这不是一个有普遍共识的领域。

我的观点是 1）这两个测试回答不同的问题，所以他们得到不同的答案也就不足为奇了。2) 这种差异更多地证明了 p 值的问题，尤其是使用 p < .05 之类的截止值。3) 它还解决了寻找“千篇一律”的统计方法的问题。

详细说明：整体方差分析询问所有级别之间的关系；Tukey 的 LSD 等测试比较个人水平。这是两个不同的问题。你对哪一个感兴趣？也许两者兼而有之？

你说（在标题中）结果不一致。但是您只提供证据证明 p 值在 0.05 的相反侧。所以？你为什么关心这个？检查效果大小会好得多。而且这些效果大小不存在不一致的问题，因为它们不会变化。

最后，您似乎（但也许我错了）您正在寻求一般问题的一般解决方案；但实际上，这些问题是特别的。

使用最自由的测试——即使是有计划的比较，你可能在所有个体平均值之间没有显着差异。我只是要求我的学生使用这个功能开发模拟数据。

你做一个方差分析来测试你的数据模式。如果测试通过，那么在大多数情况下，您需要做的就是描述该模式。

我使用了 SPSS，我曾经遇到过同样的问题，我在 PostHoc 中尝试了不同的测试。对于假设的等方差，我建议您使用 Dunnet 测试，如果您在控制类别（第一个或最后一个）中更改选择，有时在测试（2 面，< 控制，> 控制）中更改选择，您可以获得不同的结果。对于假设的不等方差，您应该使用 Tamhane 的 T2。这是我的个人经历。