解释双方差的主要结果

请完成以下步骤来解释双方差检验。主要输出包括比值、置信区间、p 值和多个图形。

关于本主题

步骤 1：确定标准差或方差的比值的置信区间
步骤 2：确定比值在统计意义上是否显著
步骤 3：检查数据是否有问题

步骤 1：确定标准差或方差的比值的置信区间

首先考虑样本方差或样本标准差的比值，然后检查置信区间。

样本数据标准差和方差的估计比值是对总体标准差和方差中比值的估计值。由于估计的比值基于样本数据而不是整个总体，因此样本比值通常不等于总体比值。使用置信区间可以更好地估计比值。

置信区间提供总体方差或标准差之间比值的可能值范围。例如，95% 的置信水平表明，如果从总体中随机抽取 100 个样本，则大约 95 个样本将产生包含总体比值的区间。置信区间有助于评估结果的实际意义。使用您的专业知识可以确定置信区间是否包括对您的情况有实际意义的值。如果区间因太宽而毫无用处，请考虑增加样本数量。有关更多信息，请转到获得更加精确的置信区间的方法。

默认情况下，双方差检验将显示 Levene 方法和 Bonett 方法的结果。Bonett 方法通常比 Levene 方法更可靠。但对于严重偏斜和重尾的分布，Levene 方法通常比 Bonett 方法更可靠。只有当您确信数据服从正态分布时，才使用 F 检验。与正态性的任何微小偏差都可能会大大影响 F 检验的结果。有关更多信息，请转到对于双方差，应使用 Bonett 方法还是 Levene 方法？。

汇总图将显示比值的置信区间，以及标准差或方差的置信区间。

主要结果：估计的比值、比值的置信区间、汇总图

在这些结果中，两家医院评分的总体标准差比值的估计值为 0.658。通过使用 Bonett 方法，医院评分的总体标准差的比值介于 0.372 和 1.215 之间的可信度为 95%。

估计的比值	使用 Bonett 的比值的 95% 置信区间	使用 Levene 的比值的 95% 置信区间
0.658241	(0.372, 1.215)	(0.378, 1.296)

步骤 2：确定比值在统计意义上是否显著

要确定总体标准差或方差的差值在统计意义上是否显著，请将 p 值与显著性水平进行比较。通常，显著性水平（用 α 或 alpha 表示）为 0.05 即可。显著性水平 0.05 指示在实际上不存在差值时得出存在差值的风险为 5%。

P 值 ≤ α：标准差或方差的比值在统计意义上显著（否定 H₀）: 如果 p 值小于或等于显著性水平，则决策为否定原假设。您可以得出总体标准差或方差的比值不等于假设比值的结论。如果您没有指定假设比值，Minitab 将检验标准差或方差之间是否不存在差值（假设比值 = 1）。请使用您的专业知识确定差值在实际意义上是否显著。有关更多信息，请转到统计显著性和实际显著性。
P 值 > α：标准差或方差的比值在统计意义上不显著（无法否定 H₀）: 如果 p 值大于显著性水平，则决策为无法否定原假设。您没有足够的证据得出总体标准差或方差的比值在统计意义上显著的结论。您应该确保检验具有足够的功效来检测到在实际意义上显著的差值。有关更多信息，请转到双方差的功效和样本数量。

默认情况下，双方差检验将显示 Levene 方法和 Bonett 方法的 p 值。如果将该检验用于正态分布，Minitab 将显示 F 检验的 p 值。请根据数据分布属性选择一种检验，如下所示：

Bonett 检验对于任何连续分布都是准确的，并且不要求数据为正态数据。Bonett 检验通常比 Levene 检验更可靠。
Levene 检验对于任何连续分布也是准确的。对于极其偏斜和重尾的分布，Levene 方法可能比 Bonett 方法更可靠。
F 检验仅对于正态分布数据是准确的。只要稍微偏离正态性，都可能会导致 F 检验不准确，即便使用大样本也是如此。但是，如果数据很好地遵循了正态分布，则 F 检验通常比 Bonett 方法或 Levene 方法的功效更好。

有关更多信息，请转到对于双方差，应使用 Bonett 方法还是 Levene 方法？。