当数据方差不齐时，需采用以下检验方法：

一、参数检验方法

Welch's t-test（韦尔奇t检验）

适用于单因素多组比较，对方差齐性要求较宽松，尤其适合数据呈正态分布但方差不齐的情况。它通过调整自由度计算t值，减少方差不齐对结果的影响。

单因素方差分析（ANOVA）的修正方法

若使用传统ANOVA，需先通过Bartlett's test或Brown-Forsythe test判断方差不齐。若P值≤0.05，则需改用Welch's ANOVA（即ANOVA with Welch's correction）。

二、非参数检验方法

秩和检验（Mann-Whitney U检验或Wilcoxon符号秩检验）

适用于不满足正态分布或方差不齐的连续型数据，通过比较秩次而非原始数据来判断差异。

Kruskal-Wallis H检验

用于多组独立样本的比较，是秩和检验的扩展，同样对方差齐性要求较宽松。

三、注意事项

数据预处理 ：在进行上述检验前，建议通过正态性检验（如Shapiro-Wilk检验）和方差不齐性检验（如Bartlett's test）确认数据特征，为选择合适方法提供依据。

软件操作 ：如SPSS中，独立样本t检验会同时报告方差不齐性结果，若方差不齐会自动采用Welch's t-test。

四、示例流程（以SPSS为例）

正态性检验 ：通过“分析→正态性检验”进行Shapiro-Wilk检验，P值>0.05则数据近似正态分布。

方差不齐性检验 ：在“分析→单因素ANOVA”中勾选“使用Welch's t-test”选项。

结果解读 ：若P值≤0.05，接受原假设（方差不齐）并使用Welch's t-test；否则使用传统ANOVA。

通过以上方法，可有效处理方差不齐数据，确保统计结果的准确性。