Teste para variâncias iguais

Use um teste de igualdade de variâncias para testar a igualdade de variâncias entre populações ou níveis de fator. Muitos procedimentos estatísticos, como a análise de variância (ANOVA) e a regressão, suponha que, embora diferentes amostras possam vir de populações com médias diferentes, elas têm a mesma variância.

Como a suscetibilidade de diferentes procedimentos para variâncias desiguais varia muito, impõe a necessidade de fazer um teste de igualdade de variâncias. Por exemplo, as inferências ANOVA são apenas levemente afetadas pela desigualdade de variância se o modelo contiver apenas fatores fixos e tiver tamanhos iguais ou quase iguais de amostra. Como alternativa, os modelos ANOVA com efeitos aleatórios e/ou tamanhos de amostra desiguais poderiam ser substancialmente afetados.

Por exemplo, você pretende realizar uma ANOVA testando a duração de tempo em que as chamadas são colocados em espera em que o principal fator fixo é o centro de chamada. Você usa o modelo linear geral (GLM) da ANOVA, pois você tem tamanhos de amostra desiguais. Como essa condição desbalanceada aumenta a susceptibilidade para variâncias desiguais, você decide testar a suposição de variâncias iguais. Se o valor de p resultante for maior do que escolhas adequadas de alfa, você não rejeita a hipótese nula de que as variâncias são iguais. É possível ter a confiança de que a suposição de variâncias iguais está sendo atendida.

Quando você tem pequenas amostras de distribuições muito assimétricas ou com caudas pesadas, a taxa de erro tipo I para o método de múltiplas comparações pode ser maior do que α. Sob estas condições, se o método de Levene proporcionar um valor de p menor do que o método de múltiplas comparações, você deve basear suas conclusões no método de Levene. Caso contrário, você pode basear suas conclusões no método de múltiplas comparações, mas lembre-se que é provável que a taxa de erro tipo I seja maior que α.

Em vez do método de múltiplas comparações e método de Levene, você pode optar por exibir resultados para o teste baseado na distribuição normal. Se você tiver apenas 2 grupos ou níveis de fator, então o Minitab realiza o teste F. Se você tiver 3 ou mais grupos ou níveis de fator, então o Minitab realiza o teste de Bartlett.

O teste F e teste de Bartlett são precisos apenas para dados normalmente distribuídos. Qualquer desvio da normalidade pode fazer com que estes testes para produzam resultados imprecisos. No entanto, se os dados estão em conformidade com uma distribuição normal, o teste F e o teste de Bartlett são tipicamente mais poderosos do que o método de comparações múltiplas ou o método de Levene.