比较标准的答案：两独立样本的
非参数检验（Wilcoxon M-W U检验）+Bonferroni检验（Bonferroni correction）。楼主碰到的是参见的多重检验校正问题multiple testing或者称为post hoc，不管是在
方差分析、卡方检验还是非参数检验都会碰到。在方差分析中提供了诸如LSD-t、SNK-q检验之类方法，而在其它情况基本无公认方法（有方法，但不常用）。但有一种通用的校正方法叫Bonferroni检验，即根据检验次数将检验水准降低（一般书本放在卡方检验这章），当然这是一种过于保守的校正方法，试想，检验了k次，alpha就要除以k，得到这样的
阳性结果确实不太容易；当然根据概率的计算，如果k次检验完全相互独立，检验水准确实应该除以k。由于非参数检验两两比较主要采用Wilcoxon M-W U检验，这时校正再加上Bonferroni即可。参数检验时因为LSD-t等检验的检验效率更高，所以一般不采用它；理论上其实也可以，这时用t检验+Bonferroni检验，只不过检验效率较低而已。非参转换成参数检验，不是不可以，只是如果是等级资料肯定转不过去，如果是参数不服从正态转成非参再转成参数，这么来回倒腾，再考虑LSD-t本身的检验效率，这时估计都还不如Bonferroni了。顺便说句，多重检验这块目前在生物统计学中还是研究热点，因为在生物统计中经常碰到像基因表达谱、全基因组关联分析等动辄上万次、上百万次的多重检验，不校正肯定不行，Bonferroni是标准做法但是太狠了，因此又应用了许多诸如FDR、bootstrap一类的方法。