等方差检验

等方差检验
用于检验总体或因子水平之间的方差是否相等。如方差分析 (ANOVA) 和回归等许多统计过程都假定，尽管不同样本可能来自平均值不同的总体，但它们的方差相同。

对于等方差检验，假设检验为：

H0 所有方差都相等

H1 并非所有方差都相等

有三种常见的等方差检验：

· Bartlett 检验：在数据来自正态分布时使用；Bartlett 检验不适应偏离正态分布的情况。

· Levene 检验：当数据来自连续（但不一定正态）分布时使用。此方法考虑观测值与其样本中位数而非样本平均值的距离，从而使检验对小型样本更健壮。

· F 检验：在只比较两个方差时用于替代 Bartlett 检验。例如，在单因子方差分析中，F 检验将组平均值之间的方差与组内方差进行比较。

由于不同过程对不等方差的敏感度差别很大，因此需要执行等方差检验。例如，如果模型只包含固定因子且样本大小相等或近似相等，则方差不等对方差分析推断仅略有影响。另一方面，具有随机效应和/或样本大小不等的方差分析模型可能会受到重大影响。

例如，计划对呼叫者处于保持的时间长度执行方差分析检验，其中主要的固定因子是呼叫中心。 由于样本大小不等，因此使用方差分析一般线性模型 (GLM)。由于这种不平衡的情况会增加对不等方差的敏感度，因此决定检验等方差假设。如果得到的 p 值大于合理的 alpha 选择，则不能否定方差相等的原假设。可以确信满足等方差假设。