我最近回答了一个非常相似的问题，也许你想看看：Assessing group Difference on multiple results。但是，由于这些问题没有被标记为重复（而且我在这里太新，无法尝试），让我在这里添加以下内容。

你有一个非常简单的设计：只有两个组；MANOVA 不是一个简单的程序，因此可能有点矫枉过正。因此，我将从单独的 t 检验开始，如果您可以证明您的组根据几个因变量而有所不同，那么完美。请注意，它们应该更好地保持一致，例如，其中一组应该始终具有较低的反应时间（而不是有时较低，有时较高，这会很奇怪）。请参阅我关于多重比较的链接答案。如果您无法通过单个 t 检验获得令人信服且一致的差异，那么您可以尝试 MANOVA - 再次，请参阅我的答案以及一些进一步的提示。

关于您的理论问题：我假设您在问何时可以对因变量进行分组以运行 MANOVA。我想答案是你想要的时候。如果您有多个因变量，那么无论它们是什么，您都可以询问您的组是否在它们方面有所不同。

许多不同的显着性统计检验可以应用于研究。诸如数据所代表的测量规模、参与者选择方法、被比较的组数和自变量数等因素决定了在给定的研究中应该使用哪种显着性检验。研究人员选择合适的测试很重要，因为不正确的测试可能导致错误地决定 I 类或 II 类错误（Gay, Mills & Airasian, 2011）。

t 检验用于确定两组分数在选定的概率水平上是否存在显着差异。简单方差分析是一种显着性检验，用于确定两个或多个组的分数在选定的概率水平上是否存在显着差异。然而，t 检验是一次对两组（例如，男孩和女孩）平均值之间差异的适当检验。也可以计算一系列 t 检验，每对均值一个。ANOVA 是多组比较的检验（Gay, Mills & Airasian, 2011）。

MANOVA 是 ANOVA 的扩展形式。如果一项研究使用因子设计来调查两个或多个自变量以及它们之间的相互作用，则适当的统计分析是因子或多因素方差分析。该分析为每个自变量和每个交互产生一个单独的 F 比率。当分析两个或多个自变量时，使用方差多元方差分析。例如，假设我们要考虑性别和经济地位是否都会影响学生的大学成绩。MANOVA 将允许我们考虑自变量（性别和经济状况）和多个因变量（例如，大学 GPA 以及我们可能从数学或语言课程中获得的其他考试成绩）。然而，正如你可以想象的那样，