Welch's t检验

Welch's t检验 (Welch's t-test)

Welch's t检验（Welch's t-test），亦称不等方差t检验或韦尔奇t检验，由英国统计学家Bernard Lewis Welch于1947年提出，是两独立样本均值比较的假设检验方法。与经典的Student t检验不同，Welch's t检验不要求两总体方差相等，因此在方差齐性假设不满足时具有显著更优的第一类错误率控制。该方法直接回应了统计学中的经典难题——Behrens-Fisher问题，即当两个正态总体的方差未知且不等时，如何对均值差异进行有效推断。当代统计实践普遍推荐将Welch's t检验而非传统Student t检验作为两样本均值比较的默认方法，R语言的 \texttt{t.test} 函数也将Welch版本设为默认（\texttt{var.equal = FALSE}）。

核心思想与适用场景

Welch's t检验的核心创新在于放弃合并方差估计（pooled variance），转而分别使用各组样本方差构造检验统计量，并通过修正自由度来补偿方差不等带来的分布偏差。这一设计哲学可概括为"让每组数据自己说话"。

适用场景包括：两组样本量差异悬殊（如 $n_1 = 10$，$n_2 = 100$）且方差不等；Levene检验或Bartlett检验拒绝了方差齐性的零假设；实验组与对照组的处理效应不仅影响均值，也影响变异程度（例如药物对不同个体的反应异质性）；来自不同总体的观测数据（不同国家、不同时期），方差的异质性是结构性的而非偶然的。

大量蒙特卡洛模拟研究（如Ruxton, 2006, Behavioral Ecology）表明：即使在方差相等的情况下使用Welch's t检验，统计功效的损失也微乎其微（通常低于2\%）；而在方差不等时，传统Student t检验的第一类错误率会严重偏离名义水平——当小样本组的方差更大时，假阳性率可能膨胀至名义 $\alpha$ 的两倍以上；反之，当大样本组的方差更大时，检验又过于保守。Welch's t检验在两类情况下均能维持接近名义水平的错误率，是一种"安全默认"（safe default）。

检验统计量

设两独立样本的观测值为 $X_{11}, X_{12}, \ldots, X_{1n_1}$ 和 $X_{21}, X_{22}, \ldots, X_{2n_2}$，分别来自正态总体 $N(\mu_1, \sigma_1^2)$ 和 $N(\mu_2, \sigma_2^2)$，其中 $\sigma_1^2$ 和 $\sigma_2^2$ 均未知且不一定相等。Welch's t检验的统计量为：

其中 $\bar{X}_i = \frac{1}{n_i} \sum_{j=1}^{n_i} X_{ij}$ 为第 $i$ 组的样本均值，$s_i^2 = \frac{1}{n_i - 1} \sum_{j=1}^{n_i} (X_{ij} - \bar{X}_i)^2$ 为第 $i$ 组的样本方差。分母 $\sqrt{s_1^2/n_1 + s_2^2/n_2}$ 是 $\text{Var}(\bar{X}_1 - \bar{X}_2)$ 的无偏估计量。

与传统Student t检验的关键区别在于分母：Student t检验使用合并方差 $s_p^2 = \frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1 + n_2 - 2}$ 并强加 $\sigma_1^2 = \sigma_2^2$ 的约束，而Welch统计量直接使用两组方差估计的简单求和，不对方差施加等式约束。这使Welch统计量在方差不等时仍然有效。

自由度：Welch-Satterthwaite方程

Welch's t检验的近似自由度由Welch-Satterthwaite方程给出：

该自由度由Satterthwaite（1946）的矩匹配法（Method of Moments）推导而来：将两个独立卡方随机变量的加权和用一个缩放卡方变量近似，匹配前两阶矩即得上述表达式。$\nu$ 的取值范围介于 $\min(n_1 - 1, n_2 - 1)$ 和 $n_1 + n_2 - 2$ 之间，通常不是整数——现代统计软件直接使用非整数值查询t分布计算p值，无需取整。

在零假设 $H_0: \mu_1 = \mu_2$ 下，上述t统计量近似服从自由度为 $\nu$ 的t分布。据此可计算双尾或单尾的p值，亦可构造均值差异的置信区间：

其中 $t_{\alpha/2, \nu}$ 是自由度为 $\nu$ 的t分布的上 $\alpha/2$ 分位数。

假设条件

Welch's t检验保留了两项核心假设，但明确放松了方差齐性要求：

观测独立性：两组内部及两组之间的观测相互独立。这是不可放松的底线——违反独立性（如重复测量、聚类数据）将导致标准误的低估和假阳性率膨胀。对于配对或重复测量设计，应使用配对样本t检验或线性混合效应模型。

正态性：两总体分别服从或近似服从正态分布。根据中心极限定理，当每组样本量充分大（通常 $n_i > 30$）时，t检验对正态性偏离具有稳健性。对于严重偏态分布或极小样本，可考虑Mann-Whitney U检验或自助法（Bootstrap-t）。

不等方差可接受：Welch's t检验不要求 $\sigma_1^2 = \sigma_2^2$，因此无需事先进行方差齐性检验。实际上，先检验方差齐性再选择t检验版本的两步策略（two-step procedure）已被多篇方法论论文批评：第一步检验的有限功效使得后续选择的统计性质难以控制（Zimmerman, 2004, British Journal of Mathematical and Statistical Psychology）。直接默认使用Welch's t检验可规避这一问题。

效应量

假设检验的显著性（p值）仅回答"差异是否存在"，不反映差异的大小。Welch's t检验的效应量通常使用科恩d值（Cohen's d），但由于不等方差，合并标准差的定义需审慎处理。常见方案包括：使用Glass's $\Delta$（以对照组标准差为分母，适用于实验设计）；或使用Hedges' g的校正版本，以两组标准差的均方根 $\sqrt{(s_1^2 + s_2^2)/2}$ 作为标准化因子。在实际报告中，APA格式要求同时呈现检验统计量、自由度、p值、效应量及其置信区间，以提供完整的推断图景。

与其他方法的系统比较

两样本均值比较的方法选择可沿以下逻辑展开：

如果正态性和独立性假设成立，Welch's t检验应作为默认选择。若方差确实相等且样本量也相等，Student t检验等价于Welch's t检验（此时 $s_p^2 / n = (s_1^2/n_1 + s_2^2/n_2)$）。当样本量相等时，Student t检验对不等方差也具有一定稳健性（模拟研究表明，$n_1 = n_2$ 时第一类错误率的偏离幅度远小于不等样本量情形），但Welch版本在所有情形下均不劣于Student版本。

若不满足正态性假设，Mann-Whitney U检验是非参数替代，但检验的是随机优势（stochastic dominance）而非均值差异本身；当分布形状不同时，显著的Mann-Whitney检验可能反映的是方差或偏度差异而非均值差异。自助法（Bootstrap-t）是另一替代方案，直接对t统计量的抽样分布进行非参数逼近，但计算成本较高且在小样本中表现不够稳定。

在方差分析（ANOVA）框架中，Welch的思想被推广为Welch ANOVA（使用广义Welch-Satterthwaite自由度）。在线性回归中，使用异方差稳健标准误（HC1、HC3等）结合Satterthwaite自由度校正，可视为Welch方法的回归版本，适用于多变量情形。

经济学与计量经济学应用

在计量经济学中，Welch's t检验广泛应用于政策评估与因果推断的初步和辅助分析：比较处理组与对照组的基线协变量均值，以检查随机化或匹配的质量；在差异中差异（DiD）设计中，检验处理组与对照组在干预前趋势的平行性（placebo test）；在断点回归（RDD）中，检验前定协变量在断点两侧的连续性以支持识别假设。经济数据的异方差性是普遍现象——不同规模企业的行为波动、不同收入群体的消费变异、不同市场的价格离散程度天然存在差异——Welch's t检验在这些场景中提供了比传统Student t检验更可靠的第一类错误率控制，是实证研究者应熟练掌握的基本工具。