对于双方差，应使用 Bonett 方法还是 Levene 方法？

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，Bonett 方法的 I 类错误率可能比 α 高。在这种情况下，如果 Levene 方法可为您提供比 Bonett 方法更小的置信区间，则应根据 Levene 方法得出结论。否则，可以基于 Bonett 方法得出结论，但请注意，您的 I 类错误的比率可能高于 α。

Levene 检验的计算方法基于 Brown 和 Forsythe 对 Levene 过程的修改。此方法考虑的是观测值与样本中位数之间的距离，而不是与样本均值之间的距离。使用样本中位数对较小样本进行检验比使用样本均值更稳健。

Bonett 置信区间的计算方法基于 Bonett¹。但是，本文中提出的置信区间不正确，因为它们基于峰度的合并估计值，当总体的标准差不相等时，峰度的合并估计值将不一致。Minitab 使用备择计算算法来更正此错误。Bonett p 值是通过将已更正的置信区间反向来计算的。

Bonett D. G.（2006 年）。Robust Confidence Interval for a Ratio of Standard Deviations（标准差比值的稳健置信区间）。Applied Psychological Measurements（应用心理测量），30，432–439

除了 Bonett 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，这也称为 F 检验。如果您为每个样本输入数量和方差（或标准差）的汇总数据，Minitab 也会显示 F 检验的结果。

F 检验仅对于正态分布数据准确。一旦稍有偏离正态性，就会导致此检验生成不精确的结果。但是，如果数据服从正态分布，则 F 检验通常比 Bonett 方法或 Levene 方法更强大。然而，F 检验通常并不实用，因为数据很少具有完全正态分布。