超级会员免费看
本文详细介绍了方差齐性检验的重要性，包括Hartley、Levene、BF和Bartlett等检验方法，并提供了MATLAB、R语言和Python的代码示例。方差齐性检验在t检验和方差分析中起着关键作用，确保统计结果的有效性。通过SPSS进行方差齐性检验的步骤也被详述，并展示了如何分析检验结果。
目录
算法原理
常用方法有：Hartley检验、Bartlett检验、修正的Bartlett检验。
方差分析中有三条前提假设，其中一条是：不同水平的总体方差相等。因为F检验对方差齐性的偏离较为敏感，故方差齐性检验十分必要。在线性回归分析中，也要满足以上三条前提假设，除了方差齐性检验外，另二个是：因变量是否符合正态分布和是否待分析的因变量中的个案彼此独立也就是个案间不存在自相关并来自于同一个总体。对于线性回归分析，只是多一个需要因变量和自变量有线性趋势。
spss中的方差齐性检验：首先需要知道方差齐性检验的本质：样本以及总体的方差的分布是常数，和自变量或者因变量没有关系。
方法：绘制散点图：一般情况因变量是纵轴，但是，在方差齐性检验中，因变量被设置为横轴，纵轴是学生化残差。原因就是，要弄清究竟因变量和残差之间有没有关系。
结果：如果残差随机分布在一条穿过零点的水平直线的两侧，就说明残差独立，也就是证明因变量方差齐性。
注意：学生化残差的定义
订阅专栏 解锁全文
扫一扫
278
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
