了解等方差检验

使用等方差检验来检验总体或因子水平之间的方差等式。如方差分析 (ANOVA) 和回归等许多统计过程都假定：虽然不同样本可能来自均值不同的总体，但它们的方差都相同。

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数量相等或近似相等，则方差不等对方差分析推断仅略有影响。或者，具有随机效应和/或样本数量不等的方差分析模型可能会受到重大影响。

例如，您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。由于样本数量不等，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 值大于充足的 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。

当您具有来自非常偏斜的分布或重尾部型分布的小型样本时，多重比较方法的 I 类误差率可能比 α 高。在此类情况下，如果 Levene 方法可为您提供比多重比较方法更小的 p 值，则应根据 Levene 方法得出结论。否则，可以基于多重比较方法得出结论，但请注意，您的 I 类错误的比率可能高于 α。

除了多重比较方法和 Levene 方法外，您还可以选择基于正态分布来显示检验的结果。如果只具有两个组或因子水平，则 Minitab 将执行 F 检验。如果具有 3 个或更多组或因子水平，则 Minitab 将执行 Bartlett 检验。

F 检验和 Bartlett 检验仅对于正态分布数据准确。一旦偏离正态性，就会导致此检验生成不准确的结果。但是，如果数据服从正态分布，则 F 检验和 Bartlett 检验通常比多重比较方法或 Levene 方法更有效。