考虑到群体之间的方差分析情况，您首先实际进行这样的ANOVA测试，然后进行事后（Bonferroni，Šidák等）或计划的比较测试，您会得到什么？为什么不完全跳过ANOVA步骤？
我认为在这种情况下，组间ANOVA的一个好处是能够使用Tukey的HSD作为事后测试。后者需要ANOVA表中的组内均方来计算其相关的标准误差。但是，对不成对t检验的Bonferroni和Šidák调整不需要任何方差分析输入。
我想就小组内部方差分析的情况提出同样的问题。我知道在这种情况下，Tukey的HSD测试不是一个相关的考虑因素，这使得这个问题更加紧迫。
Answers:
实际上，在特定情况下并不需要严格的综合测试，并且像Bonferroni或Bonferroni-Holm之类的多个推理过程并不限于ANOVA /均值比较设置。它们通常以事后测试的形式出现在教科书中，或者在统计软件中与ANOVA关联，但是如果您查阅有关该主题的论文（例如Holm，1979年），您会发现它们最初是在更广泛的背景下讨论的，并且您如果您愿意，当然可以“跳过方差分析”。
人们仍然使用方差分析的原因之一是与Bonferroni调整之类的成对比较具有较低的功效（有时要低得多）。Tukey HSD和综合测试可以具有更高的功效，即使成对比较没有发现任何问题，ANOVA F检验已经是结果。如果您使用小型且随意定义的样本，并且正在寻找一些可发布的p值（与许多人一样），那么即使您始终打算进行成对比较，这也会很有吸引力。
另外，如果您真的在乎任何可能的差异（与特定的成对比较或了解不同的意思相对），那么ANOVA多功能测试就是您想要的测试。同样，多方ANOVA程序方便地提供了主要效果和相互作用的测试，这些测试比成对的比较更直接有趣（计划的对比可以解决相同的问题，但设置起来更复杂）。例如，在心理学中，综合测试通常被认为是实验的主要结果，而多次比较仅被视为辅助条件。
最后，许多人对此程序感到满意（ANOVA，然后进行事后检验），而根本不知道Bonferroni不等式是与ANOVA无关的非常普遍的结果，您还可以进行更有针对性的计划比较或除了执行测试外，还要做很多事情。如果您正在应用学科中一些最流行的“食谱”上工作，并且解释了许多常见的做法（即使并不能完全证明它们的合理性），那么实现这一点当然也不容易。
Holm，S.（1979年）。一个简单的顺序拒绝多重测试程序。斯堪的纳维亚统计杂志， 6（2），65-70。