秩和检验效能评估方法的劣势主要有以下几点：
一、检验效能相对较低
与参数检验比较：
在总体分布符合参数检验假设的情况下，参数检验通常比秩和检验具有更高的检验效能。这意味着在相同的样本量和显著性水平下，参数检验更有可能检测到实际存在的差异。
例如，当数据确实服从正态分布时，t 检验等参数检验方法可能会比秩和检验更灵敏地发现两组数据之间的差异。而秩和检验由于不利用数据的具体分布参数，可能会错过一些较小的差异。
对样本量要求较高：
为了达到与参数检验相当的检验效能，秩和检验通常需要较大的样本量。这是因为秩和检验在处理数据时相对保守，需要更多的数据来支持结论的可靠性。
例如，在进行一项医学研究时，如果使用秩和检验，可能需要比使用参数检验更多的患者样本才能获得具有统计学意义的结果。这可能会增加研究的成本和时间。
二、结果解释相对复杂
基于秩次的解释：
秩和检验的结果是基于数据的秩次而不是原始数据的值。这使得结果的解释相对复杂，对于不熟悉秩和检验的人来说，可能难以理解。
例如，在比较两组数据时，秩和检验只能告诉我们两组数据的秩次分布是否有差异，但不能直接给出具体的差异数值。需要进一步的分析和解释才能理解差异的实际意义。
多组比较的复杂性：
当进行多组比较时，秩和检验的结果解释会变得更加复杂。需要进行多重比较调整，以控制犯第一类错误的概率。这增加了结果解释的难度。
例如，在比较三种不同治疗方法的效果时，需要进行多次秩和检验，并进行相应的多重比较调整。这可能会使结果的解释变得更加困难，需要更多的专业知识和经验。
三、计算相对复杂
特殊情况的处理：
在一些特殊情况下，如存在 ties（数据值相等）时，秩和检验的计算会变得相对复杂。需要采用特殊的处理方法来分配秩次，这可能会增加计算的难度和复杂性。
例如，在一组数据中有多个相同的值时，如何合理地分配秩次是一个需要考虑的问题。不同的分配方法可能会对结果产生一定的影响。
缺乏直观的统计量：
与参数检验方法相比，秩和检验缺乏一些直观的统计量。例如，参数检验中的均值、标准差等统计量可以直接反映数据的集中趋势和离散程度。而秩和检验的统计量，如 Wilcoxon 秩和检验的 W 统计量或 Kruskal-Wallis 检验的 H 统计量，相对来说不太直观。
这使得在解释结果时，需要更多的统计知识和经验才能理解这些统计量的含义和作用。