秩和檢驗效能評估方法的缺點主要有以下幾點：
一、檢驗效能相對較低
與參數檢驗比較：
在總體分布符合參數檢驗假設的情況下，參數檢驗通常比秩和檢驗具有更高的檢驗效能。這意味著在相同的樣本量和顯著性水平下，參數檢驗更有可能檢測到實際存在的差異。
例如，當數據確實服從正態分布時，t 檢驗等參數檢驗方法可能會比秩和檢驗更靈敏地發現兩組數據之間的差異。而秩和檢驗由于不利用數據的具體分布參數，可能會錯過一些較小的差異。
對樣本量要求較高：
為了達到與參數檢驗相當的檢驗效能，秩和檢驗通常需要較大的樣本量。這是因為秩和檢驗在處理數據時相對保守，需要更多的數據來支持結論的可靠性。
例如，在進行一項醫學研究時，如果使用秩和檢驗，可能需要比使用參數檢驗更多的患者樣本才能獲得具有統計學意義的結果。這可能會增加研究的成本和時間。
二、結果解釋相對復雜
基于秩次的解釋：
秩和檢驗的結果是基于數據的秩次而不是原始數據的值。這使得結果的解釋相對復雜，對于不熟悉秩和檢驗的人來說，可能難以理解。
例如，在比較兩組數據時，秩和檢驗只能告訴我們兩組數據的秩次分布是否有差異，但不能直接給出具體的差異數值。需要進一步的分析和解釋才能理解差異的實際意義。
多組比較的復雜性：
當進行多組比較時，秩和檢驗的結果解釋會變得更加復雜。需要進行多重比較調整，以控制犯第一類錯誤的概率。這增加了結果解釋的難度。
例如，在比較三種不同治療方法的效果時，需要進行多次秩和檢驗，并進行相應的多重比較調整。這可能會使結果的解釋變得更加困難，需要更多的專業知識和經驗。
三、計算相對復雜
特殊情況的處理：
在一些特殊情況下，如存在 ties（數據值相等）時，秩和檢驗的計算會變得相對復雜。需要采用特殊的處理方法來分配秩次，這可能會增加計算的難度和復雜性。
例如，在一組數據中有多個相同的值時，如何合理地分配秩次是一個需要考慮的問題。不同的分配方法可能會對結果產生一定的影響。
缺乏直觀的統計量：
與參數檢驗方法相比，秩和檢驗缺乏一些直觀的統計量。例如，參數檢驗中的均值、標準差等統計量可以直接反映數據的集中趨勢和離散程度。而秩和檢驗的統計量，如 Wilcoxon 秩和檢驗的 W 統計量或 Kruskal-Wallis 檢驗的 H 統計量，相對來說不太直觀。
這使得在解釋結果時，需要更多的統計知識和經驗才能理解這些統計量的含義和作用。