。p > .05 表示同質，可以放心用標準 t 檢定。
若 Levene 顯著（不同質）：
- t 檢定 → 改用 Welch's t 檢定（SPSS 報表的第二列）。
- ANOVA → 改用 Welch ANOVA，事後檢定改用 Games-Howell。
3. 獨立性
觀察值之間互不影響。同班同學、同部門員工的資料可能違反這個假設，要考慮多層次模型。
第四步：ANOVA 顯著之後做什麼
F 檢定顯著只告訴你「至少有一組不同」，沒告訴你「哪一組不同」。這時要做事後檢定（post-hoc）：
- Scheffé：最保守，適合組數多或組間樣本數差異大。
- Tukey HSD：組數少、樣本數相近時的標準選擇。
- Bonferroni：簡單直觀，但組數多時過度保守。
- Games-Howell：變異數不同質時的選擇。
選一個就好，不要全部跑一遍然後挑顯著的報告——那是 p-hacking。
什麼時候該改用無母數
下列情況建議改用無母數檢定：
- 樣本數小（每組 < 30）且明顯偏態
- 依變項是有序變項（李克特單題、等級評分）
- 有極端值且無法合理移除
對應關係：獨立 t → Mann-Whitney U；成對 t → Wilcoxon 符號等級；ANOVA → Kruskal-Wallis（事後用 Dunn 檢定）。
報告要寫什麼
一個完整的句子長這樣：
「女性（M = 4.12, SD = 0.63）在知覺組織支持上的得分顯著高於男性（M = 3.78, SD = 0.71），t(216) = 3.42, p = .001, d = 0.50。」
包含：各組平均數與標準差、檢定統計量與自由度、p 值、效果量。少一項就會被追問。