我该用哪个统计检验

先画图。直方图或箱线图比任何检验都回答得快，重要的不是完美正态，而是形状大致对称、没有极端异常值。

样本越大，t 检验也越宽容：一百个案例的轻微偏态很少是问题，而同样的偏态放在八个案例上就是。拿不准时，把基于秩的方法也跑一遍：两者一致，就说明选哪个都无所谓。

参数检验直接用数值本身，并假设它们有某种形状，通常接近正态曲线。基于秩的检验丢掉数值、只保留它们的顺序，所以异常值就不再重要了。

代价是：基于秩的检验回答的问题略有不同，而且当参数检验的假设确实成立时，它的检验力更低。哪个都不是更安全的默认选项；它们是对不同情形的回答。

不是。p 值回答的是这个结果是否难以用偶然来解释，而样本足够大时，连极小的差异也会变得难以用偶然解释。

请同时报告效应量，可以的话再加上置信区间。效应量告诉读者这个差异要不要紧；p 值只说明它多半不是噪声。

不能，也没打算代替。它指出与你问题形状相符的选择，并告诉你在使用前该检查哪个假设。

真实数据会带来流程图看不见的东西：缺失值、被测量多次的对象、大小相差悬殊的组、看过结果之后才挑出来的变量。其中任何一项都可能改变答案。