当两个总体具有不同的方差时，假设两个总体的方差相等的 T 检验无效，并且对于不相等的样本量更糟。如果最小的样本量是具有最大方差的样本量，则测试将夸大 I 类错误）。另一方面，t 检验的 Welch-Satterthwaite 版本不假设方差相等。如果您正在考虑 Fisher-Pitman 置换检验，它也假设方差相等（如果您想从低 p 值推断不相等的均值）。

您可能还需要考虑许多其他事情：

(1) 如果方差明显不相等，您是否仍然对均值之间的差异如此感兴趣？

(2) 效应估计可能比 p 值对您更有用吗？

(3) 您是否想考虑数据的多变量性质，而不是仅仅进行一系列单变量比较？

首先，正如 Scortchi 已经指出的那样，T 检验不太适合您的数据，因为它假设了数据的分布。

对于您的第二点，我会提出 T 检验的替代方案。如果您的兴趣仅在于事实，如果您的两个样本的分布是否相等，您也可以尝试使用 Wilcoxon 秩和检验的双边版本。Wilcoxon 秩和检验是一种非参数检验。如果您不确定数据的基本分布，这种测试特别有用。

它存在针对小样本量和大样本量的测试的精确解。此外，还有一个实现Wilcoxon秩和检验的R包。

由于它是无参数测试并且还处理小样本量，因此该测试应该非常适合您的测试用例。