@JeremyMiles 是对的。首先，有一条经验法则，只要最大方差不超过最小方差的 4 倍，ANOVA 就对方差的异质性具有鲁棒性。此外，方差异质性的一般影响是降低方差分析的效率。也就是说，您将拥有较低的功率。由于无论如何您都会产生重大影响，因此这里没有理由担心。

更新：

• 我在这里证明了我关于较低效率/功率的观点：Efficiency of beta estimate with heteroscedasticity
• 我在这里全面概述了在单向方差分析中处理有问题的异方差性的策略：异方差数据的单向方差分析的替代方案

（1）“每组的手段是正态分布的”——你可以根据什么做出这样的断言？

（2）您的方差差异听起来很小，如果样本量几乎相等，则不会引起太大的关注，正如其他人所提到的，

(3) 与两样本 t 检验一样，ANOVA 存在自由度的 Welch 型调整*；就像它们在两个样本 t 检验中的使用一样，没有理由不理所当然地使用它们。实际上，oneway.testR 中的函数默认情况下会执行此操作。

*BL Welch (1951)，关于几个平均值的比较：一种替代方法。
生物计量学， 38，330-336。

我建议使用贝叶斯方差分析，它不假设组间的方差一定相同。John K. Kruschke 做了一个很好的例子，可以在这里找到： http ://doingbayesiandataanalysis.blogspot.mx/2011/04/anova-with-non-homogeneous-variances.html